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
1.9k累计阅读
1.9k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
leanote私有云笔记
mac下如何安装：
详细步骤：https://github.com/leanote/leanote/wiki/leanote-binary-distribution-installation-tutorial
下载leonote二进制版：
https://sourceforge.net/projects/leanote-bin/files/1.4.2/leanote-darwin-amd64-v1.4.2.bin.tar.gz/download
有空再试一个Linux版。
docker-compose 部署 nginx mongo leanote
0. 说明 基于阿里云的 Centos7.4 测试。 1. 快速搭建 # 安装 docker 和 docer-composer，如果已安装则直接跳过 yum install -y docker # 安装 docker，默认版本1.13.0 pip install docker-compose # 使用 pip 安装运行 docker-composer systemctl start ...
Linux部署个人云笔记leanote
不管是工作中还是学习中一款高效好用的云笔记是必不可少的工具之一。1、 自建云笔记服务器的好处在于：数据全在自己掌控中，不用担心被第三方服务器泄露或丢失。毕竟笔记里面的内容又私密又重要。不用被广告所打扰，不用担心收费或限制使用。动手能力强的可以自己定制云笔记的功能或界面。2、 使用 Leanote 的好处在于：开源。开源即意味着免费，透明等诸多好处。支持多端笔记同步。包括移动端，pc 端(windows, linux，mac os)，web 端。支持笔记直接发布为博客，方便笔记共享，公开。
开源笔记系统leanote安装和部署完整教程
本篇教程主要是带大家在自己的Linux服务器上搭建属于自己的开源云笔记系统。 leanote官网 https://leanote.com/ 【蚂蚁笔记 = 笔记 + 博客 + 协作 + 私有云】 私有部署：阿里云/腾讯云/华为云（随意选一个云计算平台进行部署） 特点：Leanote云笔记产品包括: Leanote Web & Server(即本仓库), 桌面客户端, IOS, android. 4端全部开源! 如果想试用我们的产品，欢迎在 https://leanote.com 上注册, Le.
阿里云/腾讯云+宝塔搭建leanote
1、下载 leanote 二进制版 下载 leanote 最新二进制版，下载地址：http://leanote.org/#download 假设将文件下载到 /opt 目录下, 解压文件从而在 /opt 目录下生成 leanote 目录： $> cd /opt $> tar -xzvf leanote-linux-amd64-v2.6.1.bin.tar.gz 2、安装 mongodb 推荐使用宝塔面板安装 mongodb，安装后启动 mongodb 服务即可。 测试 mo..
智能车实战——极速越野组GPS与惯导融合定位导航全解析
本文深入解析了智能车极速越野组中GPS与惯导模块的融合定位导航技术。通过对比GPS的全局定位与惯导的高频姿态感知，详细阐述了如何利用MM32SPN27主控，将两者数据融合以实现精准、实时的车辆控制。内容涵盖硬件选型、软件数据处理、PID控制及系统调试等实战环节，为智能车开发者提供了一套完整的解决方案。
门控时钟（clock gating）的DFT设计
在数字IC芯片中，时钟树的功耗占比可能高达30%，因此一般会采取门控时钟的方式来降低该部分的功耗。所谓门控时钟，就是在芯片实际工作过程中，有些信号或者功能并不需要一直开启，那么就可以在它们不用的时候将其时钟信号关闭。这样一来信号不再翻转，从而能够有效减少动态功耗。 目前门控时钟都采用集成门控时钟单元（ICG，integrated clock gating cell），其结构如下。由一个latch和一个与门（也有的是或门）组成，可以过滤掉EN信号中的毛刺。一般的工艺库中都会有专门的ICG以供调用。 插入IC
Leanote 搭建
创建leanote账号，下载软件包 #创建leanote账号（非必须） [root@localhost~]#useradd-d/home/leanote-s/bin/bashleanote #拷贝、下载软件包 [leanote@localhost~]$wget...
igh ethercat 实时性测试
组备注std(us)max(us)a无锁核，无rt补丁8.38108b锁核+FIFO调度+内存锁定，无rt补丁0.9216c锁核+FIFO调度+内存锁定，+rt补丁0.9922可以看到 a组 使用ethercat不做其他优化，周期抖动非常大，且max能达到 100 多 us;通过 锁核+FIFO调度+内存锁定 进行优化，可以看到 抖动明显降低，且max 为 20 us 左右;
Leanote 博客详细安装教程
0. 写在前面本教程仅适合Mac, linux用户。1. 下载leanote二进制版下载 leanote 最新二进制版假设将文件下载到 /home/user1下, 解压文件 $> cd /home/user1 $> tar -xzvf leanote-.tar.gz此时在/home/user1目录下有leanote目录, 可以看看里面有什么:$> cd leanote $> ls app bin
小麦病害检测系统开发
本项目旨在针对小麦病害小目标检测任务，在YOLOv11基础上进行三项改进： - 将主干网络替换为Swin Transformer，增强全局特征提取能力。 - 在检测头中引入DynamicHead，并增加检测头数量至四个，提升多尺度检测性能。 - 集成半监督FixMatch训练框架，利用无标签数据提升模型泛化能力。 我们定义五个模型进行对比实验： - Model 0: 原始YOLOv11 (有监督) - Model 1: YOLOv11 + Swin Transformer (有监督) ~~~~~~
3、硬件工程师笔试面试学习汇总——器件篇目录（2025版本）
硬件工程师笔试面试学习
Leanote安装记录
昨天看到这篇文章，印象笔记开始限制免费用户同时连接数，这我就不能忍了！本着买不起就换的原则，我开始寻找印象笔记的替代品。对比了若干款主流的云笔记之后我选择使用Leanote，其开源且支持Markdown非常适合我（印象笔记屎一样的格式再也不想碰了）。于是打算自己搭一个Leanote服务器，并将安装过程记录下来，供他人参考。相关资料 Github地址：https://github.com/leanot
科研——ICONIP论文修改和提交
ICONIP说明文档
CentOS 搭建 Leanote 云笔记
CentOS 搭建 Leanote 云笔记 Leanote, 不只是笔记! Leanote——免费、开源、无广告、支持免打扰“写作模式”、支持 markdown 、支持代码高亮、多人协作，笔记历史记录，笔记内导航，直接发布为博客等等，横跨 Windows、MacOS、Android、iOS、Linux 多平台 官网:https://leanote.com Wiki:https://...
在 SAP 中，寄售业务（Consignment）与管道业务（Pipeline）都属于“物料先到、发票后到”的特殊采购模式，但两者的库存形态、物权转移时点、结算触发条件、系统配置完全不同
SAP中寄售业务与管道业务均属"先货后票"采购模式，但存在本质差异。寄售业务（如手机芯片）采用实物库存管理（标记"K"），物权在领用时转移，通过411K/201K移动类型触发负债；管道业务（如蒸汽）无实物库存，采用261P等移动类型直接消耗并生成应付。系统配置上，寄售需K类信息记录及GR收货，管道需P类信息记录且免GR。两者均通过MRKO汇总结算，但寄售按领用量计费，管道按提取量实时计费。核心区别在于库存形态与物权转移时点。
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")
Leanote
搭建个人Leanote云笔记本 Leanote是一款在线的云笔记应用 一、特点 支持网页、PC、手机APP客户端和微信版，随时记录，方便分享，支持语音，图片输入。 代码高亮，涵盖所有主流语言的代码高亮，随心所欲在Leanote里写代码，记知识。 Markdown 编辑器,实时同步预览。 专业数学公式编辑,像Word和Latex能编辑数学公式。 支持创建思维脑图，将散乱的想法以树状信息分层展示。 详细历史纪录，每次保存都在后端备份，轻松查找，一键恢复。 实时同步云端。 二、搭建个人Leanote云笔记本
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
云服务器上搭建个人云笔记——leanote
第二篇：搭建个人云笔记 一、前言 目前市面上存在多个云笔记，如onenote、印象笔记、有道云笔记、为知笔记等，像onenote可以建立多个笔记本、多个分区，风格与word编辑差不多，可以马上上手，但是存在因OneDrive服务器不在内地，存在网络更新慢或者无法访问问题，导出为.one,docx,pdf和.mht格式；印象和为知慢慢转向会员制，限制太多，习惯了“免费”真香，暂不考虑；有道云笔记在Firefox浏览器不能访问，而且导出为PDF格式和有道云格式文件。而本人之前大部分使用onenote进行记笔记，
Outlook Express 6 (OE6) for Win7/Win8/Win10
英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。
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。
阿里云ESC + leanote搭建个人云笔记
近日，阿里云开启了学生免费领取ESC算力资源的活动，活动链接,在搭建云笔记时踩了不少坑，现分享自己的（网上拼凑）的方法 1.进入服务器的workbench(也可使用xshell等连接工具)，我选择的版本是centOS7 2.在home下新建目录user user目录用于安置需要使用的leanote以及数据库 mkdir /home/user 3.安置二进制版的leanote,二进制版本解压后即...
Leanote 蚂蚁笔记 + cpolar，随时随地管理你的知识库
摘要： 本文介绍如何通过Docker在本地部署Leanote蚂蚁笔记，并结合cpolar内网穿透实现公网远程访问。Leanote支持Markdown编辑、LaTeX公式和思维导图，适合程序员、学生及自媒体人使用。部署步骤包括：1. 安装Docker；2. 拉取Leanote镜像并启动容器；3. 配置本地访问（端口9800）。通过cpolar内网穿透（安装及配置9200端口），可将本地笔记映射至公网，突破局域网限制，实现随时随地编辑和管理笔记，同时保留本地数据的安全性。最终实现个人博客公开与跨设备访问。
在Windows下的搭建自己的leanote服务器
序言最近想在windwos下面搭建一个蚂蚁笔记，虽然官方有但是据说要收费，虽然费用不高吧，但是我们这种穷人还是想贪点小便宜，所以就上网找了很多教程，搭建了2次都没成功，所以，今天把我搭建成功的心得写下来，这里主要还是看了王静茜的文章然后在加上我找的软件才搭建成功，而王静茜的里面有一处命令少了个空格，我这边也改正了一下，大家在cmd命令的时候可以直接复制我上面的类容下载准备需要用到的软件我已经打包放...
自建云笔记+Leanote
准备 服务器一台，最好是Linux系统，虽然所Leanote也支持Windows但是不建议服务器一台 LNMP环境，安装Mongodb 下载Leanote安装包 http://leanote.org/#download 可以根据需要进行选择，linux系统，建议安装linux64. linux_x86_64 下载链接如下 wget https://sourceforge.net/projects...
Leanote使用mysql_用Leanote搭建自己的云笔记服务
之前一直使用Leanote云笔记，后来因为限流不能同步，调研了几个其他云笔记都各有缺点，偶然间看到有用Leanote搭建云笔记服务的，就自己也搭了一个。所需软件GolangRevelLeanote源码MongodbGolang将文件下载到/home/user/下，解压文件：cd /home/user/tar -xzvf go1.8.4.linux-amd64.tar.gz在/home/user/目...
云原生之使用Docker部署开源Leanote蚂蚁笔记
云原生之使用Docker部署开源Leanote蚂蚁笔记
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
1356
扫一扫
