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
400+累计阅读
415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
Ubuntu Android Compile
ArduSub程序学习（1）——ardupilot框架整理
AP_HAL层（硬件抽象层）是我们制作 ArduPilot 的方式可移植到许多不同的平台。有一个顶级AP_HAL libraries/AP_HAL，用于定义代码其余部分的接口 有针对具体的板子特性，然后就有了AP_HAL_XXX 子目录，例如，AP_HAL_AVR 用于基于 AVR 的 开发板，AP_HAL_PX4用于 Pixhawk 开发板和 AP_HAL_Linux 基于 Linux 开发板。工具目录tools directories工具目录是杂项支持目录。
sudo apt-get install samba出现无法获取相应的锁解决方法
sudo apt-get install samba (安装共享文件协议samba)出现一下错误： E: Could not get lock /var/lib/dpkg/lock - open (11: Resource temporarily unavailable) E: Unable to lock the administration directory (/var/lib/dpkg/)...
用Python实现斗地主游戏（终端版）
马上就要过年了 大家也都放假了吧 过年必不可少的活动 打牌！ 今天带大家来写一份斗地主 （又是好多天没怎么更新，忙成狗啊） 那么实现一个斗地主呢 我们肯定要先完善卡牌系统 from collections import Counter import numpy as np import itertools def cmp_to_key(mycmp): 'Convert a cmp= function into a key= function' class K: def _
【详细步骤】Ubuntu安装Samba服务及配置共享文件夹
在Linux和Windows直接使用共享文件，有多爽谁用谁知道。 步骤： 0.确保软件安装源可用 1.安装samba 输入密码后等待安装完成 sudo apt-get install samba samba-common 2.创建一个共享文件夹，并设置777权限 nanshou是我的用户名 mkdir /home/nanshou/share sudo chmod 777 /home/nanshou/share 3.添加用户及密码 指令：sudo smbpasswd -a [用户名] 比如我的用户名nan
mysql 计算不同胜率的活跃玩家的次日,3日,7日留存率
它根据每天的日期（logymd）和最高段位（max_rank）、胜率段落（win_rate_segment）进行分组，并计算总玩家人数（total_players）、第二天的留存人数（next_day_players）、第三天的留存人数（day3_players）和第七天的留存人数（day7_players）。注意：不是新手留存，是段位活跃玩家留存；最终的结果则是将留存数据进行展示，按照日期（date）、最高段位（rank_level）、胜率段落（win_rate_segment）进行排序。
YOLOv11-seg改进系列 | 引入CVPR2022 MetaFormer，零参数池化Token混合+StarReLU MLP，精度涨不掉速
本文提出了一种改进YOLOv11分割任务的C3k2_PoolingFormer模块，通过引入MetaFormer架构和Pooling Token Mixer，在保持模型轻量化的同时增强全局感受野建模能力。核心创新包括：1）使用零参数的AvgPool3×3差值作为Token Mixer，实现高效邻域信息聚合和局部对比增强；2）采用StarReLU MLP替代传统激活函数，提升非线性表达能力。改进后模型仅增加6.1%参数量，却能显著提升分割精度，特别适用于需要长程依赖建模的实例分割任务。该设计为轻量级视觉模型提
Ubuntu安装Samba（阿里云服务器、samba端口映射）
阿里云服务器：部分运营商判断端口25、135、139、444、445、5800、5900等为高危端口，并默认屏蔽。即使您添加的安全组规则放行了这些端口，在受限地区仍无法访问。建议您修改为其它非高危端口承载业务。
把财务与管理会计装进一张表：读懂 S/4HANA 的 ACDOCA
别慌，这反而是设计所需。只是大量历史上为汇总、加速而建的索引与汇总表被淘汰或改造，很多被兼容视图 compatibility views 替代，通过视图去 ACDOCA 或 ACDOCT 取数，从而保证老代码还能 SELECT 到数据，但失去写权限。它把原来分散在多张表里的信息整合到一起，例如总账、固定资产、物料账、盈利能力分析 CO-PA、成本控制等维度，发布过的资料多次强调这一点。其二，查询必须带上高选择性的条件，尤其是 RLDNR、RBUKRS、GJAHR 这三个维度，能大幅降低列存扫描的代价。
Ubuntu20.04 配置samba并共享给Windows
介绍如何通过samba把ubuntu上的目录共享给windows平台
《信息化项目文档模板十二——业务需求新增/变更审批确认表 》
系列文章目录 《信息化项目文档模板一——项目需求说明书》 《信息化项目文档模板二——项目启动会文档模板》 《信息化项目文档模板三——会议纪要模板》 《信息化项目文档模板四——系统项目蓝图设计模板》 《信息化项目文档模板五——系统详细设计模板》 《信息化项目文档模板六——系统详细设计模板》 《信息化项目文档模板七——系统开发计划模板》 《信息化项目文档模板八——系统功能测试模板》 《信息化项目文档模板九——系统压力测试模板》 《信息化项目文档模板十——系统推广上线计划模板》 《信息化项目文档模板十一——系统用
【软考高项】【计算专题】- 3 - 进度类 - 双代号网络图
共需压缩 20 天。在双代号网络图中，工作一般使用箭线表示，任意一条箭线都需要占用时间、消耗资源，工作名称写在箭线的上方，而消耗的时间则写在箭线的下方或者工作后面。反映的是前后工作的交接点，节点中的编号可以任意编写，但应保证后续工作的节点比前面节点的编号大，即上图图中的1⃣️4⃣️ 即表示 B 活动和 D 活动间有依赖关系，D 活动的开始，依赖 B 活动的结束。B活动完成了一半， 各计划的实际支出为A活动6500元， B活动1000元， C活动280元， D。
ubuntu shared folder to windows
一、安装smb 执行命令行： #sudo apt-get install samba #sudo apt-get install smbfs 二、添加准备共享的文件夹。 有如下三种配置共享文件夹的方...
腾讯音乐 QQ音乐商业化客户端开发工程师：岗位深度解析与面试攻略
腾讯音乐QQ音乐商业化客户端开发工程师岗位要求3年以上Android开发经验，熟练掌握Kotlin/Java及跨端开发技术。核心职责包括QQ音乐客户端功能开发、架构优化、性能提升及技术攻关。岗位要求计算机相关本科以上学历，具备完整项目开发经验，熟悉TCP/IP等网络协议，能独立解决复杂技术问题。面试重点考察项目经验、架构设计、性能优化及新技术研究能力，建议候选人准备具体案例，量化成果，并熟悉Flutter等跨端技术。该职位强调技术深度与产品思维的结合，需展现扎实的编程基础、问题解决能力和团队协作精神。
Ubuntu Samba安装使用教程
Linux samba安装使用教程 Samba是在Linux系统上实现的SMB（Server Messages Block，信息服务块）协议的一款免费软件。它实现在局域网内共享文件和打印机，是一个客户机/服务器型协议。客户机通过SMB协议访问服务器上的共享文件系统。可以实现Windows系统访问Linux系统上的共享资源 本安装教程是基于Ubuntu 14.04实测的，在Ubuntu18.04上...
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
ubuntu 安装samba
如果是第一次为这个用户设置密码就需要加上-a,后面配置密码就不用加上-a了。如果在第一次设置一个用户的密码不加上-a的选项的话，就会在设置密码时报出错误。启动samba，或者 restart samba。确认IP 地址，使用ifconfig 命令。
Data-Structures-and-Algorithm-Analysis-in-Java.pdf
作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...
Ubuntu安装Samba
Samba是在Linux和UNIX系统上实现SMB协议的一个免费软件，由服务器及客户端程序构成。SMB（Server Messages Block，信息服务块）是一种在局域网上共享文件和打印机的一种通信协议，它为局域网内的不同计算机之间提供文件及打印机等资源的共享服务。SMB协议是客户机/服务器型协议，客户机通过该协议可以访问服务器上的共享文件系统、打印机及其他资源。通过设置“NetBIOS over TCP/IP”使得Samba不但能与局域网络主机分享资源，还能与全世界的电脑分享资源。修改前修改后。
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
如何在Ubuntu上安装与配置Samba
Samba安装与配置
ubuntu18.10安装samba
首先，我安装的是这个ubuntu-18.10-desktop-amd64.iso 其次，使用VMware Workstation Pro安装的虚拟机 （毕竟待业在家，没资源没事干，就折腾点事干） 上图： centos也是我自己安着玩的，请忽略。 新版用着就是舒服。以下我用xshell6来ssh远程连接， 毕竟顺手，推荐大家也用。 现在步入正题，按了新系统，欣赏一番就要安装软件了，自认为必不可缺的就...
Ubuntu离线安装samba与配置（.tar方式安装）
samba离线安装与配置
如何在 Ubuntu 上安装和配置 Samba ？
Samba 是一个开源程序，用于文件共享和网络打印，使用 SMB 协议。现在基本上用于提供在 Windows 上可访问的 Linux 文件共享系统。
Ubuntu 20.04 安装Samba指导
关于ubuntu18.04、ubuntu20.04如何搭建samba服务器，便于window访问服务器和代码开发
Ubuntu 安装Samba
每次装ubuntu虚拟机搞开发都要装Samba，记录一下Samba安装方法
Ubuntu20下安装SAMBA服务
ubuntu20下安装samba服务
【samba】Ubuntu16安装samba服务器
本文是基VMware虚拟机下的Ubuntu16.04安装Samba服务器。
在ubuntu如何安装samba软件？
samba能将linux的文件目录直接映射到windows，在windows中我们可以像访问自己的磁盘一样访问这些文件或者目录，其中的操作都是和windows互通，我们也可以使用windows中的软件对文件进行操作。其次就是，使用samba我们可以直接使用windows的IDE去打开linux中的工程，在linux是无图形化或者图形化适配比较差时，能够大大提高我们的开发效率。如果设置为 no，则共享为只读。如果设置为 no，共享将被定义，但实际上不可用，不会在客户端中显示。它帮助用户了解共享的用途或内容。
ubuntu安装Samba
----------------------------------------------------------------------------------------------- http://www.cnblogs.com/phinecos/archive/2009/06/06/1497717.html ------------------------------------
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2812
扫一扫
