程序员如何赚外快？国内外有什么靠谱的接单平台？零基础入门到精通，收藏这篇就够了

程序员_大白 程序员_大白 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.3k累计阅读 1.4k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄5年
关注
原创 最新推荐文章于 2026-03-23 21:48:09 发布 1.3k 阅读 AI 写同款· GEO 优化 ›
程序员如何花式赚外快？ 印象中程序员好像都找不到女朋友（其实是扯淡），但是程序员花钱可是分分钟的事情。服务器、域名、苹果电脑，以及appstore里一堆的收费软件、还有那么多高科技的VR设备，所以很多开发宝宝都是入不敷出的节奏。 阅读详情

咱们程序员看起来整天就埋头写代码、修 Bug，但其实这个圈子还有很多人，早就靠技术搞出了一条“多线程收入”——白天打工人，晚上搞钱人。

问题来了，程序员怎么才能靠技术赚外快？国内外有哪些靠谱的接单平台？老韩今天掏干货、分享实战经验，带你把“副业技能树”点亮！

程序员为什么要赚外快？

说到这个话题，先来聊聊程序员为啥对赚外快“兴趣浓厚”。原因其实很简单：

1. 钱不好赚，但程序员有技术

老韩见过不少同学，工资看起来不低，但一到年底回头一算：房贷车贷一减，存款余额让人头皮发麻。而程序员这个职业的优势是：技术可以变现，时间可以灵活支配。

2. 提升能力，顺便搞点实战

很多程序员在公司里，接触的代码其实很局限——不是业务开发，就是维护老系统。接单、做外快的好处是：你能接触到更多的实际项目，积累经验，还能补齐短板。

3. 为自由职业铺路

不是所有程序员都想一辈子在公司里打工。有些人通过接单平台积累了客户资源，慢慢转型做自由职业者，甚至组建自己的技术团队。

总之，赚外快对程序员来说，不仅是赚钱，更是多了一条技能变现的渠道。

程序员赚外快的常见方式

赚外快不是只有“接单”一种方式，老韩给你总结了几个常见的途径，看看哪个适合你。

1. 接单开发

这是最直接的方式——找一个外包项目，帮客户完成需求开发，赚取报酬。

项目内容可能包括：

**• 网站开发：**比如中小企业官网、在线商城等；

**• 小程序开发：**比如餐饮点餐、会员管理；

**• 数据抓取：**比如爬虫程序；

**• 系统定制：**企业内部管理系统、自动化工具。

接单的关键是找对平台（后面会讲），以及筛选靠谱客户，避免被坑。

2. 技术咨询

如果你在某个领域（比如大数据、机器学习、云计算）有深厚经验，可以考虑做技术咨询。客户可能是初创公司、传统企业甚至个人开发者，他们愿意花钱请你“指点迷津”。

技术咨询比开发项目轻松，主要靠你的经验和思路，但客户对你的专业水平要求会更高。

3. 制作技术课程

现在在线教育火爆，很多程序员通过制作技术课程赚得盆满钵满。

比如：

• 录制视频课程，上传到知识付费平台（如知乎盐选、B站课堂）。

• 编写电子书或技术文档，在亚马逊、微信读书等平台发布。

虽然课程制作初期会很费时间，但一旦上线后，它能带来“睡后收入”，也是程序员变现的热门途径。

4. 开源项目变现

如果你擅长开发开源工具，可以尝试通过以下方式变现：

**• GitHub 赞助：**比如开通 GitHub Sponsor，让喜欢你项目的人捐赠支持。

**• 付费扩展：**基础功能免费，高级功能收费。

**• 企业合作：**把开源工具打造成解决方案，提供企业级支持服务。

5. 技术写作

技术博客、微信公众号、Medium 平台……这些地方都能让你靠写作赚钱。

比如，有些平台会根据文章阅读量分成，有些公司会支付稿费邀请你写技术专栏。技术写作不仅能赚钱，还能提升个人影响力。

6. 自主创业

如果你有一个靠谱的点子，为什么不试试自己做产品？比如开发一个小工具 App、制作一款插件，或者做一个垂直领域的 SaaS 平台。虽然风险高，但成功了回报也很大。

国内外靠谱的接单平台推荐

要接到好单子，一个靠谱的平台是关键。老韩给你列几个国内外知名的接单平台，亲测有效。

国内平台

1. 开源中国 Gitee

国内的开发者社区，经常有企业在上面发布外包项目。适合会中文的程序员，项目内容偏企业应用。

2. 猪八戒网

国内最大的自由职业平台，不仅有程序开发，还有设计、营销等需求。优点是客户多，但竞争激烈，报价容易被压低。

3. 程序员客栈

专门为程序员提供接单服务的平台，客户质量相对较高，但对开发者的技术背景要求比较严格。

4. 猿急送

这个平台专注程序员兼职和外包，特点是审核严格，客户和开发者双方质量都不错，适合有经验的程序员。

5. 远程工作（Remote OK）

国内一些技术论坛（如 V2EX）上，也会有远程工作或项目外包的招募贴，质量参差不齐，但偶尔能淘到好单。

国外平台

1. Upwork

全球最大的自由职业平台，拥有海量项目，涵盖各种开发需求。注册简单，但竞争激烈，需要靠好口碑才能拿到高薪项目。

2. Freelancer

类似 Upwork 的平台，项目数量庞大，但质量参差不齐。需要仔细筛选，避免接到“廉价劳动力”的活。

3. Toptal

主打高端市场的自由职业平台，开发者需要经过严格的筛选，成功入驻后，单子的质量和报酬都非常高。

4. Fiverr

以“低价起步”闻名的平台，你可以从小项目（比如写个脚本）做起，逐步积累客户和好评。

5. Codeable

专注于 WordPress 开发的外包平台，如果你熟悉 WordPress，这个平台可以帮你快速找到客户。

6. GitHub Jobs

虽然不是专门的接单平台，但 GitHub Jobs 上经常有远程项目的招聘贴，适合有开源项目经验的开发者。

程序员接单的“坑”有哪些？

接单虽好，但如果不了解其中的“坑”，很容易被客户套路或者浪费时间。老韩总结了几个常见问题，提前避坑：

1. 客户跑路

不少同学接单后，发现客户一开始聊得很好，做完需求后却突然消失，报酬一分不给。

解决办法：

• 签合同：即使是小项目，也要明确双方的责任和付款流程。

• 分阶段付款：比如完成初版支付30%，上线后支付全款。

2. 报价被压低

很多客户喜欢压价，尤其是“低价外包市场”，动不动就开价几百块让你开发一个App。

解决办法：

• 找优质平台：如 Toptal、程序员客栈，专注高质量客户。

• 坚持底线：明确自己的时间价值，不接“廉价单”。

3. 需求变更无底线

“临时加点功能”“这个应该很简单吧？”很多客户喜欢边做边改，导致项目无休止拖延。

解决办法：

• 写明需求范围：合同里清楚规定需求变更的额外费用。

• 提前确认需求：上线前，客户的每个要求都要有书面确认。

网安接私活的渠道

1.挖SRC漏洞

很多地方都可以去挖SRC漏洞赚钱，合法挖到漏洞后提交到平台，平台就会给予你奖励，最多一个高危漏洞一万多。

综合性平台比如补天、漏洞盒子和CNVD等等，独家SRC也有很多，比如说华为、阿里、腾讯、360等等。

国外的漏洞也可以去挖，国外给的奖励会更高，但除了技术要过硬之外，你还得会英语能沟通交流。
在这里插入图片描述
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

2.接安全测试委托

在公司允许的情况下去对公司产品进行网安检测和渗透测试，发现漏洞后提交给修复方案和渗透测试报告，这个我经常去程序员客栈和一品威客等IT兼职平台去接。

相比较于个人私下接活，平台会更加方便一些，不用跟乙方扯来扯去，而且不用害怕甲方卷钱跑路。
在这里插入图片描述
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

3.投稿

像比较大的网安平台会不定期举办有奖投稿活动，比如说freebuff和优快云等等平台，优快云我没弄过，但freebuff我倒是经常由投稿，奖金有几百到几千不等。

做了那么多年网安，只要我想说，那绝对有很多故事可以讲的。

提醒大家一个点：网安的私活不是一次性的，很多以前合作过的甲方都会在后面有事的时候有偿来找我，所以人脉这一块也很重要。

4.参加CTF

通俗易懂的讲，CTF也叫作网络安全攻防大赛。这类大赛一般都是由政府安全部门、从事信息安全的企业、高校等等单位主办的。目的也很简单，一般都是为了加强国家网络信息安全建设，挖掘网络信息安全人才。当然你夺旗之后，也会有对应的奖金。
.
但关键是你的技术得学得到位！

接下来我给大家讲讲黑客/网安这一块该学哪些东西。

`黑客&网络安全如何学习

今天只要你给我的文章点赞，我私藏的网安学习资料一样免费共享给你们，来看看有哪些东西。

1.学习路线图

攻击和防守要学的东西也不少，具体要学的东西我都写在了上面的路线图，如果你能学完它们，你去就业和接私活完全没有问题。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己录的网安视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

内容涵盖了网络安全法学习、网络安全运营等保测评、渗透测试基础、漏洞详解、计算机基础知识等，都是网络安全入门必知必会的学习内容。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

3.技术文档和电子书

技术文档也是我自己整理的，包括我参加大型网安行动、CTF和挖SRC漏洞的经验和技术要点，电子书也有200多本，由于内容的敏感性，我就不一一展示了。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

4.工具包、面试题和源码

“工欲善其事必先利其器”我为大家总结出了最受欢迎的几十款款黑客工具。涉及范围主要集中在 信息收集、Android黑客工具、自动化工具、网络钓鱼等，感兴趣的同学不容错过。

还有我视频里讲的案例源码和对应的工具包，需要的话也可以拿走。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

最后就是我这几年整理的网安方面的面试题，如果你是要找网安方面的工作，它们绝对能帮你大忙。

这些题目都是大家在面试深信服、奇安信、腾讯或者其它大厂面试时经常遇到的，如果大家有好的题目或者好的见解欢迎分享。

参考解析：深信服官网、奇安信官网、Freebuf、csdn等

内容特点：条理清晰，含图像化表示更加易懂。

内容概要：包括 内网、操作系统、协议、渗透测试、安服、漏洞、注入、XSS、CSRF、SSRF、文件上传、文件下载、文件包含、XXE、逻辑漏洞、工具、SQLmap、NMAP、BP、MSF…

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

优快云大礼包：《黑客&网络安全入门&进阶学习资源包》免费分享

收录于
计算机

当前文章被收录于：

计算机
2233 篇文章 43 人学习
订阅专栏 查看详情
程序员

当前文章被收录于：

程序员
2228 篇文章 197 人学习
订阅专栏 查看详情
互联网

当前文章被收录于：

互联网
955 篇文章 11 人学习
订阅专栏 查看详情
标签
#网络 #web安全 #安全
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
用Python玩转Milvus：从安装SDK到完成第一个向量搜索Demo 本文为Python开发者提供了一份详细的Milvus向量数据库实战指南。文章重点讲解了如何规避版本兼容性陷阱，正确部署Milvus服务端并安装匹配的Python SDK。通过一个电影推荐系统的完整案例，演示了从数据建模、集合创建、向量插入、索引构建到执行混合搜索的全流程，帮助开发者快速上手并完成第一个向量搜索Demo。 阅读详情

相关推荐

基于deepseek本地模型的本地知识库构建

通过以上步骤，你已经成功构建了一个基于 AnythingLLM 和 LM Studio 的本地知识库。这个系统不仅能够高效地存储和检索知识，还能结合强大的语言模型生成准确的回答。你可以根据自己的需求进一步扩展和优化这个系统，比如增加更多的文档格式支持、优化检索算法等。

qq_30178745的博客 1381

程序员做私活赚外快的好地方，今天推荐几个

你们当程序员不会都拿着几千、万把块钱的死工资吧，今天为大家分享一些可以接私单的平台，我反正已经赚麻了。如果你的工作相对没那么费时间，可以空闲的时候去接点私活。或者是还没有找工作之前，可以通过一些平台接一些兼职，一来能够赚钱，在主页保持稳定的情况下能够发展自己的副业。二来通过接项目，大量的实践，你说接触的类型会更丰富，可以为你积累实战经验，面试时也会比他人更有优势。下面就跟我一起来看看有哪些兼职平台吧~著名的Coding旗下的互联网软件外包服务平台，平台以外包为主。开源中国的众包平台，主要是以众包为主。

资深程序员，曾自学JAVA，C#，如今从业于网安行业 1549

ChatGPT and Claude国内使用站点

这篇博客介绍了不同的AI聊天平台和定价信息，主要对比了ChatGPT和Claude两款产品。文章列出了多个提供聊天服务的AI平台，包括RawChat、ChatGPTPlus、ChatOpens、Wildcard和2233.ai等，并提供了每个平台的网页链接和定价详情。特别关注了Claude平台，介绍了其普通账号与会员账号的不同，以及相关的定价信息。此外，还提到了一些虚拟卡定价和服务细节，为用户选择合适的AI服务提供了多种参考。

nisidjndn的博客 1万+

程序员副业比工资还高，这届的年轻人太卷了！

对于程序员来说，可不是只有赚死工资这一条道路，给大家总结一下有哪些兼职渠道，以供大家参考。

pythonhy的博客 1960

Buck的振铃实验与分析

上上期我们提到了buck电路的开关的振铃波形，本质原因是LC的阻尼振荡。文章偏理论，那BUCK到底是怎么产生尖峰振荡呢？ 要想把这个问题搞清楚，也很是不容易，所以文章有点长，请直接点赞转发加收藏。 问题 本期主要分析以下这两个问题： 1、死区时间是什么？这里有个小台阶是什么情况？ 2、上下尖峰振荡是如何产生的？跟哪些因素有关？ 理想的BUCK的SW波形 我们由浅入深，一步一步来，先看理想的开关SW波形—没有尖峰电压的波形。 为了能更好的看buck电路各个点的电压电流情况.

weixin_42005993的博客 3万+

海康视觉算法平台VisionMaster 4.3.0 C# 二次开发01 加载方案并获取结果

第一次使用海康视觉算法平台VisionMaster 4.3.0，项目中要使用这个平台进行视觉处理并获取结果。

StevenChen的博客 7871

作为程序员，赚取额外收入的 4个简单副业！

对于程序员来说，可不是只有赚死工资这一条道路，好学编程给大家总结一下有哪些兼职渠道，以供大家参考。

weixin_55154866的博客 5991

GDB交叉编译与问题解决：从零到精通的深度指南

完成后，GDB会安装到/usr/local/gdb-aarch64/bin，可以用aarch64-linux-gnu-gdb --version检查。：得有支持目标架构的交叉编译工具链，比如gcc-arm-none-eabi（用于ARM裸机）或aarch64-linux-gnu-gcc（用于ARM Linux）。：在配置工具链时，运行aarch64-linux-gnu-gcc --version检查版本，确保工具链没问题。这种场景下用GDB调试，就像在荒野求生，但别慌，GDB依然是你的好伙伴。

大模型大数据攻城狮的专栏 1万+

程序员赚外快的几种方法

还有一些高校也可以去做兼职讲师，因为高校很多都是在书本上的知识，很多一线的公司用的技术，需要的知识高校都接触不到，更重要的是很多老师也愿意请你们来普及一下社会的需求，同步自己的教学内容。一般来说你也会得到相应的报酬，几千几万的都有，一般你的工作经验起码也要几年以上别人才会相信你说的东西，而且你最好是一线知名的企业，才会有更多的机会做这件事情。像百度知道合伙人是按回答数算的，一篇3元，熟练的话很快就能写一篇，这是最容易的兼职了，没事多写些，一个月的。四是量力而行，注意身体，身体才是革命的本钱。

ahah12345678的博客 1143

【OpenClaw从入门到精通】第41篇：2026年4月最新版——从零开始搭建你的第一个安全AI助理（保姆级实战教程）

2026年3月CNCERT联合发布《OpenClaw安全使用实践指南》后，安全部署成为OpenClaw使用的核心前提。本文针对新手及进阶用户，基于官方安全指引，提供三套实战部署方案：阿里云一键部署（新手首选）、Docker容器隔离部署（进阶推荐）、本地安全安装（测试专用），并详解阿里云百炼Coding Plan API接入流程。全文涵盖环境准备、分步实操、安全加固、问题排查等全流程，所有命令可直接复制执行，无需依赖外部代码库。通过本文，读者可零基础搭建安全隔离的OpenClaw AI助理，兼顾实用性与安全性

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！ 2196

18、社区多能源管理与点对点能源交易优化调度策略研究

本文研究了社区多能源管理与点对点（P2P）能源交易的优化调度策略，构建了适用于单一社区多个产消者的P2P交易模型，以用户生产成本最小化为目标，设计了基于ADMM算法的迭代优化方法。通过电热联合调度与能源共享机制，结合光伏、热电联产（CHP）和储能系统（ESS），实现了用户侧能源的高效利用。仿真结果表明，引入P2P交易和CHP设备显著降低了用户能源成本，提高了电力自给率和天然气利用率，减少了对主电网的依赖。研究验证了ADMM算法在分布式优化中的有效性，为未来社区能源系统的智能化管理提供了理论支持和技术路径。

git9versioner的博客 70

学黑客兼职接单，赚取暑假生活费，3天收益12000，分享详细方法！

技术文档也是我自己整理的，包括我参加大型网安行动、CTF和挖SRC漏洞的经验和技术要点，电子书也有200多本，由于内容的敏感性，我就不一一展示了。网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己录的网安视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。提醒大家一个点：网安的私活不是一次性的，很多以前合作过的甲方都会在后面有事的时候有偿来找我，所以人脉这一块也很重要。攻击和防守要学的东西也不少，具体要学的东西我都写在了上面的路线图，如果你能学完它们，你去接私活完全没有问题。

Python_0011的博客 6268

人工智能大语言模型微调技术：SFT 监督微调、LoRA 微调方法、P-tuning v2 微调方法、Freeze 监督微调方法

人工智能大语言模型微调技术：SFT 监督微调、LoRA 微调方法、P-tuning v2 微调方法、Freeze 监督微调方法

丨汀、的博客 4万+

程序员如何赚外快？国内外有什么靠谱的接单平台？零基础入门到精通，收藏这篇就够了_国外的 单子如何接啊

咱们程序员看起来整天就埋头写代码、修 Bug，但其实这个圈子还有很多人，早就靠技术搞出了一条“多线程收入”——白天打工人，晚上搞钱人。问题来了，程序员怎么才能靠技术赚外快？国内外有哪些靠谱的接单平台？老韩今天掏干货、分享实战经验，带你把“副业技能树”点亮！说到这个话题，先来聊聊程序员为啥对赚外快“兴趣浓厚”。老韩见过不少同学，工资看起来不低，但一到年底回头一算：房贷车贷一减，存款余额让人头皮发麻。而程序员这个职业的优势是：技术可以变现，时间可以灵活支配。

程序员阿飘 的博客 1364

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

程序员必看：2026年程序员接单10个国内外主流平台一览

围绕 2026 年程序员接单的 10 个国内外主流平台展开，指出程序员接单需多渠道组合，并先提醒接单时要做好项目筛选、慎重报价、同步进度等注意事项；随后分别介绍了程序员客栈、Fiverr、Upwork、猪八戒、Toptal、码上达、Freelancer、Guru、PeoplePerHour 等平台的特点，包括各自的优势（如程序员客栈服务保障好、Upwork 海外客户预算高、Toptal 单价高且合作稳定等）、劣势（如 Fiverr 抽成高、猪八戒价格内卷严重等）及适配人群；最后强调接单能否长久发展，

不踩坑，不知道坑有多深；不总结，踩过的坑白踩。 7万+

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

程序员都是怎么赚外快的？国内外有什么靠谱的接单平台？

通过接单、写作、开源等方式，你能接触到更广的世界、更多的技术场景，甚至开启一条“自由职业”的新赛道。但记住，赚外快不等于瞎折腾，选择靠谱的项目和平台，掌握好主业和副业的平衡，才能让“副业”真正成为你的加分项。虽然不是专门的接单平台，但 GitHub Jobs 上经常有远程项目的招聘贴，适合有开源项目经验的开发者。这个平台专注程序员兼职和外包，特点是审核严格，客户和开发者双方质量都不错，适合有经验的程序员。主打高端市场的自由职业平台，开发者需要经过严格的筛选，成功入驻后，单子的质量和报酬都非常高。

m0_61562916的博客 818

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

【2025版】最新程序员接单平台全解析，零基础入门到精通，收藏这篇就够了

据统计，全球自由职业者中，超过30%的程序员通过接单平台实现了全职收入的逆袭。从零开始，短短几个月内赚取上万甚至数十万，你也能成为其中的一员。一、国内程序员接单网站**2、程序员客栈（http://**proginn.com）**3、电鸭社区（https://**eleduck.com）**8、开源众包（http://**zb.oschina.net/projects）**15、一早一晚平台（http://**yizaoyiwan.com）二、国外程序员接单网站2、Upwork5、Toptal。

yy1715713348的博客 4931

【2025版】最新程序员接私活兼职平台，接单不断，零基础入门到精通，收藏这篇就够了

平台特点：拥有超过5000万自由职业者的大规模平台，对新手友好，提供平面设计、移动应用程序开发、软件开发、营销、数据录入、SEO、写作、法律、财务、制造业、物流等职位。平台特点：追求高质量的雇主和工程师，汇聚了知名互联网公司的技术、设计、产品大牛，通过实际坐班、远程等方式，一对一为创业公司解决问题，提高创业效率。平台特点：与LinkedIn并列为北美最常用的求职平台之一，这里职位丰富，覆盖各行各业，更新速度快，提供直接投简历的高效率方式，也有远程工作机会。打造好自己的个人主页，增加被猎头发现的机会。

Python_0011的博客 1万+

2024最新程序员兼职接单平台，零基础入门到精通，收藏这篇就够了

2024年大环境不景气，在IT行业里有一份稳定的工作已经很不错了，想找份涨薪幅度不错的工作很难，想冲动离职的时候，去脉脉逛逛，看看一片“哀嚎声”就能缓缓冲动了。这环境下，再怎么着也别冲动裸辞，实在想换工作，也最好骑驴找马，下家确定了以后再提离职。在不涨薪或者降薪情况下，我们可以通过掌握的技术去增加收入，白天上班敲敲代码，晚上空闲时间兼职接接私活。私活接的好收入不比上班少，坚信有技术能吃香。

leah126的博客 4591

总结24个Python接单赚钱平台与详细教程。从零基础到精通，收藏这篇就够了！

如果说当下什么编程语言最靠谱或者比较适合搞副业？答案肯定100%是：Python。python是所有语法中最简单易上手的语言，不需要特别的的英语词汇量，逻辑思维也不需要很差就能上手。而且学会了之后就能编写代码爬取各种数据，制作各种图表，提升工作效率。而且还能利用业余时间接点私活，一个月轻松收入过万不是问题，这样的生活他不香吗？今天就给大家盘点几个基本入门接私活的资源，让你轻松学python，实现经济独立。

Python_0011的博客 2034

【2025版】最新国内最全的程序员远程工作接单汇总！零基础入门到精通，收藏这篇就够了

熟人介绍，这类最靠谱，但是单子多少取决于人脉是否够广；接单群、淘宝/闲鱼等渠道，这类渠道单子良莠不齐，学生单很多；专业的接单平台，这类平台很多，模式也不太一样，需要自己去看一下。V2EX 官方：V2EX 是一个关于分享和探索的地方。我们旨在为创意工作者提供一个更好的交流环境。V2EX致力于为创意工作者提供一个更好的交流环境。我们相信，通过共享我们可以更好地了解自己和世界。

Python_0011的博客 3985

程序员外包接单平台，10个程序员接私活的网站推荐，收藏这篇就够了_软件外包接单平台

*不过当中的不确定性因素太多，有点类似守株待兔，最好的方式还是得去主动寻找客户，**到平台上给需求方写投标书。但是在接单前还是建议思考时间与报酬之前的平衡关系，毕竟私活的钱不好挣，不要因小失大，也许把做私活的时间精力放在整体学习提升上，提高固定薪资远比接单的性价比高很多。如果工作质量比较稳定，并且时间也比较宽裕，持续合作会源源不断的有单能够给你带来的经济上的收益也能够为你带来一些可以长期合作的项目带来远期的收益。不同类型的客户有明确的行业标签分类，比如“ERP系统”等，方便平台精准的推荐开发者接单。

5759

【2025版】最新程序员副业接单网站有哪些，零基础入门到精通，收藏这篇就够了

特点：主打“只上班，不工作”的远程工作招聘社区，程序员可进行有价值的话题讨论，也可分享远程、外包、灵活、兼职、驻场等非主流工作机会。优势：采用共享经济的理念，通过“众”的模式降低企业技术资源成本投入，提供覆盖所有软件领域技术资源需求的有效对接及开发实施。特点：国内起步较早的程序员兼职平台，汇聚了知名互联网公司的技术、设计、产品大牛，提供实际坐班、远程等方式的服务。大白也帮大家准备了详细的学习成长路线图。优势：提供了大量的开发需求单，种类多，金额较大，对于想创业的程序员来说是一个很好的接单平台。

leah126的博客 978
上一篇： 计算机组成原理知识点汇总（非常详细）零基础入门到精通，收藏这篇就够了
下一篇： 计算机大学生兼职赚钱，零基础入门到精通，收藏这篇就够了
点赞 23
评论 0
书签 书签 25
程序员_大白
程序员_大白
博客等级 码龄5年 1万+粉丝 4001原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值