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
100+累计阅读
125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
Claude Desktop Cowork国内实操指南：本地文件自动化办公
大语言模型正从‘问答式AI’迈向‘执行型协作者’，其核心能力在于直接操作本地文件、调用系统工具并嵌入真实工作流。Claude Desktop的Cowork模式正是这一范式的代表，它通过轻量沙箱VM实现对Excel、PPT、PDF、音视频等办公资产的读写与处理，无需手动编码即可完成数据清洗、会议纪要生成、自动化报告输出等任务。技术价值体现在权限可控、环境隔离、结果可交付；典型场景覆盖行政文秘的文档流转、销售运营的数据分析、开发者的脚本调试与环境验证。本文聚焦国内用户高频卡点——网络链路、系统权限与工作流断层，
MapXtreme 加载地图
MapXtreme 加载地图 MapXtreme是MapInfo公司推出的一个组件，用它可以开发桌面地理信息系统，也可以开发在浏览器上阅读的网络地理信息系统。 由于工作需要，笔者最近开始使用MapXtreme进行网络方面的工作。我把使用过程中的点滴感想写到这里，和对MapXtreme感兴趣的朋友共同交流，也请朋友们指出我的谬误。MapXtreme资源： 可以从www.mapinfo.
HC-05蓝牙模块详细配置、连接与使用过程
用手按着模块上的按键，再给蓝牙模块上电。当蓝牙模块上的灯慢闪的时候就说明进入了配置模式了。在配置蓝牙的时候一定要将串口助手按这个要求配置：设置波特率 38400，数据位 8 位，停止位 1 位，无校验位，这是固定操作！ 根据蓝牙的主从模式进行不同的设置，二者主要区别就在于AT+ROLE这个指令如果这里没返回OK可能有一下几种情况：如果正常返回OK，那就可以进行下一步了 配置蓝牙密码的时候，特别是配置HC05，密码必须加双引号""，否则不能正常设置！！！！ 给从机模式蓝牙配置好之后，将蓝牙重
MapXtreme的学习笔记（1）加载地图
要做一个关于地图的项目，要学习一下mapXtreme ，这里是一些摘要，以后用的时候 方便查找。1：加载单个文件（1）其实加载就一个下面的函数就够了，不过在加载的时候 要做好两件事情 1） Session.Current.TableSearchPath.Path ；这个就是我们的系统的默认表的搜索路径。2） MapTableLoader tl = new MapTableLo
LaTex的下载与安装（2024小白+windows系统）
本文主要介绍了Latex的下载与安装，还包括安装过程中遇到的小问题的解决。
保姆级教程：用QSTEM和DrProbe搞定你的第一张STEM模拟图（附Fe3O4实例文件）
本文提供了一份详细的STEM模拟图像生成教程，涵盖从晶体结构获取到最终图像模拟的全过程。通过QSTEM和DrProbe软件的操作指南，帮助材料科学研究者快速掌握STEM模拟技术，特别适合初学者。教程包含Fe3O4实例文件，详细解析参数设置、计算优化和结果分析等关键步骤。
asp.net mapxtreme 加载地图
MapXtreme入门资料(转) asp.net中如何用MapControl 动态加载地图 using MapInfo.Engine; using MapInfo.Mapping; MapControl1.Map.Clear(); MapGeosetLoader gl=new MapGeosetLoader(@"F:\test.gst")
ACM论文LaTeX模板解析（三）| 文章顶部信息（Top matter））Part 1
文章顶部信息（Top matter））Part 1，文章类型、作者信息等
Mapxtreme 加载*.gst | *.mws | *.tab地图
using MapInfo.Data; using MapInfo.Mapping; using MapInfo.Engine; using MapInfo.Windows.Dialogs; using MapInfo.Geometry; using MapInfo.Styles; using MapInfo.Tools; using MapInfo.Windows.Controls; u...
小红书分享链接失效？教你永久保存笔记的2种方法（含API调用技巧）
本文详细解析了小红书笔记链接失效的原因，并提供了两种永久保存笔记的方法，包括短链接转换API调用技巧和本地归档技术。通过Python代码示例和工具推荐，帮助用户实现笔记内容的高效保存和管理，确保珍贵内容不再丢失。
高熵合金AlCoCrFeNi/金刚石摩擦案例代码
本文介绍金刚石与高熵合金AlCoCrFeNi摩擦的案例。 在之前的文章中，介绍过使用fix indent命令实现虚拟球的摩擦，本文介绍使用金刚石实体球实现高熵合金摩擦的方法。 主要的模拟过程如下： （1）基体建模 建使用原子替换法获得高熵合金初始模型，升温到3000K驰豫后，冷却至300K，获得平衡组织。 （2）摩擦球建模 在高熵合金平衡组织的模型中添加金刚石摩擦球，使用change_box命令扩大box尺寸，添加金刚石摩擦球，并设置混合力场。 （3）摩擦过程 摩擦球下压一定深度后，沿y方向进行摩擦，摩擦
MapXtreme在asp.net中的使用之加载地图(转)
MapXtreme在asp.net中的使用之加载地图(转) Posted on 2010-05-04 19:44 Happy Coding 阅读(669) 评论(0) 编辑 收藏 1.地图保存在本地的文件系统中，一定要有访问权限(否则无法打开)，通过例子可以知道，使用web.config可以配置默认的工作空间. <add key="MapInfo.Engine.Sessi...
微信对话开放平台智能对话模块的几个亮点
微信AI首席科学家牛成公布了最新开放方案，并重磅宣布全面开放各层次 NLP 能力。具体说来，微信 AI 迈出了“三大步”： 以硬件合作为核心的智言小微硬件开放平台 2.0 正式亮相； 公开以对话开放能力为核心的微信对话开放平台； 全面开放以自然语言处理能力为核心的 NLP 基础技术平台。 参考：微信9年：张小龙指明方向，微信AI全面开放NLP能力 今天公开课上隆重介绍了...
MapXtreme 2005加载地图
protected void Page_Load(object sender, EventArgs e) { MapInfo.Mapping.Map myMap = GetMapObj(); } private Map GetMapObj() { MapInfo.Mapping.Map myMap=MapInfo.Eng
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")
汉书HE8，好用的汇编代码编写工具
汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大
MapXtreme加载瓦片地图
var map = null; var mi_Base = null; var mapName = "NA"; var outputfmt = "jpg"; function initialize() { if (GBrowserIsCompatible()) { map = new GMap2(document.getElementById("mapDIV")); ...
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
加载地图数据
加载地图数据可以打开GeoSet（ *.gst）或MapDefinition（ *.mdf ）文件加载地图数据。MapXtreme没有默认的地图数据，所以必须人工加载地图数据。1，加载GeoSet myMap.loadGeoset(geosetName, dataDir, servletURL); 其中： geo
MapXtreme入门资料
转自成艳校友空间1.asp.net中如何用MapControl 动态加载地图MapControl1.Map.Clear();MapGeosetLoader gl=new MapGeosetLoader(@"F:/test.gst");MapControl1.Map.Load(gl);其实根据不同的格式加载地图的办法也有多种，MapWorkSpaceLoader2.创建MSW文件MapInfo.Pe
Mapxtreme使用心得
1、在工程中使用时提示无法找到dll，可能是由于添加引用的时候“复制到本地”是true，而vs没有c盘下对应目录的读取权限，就会出错。解决方法是将对应dll拷贝出来，或者是该设置项改为false。 2、InitializeComponent()提示dll加载有问题，是由于Mapxtreme的二进制与当前工程不兼容造成，我的Mapxtreme是x86的，工程的“目标平台”也要改为x86。 3、附
MapxTreme2005地图打印
MapxTreme2005地图打印 一、 语言: c# net2003二、 组件: Mapxtreme2005 三、 功能概述: 初步实现地图的加载,页面设置,打印预览及打印功能四、 程序提供: 苍鹰--GIS
MapXtreme 随笔记录1
最近在用MapXtreme做项目，随笔记录备忘。 声明：PubMapPara 静态类，后缀为静态类成员变量 1.加载地图 /// <summary> /// 地图工作空间文件路径 /// </summary> public static string mapFileName = system.Environment.CurrentDirectory...
mapinfo二次开发之：MapX和MapXtreme区别
MapX和MapXtreme区别2：MapX需将控件装入开发环境。MapX软件开发主要针对单机软件开发，web网页版需要注册activex控件，比较麻烦。MapX和MapXtreme区别1：MapXtreme是 MapX的升级版。MapX发展到MapX5.0后不再升级，由MapXtreme代替。mapx软件和mapxtreme软件共同点：都是MapInfo公司的程序开发软件。mapxtrem软件开发的网页版，客户可以直接浏览，不需要再安装任何插件。
MapXtreme入门资料（转）
转载自 vhome 最终编辑 _blackjack 由于项目的需要我现在又开始研究GIS了。由于我们项目是用.net开发的，所以GIS工具也是当前最新的MapXtreme2004，对于新事物我都有一种冲动，所以研究起来也相当有劲， 不过这个也不是那么容易，中文资料太少（本人英语水平有限，正在努力中……），通过网络还是找到了很多零散的资料，在此整理一下。留于以后研究。 1.asp.net中如...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
468
扫一扫
