有意思的短信

flyingjava flyingjava 博客等级 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 200+累计阅读 202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 码龄20年
关注
最新推荐文章于 2026-07-15 08:30:00 发布 202 阅读 AI 写同款· GEO 优化 ›

愿好运像地雷一样，时常给你踩到；厄运像流星雨一样，永远淋你不到；财富像垃圾一样，随处可以捡到；幸福伴你一生像苍蝇一样盯着你不放。  

祝：领导偏袒你，警察让着你，法院向着你，官运伴着你，媳妇由着你，吃喝随便你，财运罩着你，中奖只有你！        

我托一只最可爱的蚊子去找你，它会告诉你我很想你，并请它替我亲你，因为我无法接近你，希望你不要用蚊香和灭蚊器，因为它会替我送上很多红包给你。

过节了，我不打算给你太多，就给你五千万吧：千万要快乐！千万要健康！千万要平安！千万要知足！千万不要忘记我！  

节日快乐！送你好心情———甭管大海再多水，大山有多伟，蜘蛛再多腿，辣椒再辣嘴，也甭管拉登有多鬼，美国有多累，总之你最美，快乐永不悔

让我告诉你七种活得开心的方法：1.多关心我；2.多想我；3.多照顾我；4.多疼我；5.多见我；6.多发信息给我；7.最重要的就是认识到一个这么可爱的我！

夜色如酒，寒风轻轻吹柳，菊花开了许久，你在何处奔走？天气冷了许久，你加衣没有？城市不让养狗，主人打你没有？平安可要来电，免我心中挂念———主人。  

新年将至，为了地球环境与资源，请自觉减少购买传统纸制贺卡，你可在大面值人民币上用铅笔填上贺词，寄给我！感谢你对环保事业的支持！祝你幸福快乐！  

多时没见有点想，近来身体可安康？一年工作挺辛苦，天冷别忘添衣裳！虽然你是白眼狼，我可把你记心上！反正闲着也没事，全当给猫喂点粮！  

日出东海落西山，愁也一天，喜也一天；遇事不钻牛角尖，人也舒坦，心也舒坦；常与朋友聊聊天，古也谈谈，今也谈谈，不是神仙胜似神仙；愿你快乐一整年。

死党!等我有钱了：我要用XO给你冲厕所，用美元给你点烟，买999朵玫瑰给你沐浴，找还珠格格给你当丫环，用肯德基把你喂胖，然后用波音送你去屠场……  

你在新年夜被通缉了，你的罪行是：1.对朋友太好，又够义气；2.青春的面孔，灿烂的笑容。本庭现判决如下：罚你终身做我的朋友，不得上诉！  

我手握着哈利·波特的魔法棒，诚心地祈祷：我要把一切喜庆变成奶油，所有祝福揉成巧克力，永远快乐做成蛋糕……砸扁你！新春快乐！

新年喝酒要注意四种人：红脸蛋儿的，梳小辫儿的，不吱声儿的，揣药片儿的。  

在新的一年里，你想出人头地吗？你想发财致富吗？你想光宗耀祖吗？你想大富大贵吗？你想扬名立万吗？你想升官发财吗？你想福星高照吗？别瞎想了，快睡觉吧！  

新的一年里，我决心为全国人民做三件大事：1.给珠穆朗玛峰修电梯；2.给长城贴瓷砖；3.给飞机装倒挡；做三件小事：1.给苍蝇戴手套；2.给蚊子戴口罩；3.给你喂饲料。

春节有大礼，惊喜等着你。编辑短信“我想请你吃饭”到138XXXXXXXX(当然是发来短信那家伙的号)，您将有机会得到天才亲笔签名，合影留念。机会难得，赶快行动吧!  

因考虑到过几天会有铺天盖地的祝福短信阻塞网络，有理想、有远见、且智慧过人的宇宙无敌超级大天才———我，提前恭祝：新年快乐！  

从现在起只疼你一个人，宠你，不骗你，答应你的每一件事都会做到，对你讲的每一句话都是真心，不欺负你、打你、骂你，要相信我，别人欺负你我会在第一时间帮助你，你开
心就陪你开心，你不开心就哄你开心，永远觉得你是最漂亮的，在梦里也会见到你，在心里只有你！  

在新的一年里，祝身体健康，牙齿掉光；一路顺风，半路失踪；一路走好，半路摔倒；天天愉快，经常变态；笑口常开，笑死活该！

因为你，我相信命运；因为你，我相信缘分；也许这一切都是上天注定，冥冥之中牵引着我俩。好想说……我上辈子是做了什么孽呀！  

金钱是一种有用的东西，但是只有在你觉得知足的时候，它才会带给你快乐。所以你应该把多余的钱交给我，这样我们两个都会感到快乐了！

和风吹拂，三月阳春，江南草长，江北水暖，岭外梅香，塞上柳软，又是踏青寻芳季节，其实我想说的是……新年到了，春暖花开，你什么时候请我吃饭

祝您在新年的假期里：小酒喝到六亲不认，香烟抽到同归于尽，麻将搓到昼夜不分，跳舞跳到筋疲力尽，吹牛吹到自己不信。  

祝你在新的一年里：位高权重责任轻，钱多事少离家近，每日睡到天大亮，工资领到手抽筋，别人加班你加薪！  

手机新年内存需更新，正在删除通讯录，全部信息将丢失。请稍候……  

听说过年你要到我们家做客，我弟弟会代我去接你，为便于确认身份，请你左手拿两条上等烟，右手提两瓶茅台酒。  

新年对联：天增岁月人增瘦，馒头稀饭已吃够。鱼翅燕窝没享受，一身都是硬骨头！ 

送你一件外套,前面是平安,后面是幸福,吉祥是领子,如意是袖子,快乐是扣子,口袋里满是温暖,穿上吧,让它相伴你的每一天!新春快乐!  

新春大吉！祝你人气超越圣母，财气敢当比尔盖茨之母，英气胜过萨达姆，帅气直追贝克汉姆，国际超人非你莫属！  

什么是天长？ 什么是地久？ 说一句happy new year，让你记住就是天长地久！  

星星落下要三秒，月亮升起要一天，地球公转要一年，想一个人要二十四小时，爱一个人要一辈子，但一句贴心祝福只要一秒：猪年快乐！  

春风洋溢你；家人关心你；爱情滋润你；朋友忠于你；我这儿祝福你；幸运之星永远照着你。衷心祝福你：新春快乐！  

愿我寄予你的这份祝福是最新鲜最令你百读不厌的。新年快乐，万事如意！  

我把祝福和希望放在将融的雪被下。让它们沿着春天的秧苗生长，送给你满年的丰硕与芬芳。  

祝您在新的一年里财源滚滚，艳福多多，妻妾成群，儿孙满堂。东摸西吻浅呻吟，左拥右抱美人笑，羡煞韦小宝妒坏西门庆。  

这一刻有我最深的思念。让云捎去满心的祝福，点缀你甜蜜的梦。愿你拥有一个幸福快乐的猴年！  

祝你一年四季：爱情洋洋得意；身体阳刚有力；事业扬眉吐气；生活性福甜蜜。  

传说薰衣草拥有四片翠绿的叶子：第一片叶子是信仰，第二片叶子是希望，第三片叶子是爱情，第四片叶子是幸运。 送你一棵薰衣草，愿你猪年快乐!

祝愿你在新的一年里，所有的希望都能如愿，所有的梦想都能实现，所有的期待都能出现，所有的付出都能兑现！  

新的一年开启新的希望，新的空白承载新的梦想。拂去岁月之尘，让欢笑和泪水，爱与哀愁在心中凝成一颗厚重的晶莹的琥珀。

竹爆平安，春节来临，祝福亲人，财源滚滚！祝福朋友，马年亨通！祝福冤家，善良仁慈！祝愿情敌，桃运连连！  

猪年祝愿天下朋友：工作舒心，薪水合心，被窝暖心，朋友知心，爱人同心，一切都顺心，永远都开心，事事都称心！  

愿你抱着平安，拥着健康，揣着幸福，携着快乐，搂着温馨，带着甜蜜，牵着财运，拽着吉祥，迈入新年，快乐度过每一天!

 

收录于
生活

当前文章被收录于：

生活
5 篇文章 0 人学习
订阅专栏 查看详情
标签
#工作
关于阿里云短信验证服务完整的教程 前言 今天介绍一下阿里云的短信验证码验证，以注册账户为例，下面就是实际图展示了，今天测试收到的短信，特别有意思，说实话，第一次做，也是大费周章，可是做完以后却又觉得很简单，但是，对于新手来说，弯路是要走很多的，网上其实有很多列子，但是都不全，尤其是最近阿里云把短信服务又换了一个地方，资料就有点对不上了，这里以最新的例子来，基本都是图，希望大家耐心看，后面可以自己做着玩。 请点击此处输入图片描述 请点击此处输入图片描述 请点击此处输入图片描述 正文 阿里云上有教程，为什么我还要写出 阅读详情

相关推荐

centos7下安装gcc-10.3.0

生成多个系统版本的代码，如果你的操作系统是32位，默认就已经设置为 disable，这时gcc仅能生成32位的可执行程序；这里只开启了c,c++ 和fortran,因为支持的语言越多，就需要安装越多的相应静态与动态库，还有五花八门的依赖库，这会让管理变得困难，体积也会变得庞大。启用posix标准的线程支持，这个设置取决于宿主或目标操作系统的类型，其它可用值有：aix，dec，solaris，win32等，如果你是其它的类UNIX系统，就需要设置相应的值。指定安装路径，这里没有指定，就直接放到文件夹里就好。

lxystar2003的博客 1189

悟懂Linux第26章shell编程-小有意思的脚本③短信服务

在开源世界中，总有一些新东西正在孕育，可能是新的命令行实用工具，也可能是一个全新的shell。如果你的公司已经有了SMS供应商，例如http://sendhub.com或http://eztexting.com，那你可以在脚本中使用这些站点。除此之外，我们还给出了一些脚本的修改建议，这些建议有助于提高你的脚本编写水平。联系你的手机运营商，拿到网关的名字。如果不打算使用http://textbelt.com/text提供的短信中继服务，或是出于某些原因，这些服务没法使用，你可以转而使用电子邮件来发送短信。

华为奋斗者精神 2111

医院网络设计（完整文档+思科拓扑图）

大家好，我是小华学长，一名计算机领域的博主。经过多年的学习和实践，我积累了丰富的计算机知识和经验，在这里我想与大家分享我的学习心得和技巧，帮助你成为更好的程序员。作为一名计算机博主，我一直专注于编程、算法、软件开发等领域，在这些方面积累了大量的经验。我相信分享是一种双赢的方式，通过分享，我可以帮助他人提升技术水平，同时也能够得到学习交流的机会。在我的文章中，你将会看到我对于各种编程语言、开发工具以及常见问题的解析和分析。我会结合自己的实际项目经验，为你提供实用的解决方案和优化技巧。

qq1325513482的博客 2万+

子弹短信，终于更新了一些有意思的功能

图片发自简书App 终于可以设置管理员了，虽然没啥人用 。 图片发自简书App 图片发自简书App 一个300人的技术群，没人用 。红包都没人领 。 图片发自简书App 新增的话题广场，卡顿感太强 。 ...

IDO老徐软件测试窝 1009

别再被网站风控了！手把手教你修改Chromium源码，实现TLS指纹随机化

本文详细介绍了如何通过修改Chromium源码实现TLS指纹随机化，有效规避网站风控。文章深入解析了TLS指纹（如JA3指纹）的工作原理，并提供了具体的源码修改步骤和编译方法，帮助开发者突破高级反爬技术。通过动态打乱加密套件顺序，实现每次请求生成不同的指纹，显著提升自动化工具的隐蔽性。

weixin_28712661的博客 426

开关变换器分析：大信号模型与小信号模型

是电力电子系统建模中的两类基本方法，分别用于描述系统在不同工作条件下的动态行为。它们的核心区别在于是否对变量进行线性化近似，以及适用的分析场景。

创新改变世界！ 1907

【笑话】错发短信 ------ 在我们学校bbs看到的，挺有意思，哈哈

一个男生发错短信，搞笑！发生在2006年10月26日..... 　　这几天心情不好，晚上我呆在家里无聊，给我以前的一个女朋友发了一条短信，短信内容如下：“宝贝，干什么呢，晚上出来陪陪我啊，虽然是冬天，但是我好热啊，我知道你会给我解热的，我在凯宾美丽城等你啊。”但是由于本人精神不集中，按了群发键，本人电话本C.P186人（亲人30人，朋友101人，战友16人，同事19人，人生知己3人同学20人）..

Daniel_Cao_的专栏 1062

科研人必备！用WisPaper搭建个人文献知识库的完整指南（附Zotero联动技巧）

本文详细介绍了如何利用WisPaper搭建高效的个人文献知识库，包括文件命名标准化、文件夹结构设计、语义搜索技巧及与Zotero的深度联动方法。通过智能标签系统和知识图谱功能，科研人员可以快速定位关键文献，提升研究效率。特别适合需要管理大量学术文献的研究者。

weixin_30823001的博客 267

愚人节收到的最有意思的一条短信

“你过的节还挺全” 被骗近来了…… 转载于:https://blog.51cto.com/kiddymeet/22302...

weixin_34233421的博客 100

基于深度学习的文字识别与检测算法研究

基于深度学习的文字识别与检测算法研究 1. 背景介绍 1.1 文字识别与检测的重要性 在当今信息时代,文字作为人类交流和传递信息的主要载体,无处不在。从日常生活中的路牌、广告牌,到办公场所的文件、合同,再到互联网上的网页、图片等

AI天才研究院 1043

第8讲：基于CST PCB Studio的电源完整性仿真（IR Drop + PDN）

本文系统介绍了电源完整性（PI）仿真的两大核心模块：直流IRDrop仿真与交流PDN阻抗仿真。文章详细阐述了两种仿真的原理、算法（PEEC和3DFE-FD）及完整操作流程，包括参数配置、软件实操步骤和常见问题解决方案。IRDrop仿真用于分析直流供电压降问题，PDN仿真则针对高频电源噪声和谐振问题。文中还提供了优化建议和故障排查方法，如调整铜箔厚度、优化电容布局等，为高速数字系统的电源完整性设计提供了全面的技术指导。（149字）

一只豌豆象的博客 238

一条有意思的面试题

最近面试过程中遇到一条有意思的面试题：说是一条最长的短信占多少byte？（可惜博主平时没有注意到，一条短信最多能发多少字，尴尬）百度上收集了下资料并记录下来，避免下次遇到忘了。 手机短信的长度是由编码决定的，根据国际标准，每条短信最多发送1120位，合（1120÷8=140 一个字节占8位）140字节的内容，如果发送纯英文字符，由于英文ASCII采用 7位编码，所以1120位的限额可以传送1

Dragonlongbo的博客 488

家用扫地机器人研发技术路线-第四部分：如何一步步做出来 | 4阶段 · 从原型到量产

摘要：本文详细介绍了扫地机器人从原型到量产的研发流程，分为4个关键阶段。首先聚焦四大技术难点：SLAM定位、AI视觉识别、仿生机械臂和静音风机系统。研发过程包括实验室原型验证、工程样机测试、小批量真实场景测试和量产导入四个阶段，每个阶段设有严格评审标准。特别强调测试贯穿全程，包括模块单元测试、整机集成测试、长期可靠性测试和多样化场景模拟，确保产品在上市前完成数百次真实环境验证。整个流程体现了从技术攻关到产品落地的系统性工程思维。

智能硬件研发，欢迎交流 191

用Python实现免费往手机发短信

今天看到一个很有意思的网站：twilio.com 想必大家都收到过1069开头的信息，例如： 这种的。 而这种短信的发送是完全免费的，实现这个功能，只需要两步： 1.去twilio.com申请账号（只需要验证手机号即可），拿到SID与token，还有active number，后面都要用到。 如图所示。 2.编写代码 代码超级简单 # -*- coding: utf-8 -*...

情深深几许 2万+

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');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

那些有意思的网站

最近微博上发现一个狗屁不通文章生成器，试了下，有点意思，接着又发现了不少类似有意思的网站，正好做个整理分享下。狗屁不通文章生成器写文章没有思路，来教你一本正经的胡说八道h...

sushengbuhuo的博客 1117

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

大量短信群发？不妨来看看这几个平台

最近在跟着公司一块做一个新的项目，刚好我做到注册登录的模块，一个需要短信群发的功能，没有过多的精力去写短信验证码模块，便找了几个比较好用的API短信接口平台；在这里给大家列举几个不同的平台，希望能帮到有需要的朋友：

Mr_HelloWorldx的博客 9122

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。

基于Java的实例源码-短信网关平台(值得一看)

短信网关平台是一个重要的应用程序，可用于发送和接收短信。在这个平台上，用户可以通过API接口或网页界面发送短信、管理短信模板、查询短信发送记录等操作。当用户通过API接口或网页界面发送短信时，短信网关平台将会调用短信供应商的API来实际发送短信。2. **短信发送**：短信发送模块提供API接口和网页界面，用于发送短信。4. **发送记录**：发送记录模块记录了所有的短信发送记录，包括发送时间、发送状态、接收方号码等。3. **短信模板**：短信模板模块用于管理短信模板，用户可以创建、编辑和删除短信模板。

woaimx_1314的博客 1329

把安卓手机当作短信猫的三款ANDROID应用

把安卓手机当作短信猫，性能稳定，管理方便，最近研究了一下相关的ANDROID短信猫应用，推荐一下三款：虫虫云猫，SMSSync，中文版SMS Gateway，下面做分别做介绍。 1、虫虫云猫： 收到短信后，接收到短信后，立刻转发到网站；主动定时从网络请求页面，获取待发短信列表，然后发出短信；发出短信的状态给予报告更新到网站，可方便控制哪些没有发送成功，需要重发。 缺点：作者好久没更新了，我用

DORIS1BRUCE的专栏 3542

原创短信

前几天整理手机上的短信，忽然发现自己还写了不少有意思的短信，贴出来和大家共享。  今天有个好天气，今天是个好日子，今天愿你有个好心情。祝教师节快乐!——自己写的最土的祝福短信 虽然你已经不在教师队伍里装模作样了，但是今天我还是要祝你教师节快乐!——给曾经是老师的同学发的短信 好歹你也是我同学，好歹你也是个教师，好歹今天也是教师节，好歹我也要发个短信，祝你教师节快

徐丹三 834

android短信上送验证的实现及问题

短信验证码作为一种验证方式，已经普遍存在于各种App中，通常由于网络、手机设置等各种原因，用户不能正常接收到App下发给用户的短信验证码，所以需要通过用户上传短信的方式来完成验证，最近在实现这个功能时遇到了有意思的事情，顺便研究下并记录下来。 1. 功能描述：App中提供按钮，点击时跳到短信编辑页面，将之前从服务器获取的目标号码和发送内容填充在该页面。 2. 功能实现：通过Intent跳转方式

rLightFeng的博客 571

收藏！2026国内外高质量短信平台一览

短信群发是一种低成本的营销手段，相对于其他的广告推广方式，如电视、广播、报刊等，短信群发的成本更低，可以帮助企业在有限的预算内实现营销目标。阿里云短信是一款安全、可靠的短信平台，支持多种短信发送方式，如API接口、控制台等。阿里云短信还提供多种短信服务，如验证码短信、营销短信等。

unisms的博客 2663

短信技术的几个基本概念

1. 短信的有效期(validity period) 如果接收手机离线,一条短信会暂时存储在短信服务中心.也可以给短信设置一个时间期限,就是短信过多久才会从短信服务中心删除,这样一来即使是接收手机转成在线短信也不会被发送给接收手机.这个时间期限就叫做有效期. 举个例子来说明如何使用有效期.比如你现在发现电视播放的某个节目非常的有意思,你的朋友没准也想观看一下.因此,你发了一条短信把电视

稀有猿诉 6080

Java利用Redis实现短信验证码功能

本文将详情介绍从Redis+阿里云注册短信服务到后端调用等过程。 这个功能比较实用的地方就是注册用户的时候，防止一个用户多个账户注册，因为手机号毕竟有限 短信服务 首先，打开你的阿里云 话不多说，第一步，先充钱 阿里云短信一条默认为0.045元，发短信前提是你账户余额足够，我这里充了10块，勉强够支撑200条短信。 然后我们从阿里云找到短信服务并开通 开通之后，接下来是阿里云短信服务的主界面，点击左边的国内消息，可以看到我这里已经有一条是成功的。 接着我们点击右上角添加签名 可以看见有签名、适用场景

d15135872896的博客 2192

python做一段有意思的代码_Python爬虫入门有意思的小长代码

一段有意思的代码，有兴趣的可以研究研究。需求用户收到短信如：购买了电影票或者火车票机票之类的事件。然后app读取短信，解析短信，获取时间地点，然后后台自动建立一个备忘录，在事件开始前1小时提醒用户。设计开始我们将解析的功能放在了服务端，但是后来考虑到用户隐私问题。后来将解析功能放到了app端，服务端只负责收集数据，然后将新数据发送给app端。关于服务端主要是分离出两个功能，一、响应app端请求返回...

weixin_39562185的博客 438
上一篇： Java代码编写的30条建议
下一篇： I/O重定向
点赞 0
评论 0
书签 书签 0
flyingjava
flyingjava
博客等级 码龄20年 9粉丝 2原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值