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
3.1k累计阅读
3.1k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
今天，本地的项目，需要往服务器上传，很简单的东西，但是我确实不会。。。
windows下，一般可使用ftp上传
linux上习惯了 rz&sz，直接yum安装lrzsz。但是，mac的iterm不知道为什么，即便是安装上了，网上也根据教程，该了什么上传模式，还是不对。。
在mac下，搜索了下，可使用远程复制，以前也看过此类的文章，但是没有实战环境，今天正好用上一个简单的：scp，详细的没时间看，我只看到一条命令，解决了我的问题
scp ~/local/file user@remote:/remote/file
然后，会提示要求输入密码，跟ssh链接很像。
ssh root@remote
输入密码
上传我们必然得需要压缩文件，再上传，这么简单的命令，以前用的是有多熟练啊，现在真心不会，忘的太快了。。。。
tar -zcvf xxx.tar.gz 文件1 文件2 ...
zip -r xxx.zip 多个文件
HFSS初学笔记（二）——75Ω带状线设计
本文利用HFSS软件设计并优化了一条75Ω的带状线结构，通过调整几何参数和介质材料，实现了精确的阻抗控制。仿真结果显示，该带状线在高频信号传输中的表现优越，具有良好的S参数、低插入损耗和极小的信号反射损耗。
mac使用scp上传下载文件/文件夹
一、mac使用scp上传文件/文件夹 使用scp命令将本地文件/文件夹上传到服务器 注意⚠️：在本地执行命令 命令： scp -r local_folder remote_username@remote_ip:remote_folder // scp。本地文件路径 远程用户名@远程ip：远程文件路径（上传的路径） demo： scp -r /User/xxx root@192.xx.xxx.xx:/root/xxx/xxx # 二、mac使用scp下载文件/文件夹 使用scp命令将服务器文件/文件夹下
ATE测试的未来：自动化与智能化的技术演进
本文探讨了自动测试设备（ATE）在半导体产业中的技术演进，重点关注自动化与智能化的发展趋势。随着芯片制程的不断进步，ATE面临测试复杂度激增和成本压力等挑战。文章分析了AI技术在测试优化中的应用，如自适应测试和缺陷预测，以及模块化架构和端到端测试生态系统的创新。这些技术突破显著提升了测试效率和设备利用率，为半导体测试的未来发展指明了方向。
Mac 使用 scp 上传或下载文件/文件夹
Mac 使用 scp 上传或下载文件/文件夹
2015年全国大学生电子设计大赛综合测评题
2015年全国大学生电子设计大赛综合测评题 题目如下： 一、555产生可调方波 555定时器是一种集成电路芯片，常被用于定时器、脉冲产生器和振荡电路。555可被作为电路中的延时器件、触发器或起振元件。 555定时器可组成单稳态电路、多稳态电路和无稳态电路。产生方波其实就是制造一个无稳态电路。 555定时器的引脚功能： 其中： DIS引脚与OUT脚电平一致 TRIG： 当此引脚电压降至1/3VCC（或由控制端决定的阈值电压）时输出端给出高电平。 THR：当此引脚电压升至2/3VCC（或由控制端决定的阈值电压
学习笔记|多样本单因素方差分析|事后比较|方差齐性|F检验|韦尔奇检验|两独立样本T检验|两样本方差分析|规范表达|《小白爱上SPSS》课程：SPSS第七讲 | 单因素方差分析怎么做？
学习笔记|多样本单因素方差分析|事后比较|方差齐性|F检验|韦尔奇检验|两独立样本T检验|两样本方差分析|规范表达|《小白爱上SPSS》课程：SPSS第七讲 | 单因素方差分析怎么做？
Mac SCP简单使用(Mac WinSCP)
在Mac下是没有WinSCP的.而WinSCP之所以叫这个名字是因为在windows上使用的SCP客户端工具. 在Mac上面有自带的SSH命令行.当然也可以使用SCP工具.例如FileZilla.但是你要清楚的明白一件事:好用与免费总是存在着冲突问题. FileZilla没有解压缩功能.即使你使用的FileZilla,也需要与SSH命令行搭配使用.下面就我使用的SSH命令行连接远端服务器和解压缩上...
用 ABAP LSMW 的 Standard Batch / Direct Input 稳准快迁移物料主数据：从 MM01 录制到 RMDATIND 直入的落地指南
本文详细介绍了SAP数据迁移中LSMW工具的使用方法，重点分析了物料主数据迁移的两种主要路径：Batch Input Recording和Standard Batch/Direct Input。前者通过录制事务操作实现快速起步，后者通过调用预置接口程序实现稳定高效的批量处理。文章深入解析了Standard Direct Input的具体实施步骤，包括对象属性设置、源结构定义、字段映射规则等关键环节，并特别强调了迁移前的准备工作（如编号策略、视图策略等）对项目成功的重要性。通过对比两种方法的优缺点，为不同业务
Mac传文件到云服务器【SCP 远程文件传输】
Mac scp是一款基于Mac OS的远程文件传输软件，可以方便快捷地将本地文件上传到远程服务器或者从服务器下载到本地。
SAP S/4HANA 数据归档的实施方法
实施 SAP S/4HANA 数据归档是一个系统的过程，涉及到策略的定义、技术的执行以及后续的维护和验证。正确的归档策略不仅能优化系统性能，还能帮助企业降低运营成本，确保数据安全，并符合相关法律法规的要求。通过以上案例，我们可以看到不同行业如何依据自己的业务需求和法规要求，利用 SAP S/4HANA 的强大功能来实现数据归档的目标。这些实践证明了数据归档在现代企业信息管理中的重要地位和作用。
【GameFramework框架内置模块】10、本地化（Localization）
本地化（Localization），也就是我们所说的不同地区的语言适配，比如说中文版“你好”，英文版是“Hello”。GameFramework在本地化方面，不仅支持文本的本地化，还支持任意资源的本地化，比如说游戏中释放烟花的特效也可以做出不同地区的版本，使得中文版烟花里面的“新年好”字样的特效，在英文版里面是“Happy New Year”字样的特效。
mac下用scp命令实现本地文件与服务器Linux文件之间的传输
mac或者不同的Linux之间copy文件常用有3种方法：第一种就是ftp，也就是其中一台Linux安装ftp Server，这样可以另外一台使用ftp的client程序来进行文件的copy。第二种方法就是采用samba服务，类似Windows文件copy 的方式来操作，比较简洁方便。第三种就是利用scp命令来进行文件复制。下面来介绍一下scp的复制查看scp帮助：sup -h输出信息如下：OPTIONS：-v 和大多数 linux命令中的-v意思一样，用来显示进度。
Marvell 88Q6113 如何制作一个完整的量产固件88Q6113_flash.bin并进行烧录
本章节介绍如何基于Marvell工具链，制作一个完整的量产固件88Q6113_flash.bin，集成用户自定义的配置文件 config.bin，用于88Q6113的Flash烧录。注：Marvell 88Q5072 与 Marvell 88Q6113 的配置流程是一样的。
文件传输协议FTP、SFTP和SCP
网络通信协议分层和文件传输协议FTP、SFTP和SCP的使用。
霍尼韦尔SoftMaster使用说明
霍尼韦尔SoftMaster使用说明
文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况
主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。
php ssh 管理服务器,phpstorm之ssh链接远程Linux服务器
save ssh session inPHPstorm。open PHPstorm，open File，》 Settings 》search for 'Deployment' > Click on Add sign and follow the steps.Once done, don't forget to 'Test sFTP Connection' if you are using S...
visio安装包
Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。
文件传输协议FTP SFTP SCP --转载
网络通信协议分层 应用层： HTTP（Hypertext Transfer Protocol 超文本传输协议，显示网页） DNS（Domain Name System） FTP（File Transfer Protocol） SFTP（SSH File Transfer Protocol，和FTP不一样） SCP（Secure copy，based on SSH） SSH （Secure Shel...
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');```[](https://bitdeli.com/free "Bitdeli Badge")
Mac(1)--启用远程登录以在Mac OS X中启动SSH服务器
启用远程登录以在Mac OS X中启动SSH服务器 远程登录启用SSH和SFTP远程登录是Mac OS X共享首选项中的一项功能，可让远程用户通过使用OpenSSH协议以安全的方式连接到Mac。本质上，它在Mac上启动SSH服务器，其中包括接受传入SSH连接的能力，这是telnet的安全替代。此外，它还包括并启用SFTP服务器，它是FTP的安全替代品，最后它还使SCP能够进行安全的远程复制。如果...
Mac下使用自带终端SSH功能
https://blog.youkuaiyun.com/u010004317/article/details/78162388 1. 建立远程连接 1.1 打开终端，建立远程连接 1.2 加入新的远程连接 1.3 输入正确的IP，然后输入密码即可连接 ———这是一条优雅的分割线————— 注意：可能有人好奇我的IP怎么是字符串的，是因为我在ssh的配置文件中做了映射配置，具体如下 2. 连接...
linux 命令：scp (pscp)、rz/sz、nc (netcat)、ncat、socat、ssh、端口转发(rinetd)
NC 全名 Netcat (网络刀)，作者是 Hobbit && ChrisWysopal。因其功能十分强大，体积小巧而出名，被誉为网络安全界的 "瑞士军刀"。Netcat 使用 TCP 或 UDP 协议的网络连接去读写数据。Netcat 也是稳定的后门工具、功能强大的网络调试和探测工具。能够直接由其它程序和脚本轻松驱动。能够建立几乎所有类型的网络连接。在中国NC 的 WINDOWS版有两个版本，一个是原创者Chris Wysopal写的原版本，另一个是由 "红与黑" 编译后的新浓缩版。.........
从零到一：手把手教你玩转Linux核心服务（SSH/SCP/RSYNC/FTP）
SSH是一种安全的远程连接协议，通过加密技术保障数据传输安全。文章介绍了两种加密算法：对称加密（如DES）使用相同密钥加解密，速度快但安全性较低；非对称加密（如RSA）使用公钥加密、私钥解密，更安全但效率较低。SSH支持两种认证方式：基于用户名密码认证和基于密钥对的免密认证。后者通过公钥比对和随机字符串验证实现安全登录。实验部分展示了如何在两台Rocky Linux主机上配置静态IP、主机名和防火墙，为SSH连接做准备。
mac访问本地服务器文件夹,mac 访问 ftp服务器文件夹权限
mac 访问 ftp服务器文件夹权限 内容精选换一换当出现如下几种日志时，说明当前用户对当前文件或文件夹没有操作权限。现象1：现象2：现象3：现象4：当前用户对当前文件或文件夹没有操作权限。采用对当前用户可以访问的文件。使用权限更高的用户，如：root。给当前用户赋予更高权限(在“/etc/sudoers”文件中添加'user ALL=(ALL) ALL'，其中user指的实际业务...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
4544
扫一扫
