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
600+累计阅读
673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
0.前言
NOIP考试中，最终的程序要在noilinux中运行，以noilinux为准，但是有些省份做题基本就是DEVC++，有些细微的差别如果老师没讲过非常容易在考试中爆零。
1.编程工具的选择
关于noillunx的安装请看说明文档。
编程工具的选择，打开noilinux后，点击左上角“应用程序”，发现里面有好几个编程工具，我们最终选择的是“GUIDE”这个编程工具。
点开之后大概是这个样子。
点击左上角的“文件”，然后点击“新文件”，这样就打开一个新的程序文件了。我们写一个a+b的代码。
写完之后，我们点击左上角“文件”中的 “保存文件”，然后选择文件类型，写上文件名，记住程序后缀要加 .cpp ， 选好位置然后点击保存。
保存后，点击 编译里面的“编译”，程序开始编译，没有问题后，点击编译里面的“运行”
运行后，程序弹出命令窗口，输入两个数字，然后就进行计算。
形式化方法（Formal Methods）和人工智能（Artificial Intelligence）
一、形式化方法（Formal Methods） 形式化方法最初应用在硬件上，验证硬件的正确性，后面逐渐应用到软件编程中，能够在软件中找到软件的错误，验证软件的安全可靠。形式化方法更加接近离散数学，所以其应用难度非常大，同时学习成本也较高。再加上形式化方法的大多数理论还停留在上个世纪，由于程序越来越复杂，导致形式化方法进行验证需要大量人工和时间，以至于现在绝大部分软件开发人员完全没有考虑过这个方法，甚至没有听说过这个名词。 形式化方法最新的应用成果是在工业上，比如一些极其重要且对安全性要求极高的领域（
noi linux 编译c,NOI Linux编写C程序和C++程序
一、编写C程序(一)使用GCC编译器1 编写C程序并保存到桌面，文件名为hello.c#includeintmain(){printf("HelloWorld!\n");return0;}2 编译打开终端，在终端里输入命令$cdDesktop$gcchello.c-ohello这里gcc是一条编译c程序的指令，hello.c是所要编译的文件，参数o表示object...
物流系统集成实战：从零开始用Java对接国际快递（DHL/FedEx/UPS）
本文详细介绍了如何使用Java技术栈对接DHL、FedEx和UPS三大国际快递巨头的API，构建高效、稳定的物流集成解决方案。内容涵盖认证机制、报文标准、多语言支持等关键点，并提供实战代码示例和最佳实践，帮助开发者快速实现国际快递系统集成。
C++教程系列之-01-C++概述与NOIP案例
C++教程的第1部分，包括编程语言，c和c++的关系，NOIP竞赛中C++的环境，并提供了C++代码的详细解释，是一个入门C++的良好教程
解决 Clawdbot 对接 Minimax 出现 401 (Token is unusable) 的问题排查与修复
即便确认 API Key 有效且余额充足，该问题仍可能在 Clawdbot 中持续出现，而在其他工具（如 curl 或 Postman）中测试正常。
《点云进阶》专栏文章目录
点云进阶》专栏文章目录
NOI Linux 2.0 Arbiter 测评系统详细步骤(保姆式指南)
NOILinux2.0 环境下 Arbiter 测评系统详细步骤 对于信息学竞赛(算法竞赛如中学时代CSP-J/S, NOIP, NOI, IOI; 大学时代PAT, CCF-CSP, ACM-ICPC等 )来说，除了组织线上OJ比赛之外，通常校内也会组织线下比赛。那么等比赛结束后，如何断网后统一批量离线测评至关重要。类似于Lemon和Cena这样的软件固然好用，但如果组织者想完全重现NOIP的测评环境，那么Arbiter就无法绕过。 本篇指南是在安装了 NOI Linux2.0 实体机下制作而成。文
【麒麟桌面系统】企业微信提示当前副设备的企业微信版本较低
银河麒麟系统中登录企业微信时出现"副设备版本较低"的报错，可通过两种方案解决：1)更新最新版企业微信，需替换软件源并刷新软件商店安装8.0-50-4.1.26.6019kylin5版本；2)安装内测5.0版本企业微信，需下载deb包后使用sudo dpkg命令安装。文章还提供了常见问题解决表和长期维护建议，包括系统更新检查、软件源验证等维护项目及具体操作指南。
关于noilinux的一些操作方法
人生的第一篇博客！！ 没想到作为一个c++代码党第一篇博客会是讲noilinux的，，算是试试水吧。 本文若有不周到处，望各位神犇批评指正！ 为什么要使用noilinux? noilinux是noip/noi的比赛系统，然而我们平时使用的是windows的自己装的devc++。对于不提供windows的省份来说，比赛前学习noilinux是非常重要的一件事。 尤其重要的是，比赛时没有我们所熟悉的d...
智能工厂评估模型研究
摘要：通过对国内外现有智能制造评估模型的研究，结合重庆制造业行业领跑者与落后者之间差距大的现状，以实现全要素全连接的数字化工厂为出发点，融合工业互联网标识，构建实践可行的智能工厂评估模型推动中小型企业参与智能制造转型，缓和两极分化问题。本评估模型包含工厂体系架构的3个层级，提供用于推动智能制造转型的参考，包括设计、生产、管理的全过程评估。关键词：智能制造评估模型；智能制造转型；全连接工厂；工业互联网标识0 引言受行业需求与技术创新的影响，全球制造业在历经了工业1.0机械化、工业2.0电气化和工业3.0自动
170、电机控制中的温升测试
本文以一次IGBT炸管事故为切入点，深入剖析电机控制中温升测试的实质：不仅是温度测量，更是对铜损、铁损、散热效率等热管理问题的系统验证。作者强调测试前热电偶布置、环境记录、预运行的重要性，提出实时监控电流谐波、绕组电阻、散热梯度等关键参数，并通过损耗分离与冷却系统实测，揭示真实热源。结合温升曲线异常分析与经验建议，强调留余量、仿真结合实测、关注瞬态工况等实践要点，警示温升测试是保障可靠性与安全性的核心环节。
Linux下学习C/C++常用开发工具下载
有时，我们需要在Linux下编程。这时，就需要学习Linux下的编程（系统API不一样）。学习编程首先需要安装一款编译器。但是目前的网络环境，很多网站下载到的编译器都被捆绑了各种广告插件，甚至木马病毒，困扰了很多初学者。本页面列出来的各种编译器及下载地址，我都亲自测试过，确保无毒无害无恶意广告插件，请放心下载。ps：如果某个资源无效了，请针对本文发表评论，我会定期更新。
【读代码】从claude skills到superpowers项目
最近claude skills成了大热门，今天一起看下GitHub 上的开源技能框架，他将“工作流”封装为“技能” (Skills)。本文尝试剖析该项目的技能粒度定义、多技能关联架构、应用逻辑等。与传统的 Function Calling 不同，Superpowers 中的 Skill 定义粒度并非“原子操作”，而是**“认知模式” (Cognitive Mode) 或“工作阶段”**。
CSP-J1 CSP-S1 初赛 第 1 轮 第四章 阅读程序 第 6 节 指针和引用 1、NOIP2008
CSP-J1 CSP-S1 初赛 第 1 轮 第四章 阅读程序 第 6 节 指针和引用 1、NOIP2008
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。
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。
用网页操作noilinux
本文介绍了如何通过Guacamole将noilinux的VNC服务转换为网页版，方便CSP比赛使用。主要内容包括：在Ubuntu服务器上安装Guacamole，配置noilinux开启VNC服务（需关闭加密），使用Docker部署Guacamole服务栈（包含guacd、PostgreSQL和Guacamole），以及后续的用户管理和连接设置。重点解决了Guacamole连接SSH时的加密算法兼容性问题，提供了详细的配置修改方案。该方法可实现多人通过浏览器访问同一noilinux系统，简化了比赛环境部署流程
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包
【NOILinux】VmWare15使用技巧
一、安装VM15 1、官方下载链接：https://download3.vmware.com/software/wkst/file/VMware-workstation-full-15.0.0-10134415.exe 2、KEY_挂了自己网上找：ZC10K-8EF57-084QZ-VXYXE-ZF2XF 3、软件安装不会的话回小学学吧，不说了。 二、NOILinux 1、官方下载链接：h...
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")
NOI Linux2.0使用（2022.07.21）
NOI Linux2.0使用（2022.07.21）
NOILinux2.0安装
首先下载VMWare和NOILinux2.0的ios，当然你用什么虚拟机软件都可以。这里我用的是VMware。安装完成后，点击CD/DVD，然后选择你刚刚下载的NOILinux2.0的ios就可以了。NOI官方已发布NOILinux2.0，可是如何安装使用呢？接着，在选项中选择Linux，版本选择Linux64位，再点下一步。现在完成了，打开VMware，点击创建虚拟机。接着，再点击稍后安装操作系统，再点击下一步。然后输入虚拟机的名字，再点下一步。然后再点击典型，在点击下一步。
玩NOILinux
添加PPA源 sudo add-apt-repository ppa:... 搜狗输入法 官网安装指南 下载搜狗输入法的安装包 sudo dpkg -i sogou... 安装fcitx(应该已经有了, 并且应该已经用fcitx输入系统了) 在需要依赖安装的指令后加上 sudo apt-get install -f 添加PPA源ppa:fcitx-team/nightly 重新登录/重启后,...
电脑linux安装noilinux,NOILinux的安装与显卡驱动的安装.docx
NOI Linux的安装与显卡驱动的安装NOI Linux是一个专为 NOI/NOIP定制的Linux发行版，适用于各种笔记本计算机、台式计算机。 NOI Linux 主要用于NOI/NOIP 的比赛或练习，它集成了 NOI/NOIP 竞赛所需的各种编程环境，安装方便、使用简单。NOI2OO9、 NOIP2OO9 竞 赛环境指定的系统软件为 NOI Linux ?C 1.2，其内核为 2.6.24...
noilinux 系统忘记密码该怎么办
话说机器被学生给设了密码，退出后还不想着来机房恢复为123456密码，一个个班上去找他们懒得跑，算了，百度搜了下如何解决这个系统密码问题。 果真好多高手发表了文章告诉俺如何修改，非常详细，现整理如下，已做以后之用： 1.noilinux系统在启动时，在黑屏状态下就会有选择等待你，请选择“linux 高级选项”进入另一画面后，再选择第二项… (recover mode)这个结尾的。 ...
安装noilinux说明
PS：本人装了两次，第一次装完之后由于乱更新东西，然后好像误删了东西，把系统搞爆了（尴尬。。。）。安装首先在官网上下载一个noilinux的iso文件 然后下载一个UltraISO，将iso文件刻进去一个u盘里（注意：u盘会被格式化所以请先备份好） 将开机的bios调成从u盘启动，关于调bios的方法很多地方都有，我的是开机时按F2，然后进去一个很原始的页面，用键盘调到了一个boot的地方，根据
【NOIP必备攻略】 基本noilinux使用方法
现在linux系统已经成为了NOIP竞赛的一大操作系统，如果连最基础的操作都不会，那就更别提怎么得分了，万一操作失误，可就爆零了。所以小编特意发这样一篇博客，教你快速上手noilinux！ ▎常用操作 1）召唤终端：不论如何，一些基本操作都在终端上，如果你的linux系统的终端不在桌面上摆放着，那么可以Ctrl+Alt+T召唤出终端，最后就是这个样子： ...
来自NOIlinux自带Firefox浏览器的问候
今天首次使用NOIlinux，好开森，登录博客后的第一件事就是先发一篇随笔，问候一下大家！！！ #include<iostream> using namespace std; int main() { cout<<"Hello world!"; return 0; } 另外，NOIP BJ分数线已公布，PJ 45，TG 35。 转载于:http...
NOI Linux的使用系列-2019-10-28
NOI Linux NOI Linux_百度百科 NOI Linux 2.0发布，将于9月1日起正式启用！ NOI Linux 2.0发布，将于9月1日起正式启用！ 一、NOI Linux安装 1、NOI系列活动标准竞赛环境(2016年11月08日更新) http://www.noi.cn/newsview.html?id=559&hash=E4E249&type=11 2、NOI linux系统及安装文档下载(2016年10月8日更新) http://www.n
noi linux硬盘启动,硬盘/U盘启动noi linux（ubuntu7.10 for noip）
最近了解个全国青少年信息学奥林匹克联赛，我估计拿不了什么奖，但它提供的一个专门为开发的linux吸引我研究。看光盘里的Release文件得知是基于ubuntu7.10做的。刻碟安装浪费光盘，我一直用u盘安装linux，参照ubuntu7.10的硬盘启动方法成功启动noilinux。noi linux可从这里下载http://gait.buaa.edu.cn/~zjb/ubuntu-for-noip...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
4004
扫一扫
