创建显IP图片

编写QQ显IP外挂插件及原理分析  鉴于目前网上关于这方面的文章少之又少,一般能找到的应该就这下面3篇(由于可能涉及版权问题,我链接就不给出了),自己在开发中也走了不少弯路,所以特此把我的开发过程写了下来,给各位做个参考把引用: a.木子版显IPQQ的制作教程b.关于QQ外挂DLL的加载原理的分析c.明日帝国(sunwangme)写的我是这样来做破解qq,做QQ外挂的系列在开始我的分析前我简要对上面这些资料作下评价,首 阅读详情

创建显IP图片
            在使用基本的图像创建函数之前,需要安装GD库文件。如果要使用与JPEG有关的图像创建函数,还需要安装jpeg-6b,如果要在图像中使用Type
            1型字体,则必须安装t1lib。

            在建立图像创建环境之前,还需要做一些准备工作。首先,安装t1lib接着安装jpeg-6b,然后再安装GD库文件。在安装时一定要按这里给定的顺序进行安装,因为在编译GD入库时会用到jpeg-6b,如果没有安装jpeg-6b,在编译时就会出错。


            在安装完这三个组件后,还需要重新配置一次PHP,这也是你对采用DSO方式安装PHP感到庆幸的地方之一。运行make
            clean,然后在当前的配置中添加下面的内容:

            --with-gd=[/path/to/gd]
            --with-jpeg-dir=[/path/to/jpeg-6b]
            --with-t1lib=[/path/to/t1lib]


            完成添加后执行make命令,然后再执行make
            install命令,重新启动Apache后运行phpinfo()来检查一下新的设置是否生效了。现在,我们就可以开始图像创建工作了。

            根据所安装的GD库文件的版本将决定你是否能创建GIF或PNG格式的图形文件。如果安装的是gd-1.6或以前的版本,可以使用GIF格式的文件但不能创建PNG格式,如果安装的是gd-1.6以后的版本,可以创建PNG文件但不能创建GIF格式的文件。


            创建一幅简单的图像也需要用到许多的函数,我们将一步一步地进行说明。

            在下面的例子中,我们将创建一个PNG格式的图像文件,下面的代码是一个包含所创建的图像的MIME类型的头部:

            <? header ("Content-type: image/png");


            使用ImageCreate()创建一个代表空白图像的变量,这个函数要求以像素为单位的图像大小的参数,其格式是ImageCreate(x_size,
            y_size)。如果要创建一个大小为250×250的图像,就可以使用下面的语句:

            $newImg = ImageCreate(250,250);


            由于图像还是空白的,因此你可能会希望用一些彩色来填充它。你需要首先使用ImageColorAllocate()函数用其RGB值为这种颜色指定一个名字,这一函数的格式为ImageColorAllocate([image],
            [red], [green], [blue])。如果要定义天蓝色,可以使用如下的语句:

            $skyblue = ImageColorAllocate($newImg,136,193,255);


            接下来,需要使用ImageFill()函数用这种颜色填充这个图像,ImageFill()函数有几个版本,例如ImageFillRectangle()、ImageFillPolygon()等。为简单起见,我们通过如下的格式使用ImageFill()函数:


            ImageFill([image], [start x point], [start y point], [color])
            ImageFill($newImg,0,0,$skyblue);


            最后,在图像建立后释放图像句柄和所占用的内存:

            ImagePNG($newImg);
            ImageDestroy($newImg); ?>


            这样,创建图像的全部代码如下所示:

            <? header ("Content-type: image/png");
            $newImg = ImageCreate(250,250);
            $skyblue = ImageColorAllocate($newImg,136,193,255);
            ImageFill($newImg,0,0,$skyblue);
            ImagePNG($newImg);
            ImageDestroy($newImg);
            ?>


            如果把这个脚本文件保存为skyblue.php,并用浏览器访问它,我们会看到一个天蓝色的250×250的PNG格式的图像。

            我们还可以使用图像创建函数对图像进行处理,例如把一个较大图像作成一个小图像:

            假设你有一幅图像,想从中裁剪出一个35×35大小的图像。你所需要作的是创建一个35×35大小的空白图像,创建一个包含原来图像的图像流,然后把一个经过调整大小的原来的图像放到新的空白图像中。


            要完成这一任务的关键函数是ImageCopyResized(),它要求的格式如下所示:

            ImageCopyResized([new image handle],[original image handle],[new
            image X], [new Image Y], [original image X], [original image Y],
            [new image X], [new image Y], [original image X], [original image
            Y])。
            <? /* 发送一个头部,以便让浏览器知道该文件所包含的内容类型*/
            header("Content-type: image/png");
            /* 建立保存新图像高度和宽度的变量*/
            $newWidth = 35;
            $newHeight = 35;
            /* 建立给定高度和宽度的新的空白图像*/
            $newImg = ImageCreate($newWidth,$newHeight);
            /* 从原来较大的图像中得到数据*/
            $origImg = ImageCreateFromPNG("test.png");
            /*拷贝调整大小后的图像,使用ImageSX()、ImageSY()得到原来的图像在X、Y方面上的大小 */
            ImageCopyResized($newImg,$origImg,0,0,0,0,$newWidth,$newHeight,ImageSX($origImg),ImageSY($origImg));
            /*创建希望得到的图像,释放内存 */
            ImagePNG($newImg);
            ImageDestroy($newImg); ?>


            如果把这一小段脚本保存为resized.php,然后用浏览器对它进行访问,就会看到一个35×35大小的PNG格式的图像。   
            转载到我空间 复制本文网址
            在使用基本的图像创建函数之前,需要安装GD库文件。如果要使用与JPEG有关的图像创建函数,还需要安装jpeg-6b,如果要在图像中使用Type
            1型字体,则必须安装t1lib。

            在建立图像创建环境之前,还需要做一些准备工作。首先,安装t1lib接着安装jpeg-6b,然后再安装GD库文件。在安装时一定要按这里给定的顺序进行安装,因为在编译GD入库时会用到jpeg-6b,如果没有安装jpeg-6b,在编译时就会出错。


            在安装完这三个组件后,还需要重新配置一次PHP,这也是你对采用DSO方式安装PHP感到庆幸的地方之一。运行make
            clean,然后在当前的配置中添加下面的内容:

            --with-gd=[/path/to/gd]
            --with-jpeg-dir=[/path/to/jpeg-6b]
            --with-t1lib=[/path/to/t1lib]


            完成添加后执行make命令,然后再执行make
            install命令,重新启动Apache后运行phpinfo()来检查一下新的设置是否生效了。现在,我们就可以开始图像创建工作了。

            根据所安装的GD库文件的版本将决定你是否能创建GIF或PNG格式的图形文件。如果安装的是gd-1.6或以前的版本,可以使用GIF格式的文件但不能创建PNG格式,如果安装的是gd-1.6以后的版本,可以创建PNG文件但不能创建GIF格式的文件。


            创建一幅简单的图像也需要用到许多的函数,我们将一步一步地进行说明。

            在下面的例子中,我们将创建一个PNG格式的图像文件,下面的代码是一个包含所创建的图像的MIME类型的头部:

            <? header ("Content-type: image/png");


            使用ImageCreate()创建一个代表空白图像的变量,这个函数要求以像素为单位的图像大小的参数,其格式是ImageCreate(x_size,
            y_size)。如果要创建一个大小为250×250的图像,就可以使用下面的语句:

            $newImg = ImageCreate(250,250);


            由于图像还是空白的,因此你可能会希望用一些彩色来填充它。你需要首先使用ImageColorAllocate()函数用其RGB值为这种颜色指定一个名字,这一函数的格式为ImageColorAllocate([image],
            [red], [green], [blue])。如果要定义天蓝色,可以使用如下的语句:

            $skyblue = ImageColorAllocate($newImg,136,193,255);


            接下来,需要使用ImageFill()函数用这种颜色填充这个图像,ImageFill()函数有几个版本,例如ImageFillRectangle()、ImageFillPolygon()等。为简单起见,我们通过如下的格式使用ImageFill()函数:


            ImageFill([image], [start x point], [start y point], [color])
            ImageFill($newImg,0,0,$skyblue);


            最后,在图像建立后释放图像句柄和所占用的内存:

            ImagePNG($newImg);
            ImageDestroy($newImg); ?>


            这样,创建图像的全部代码如下所示:

            <? header ("Content-type: image/png");
            $newImg = ImageCreate(250,250);
            $skyblue = ImageColorAllocate($newImg,136,193,255);
            ImageFill($newImg,0,0,$skyblue);
            ImagePNG($newImg);
            ImageDestroy($newImg);
            ?>


            如果把这个脚本文件保存为skyblue.php,并用浏览器访问它,我们会看到一个天蓝色的250×250的PNG格式的图像。

            我们还可以使用图像创建函数对图像进行处理,例如把一个较大图像作成一个小图像:

            假设你有一幅图像,想从中裁剪出一个35×35大小的图像。你所需要作的是创建一个35×35大小的空白图像,创建一个包含原来图像的图像流,然后把一个经过调整大小的原来的图像放到新的空白图像中。


            要完成这一任务的关键函数是ImageCopyResized(),它要求的格式如下所示:

            ImageCopyResized([new image handle],[original image handle],[new
            image X], [new Image Y], [original image X], [original image Y],
            [new image X], [new image Y], [original image X], [original image
            Y])。
            <? /* 发送一个头部,以便让浏览器知道该文件所包含的内容类型*/
            header("Content-type: image/png");
            /* 建立保存新图像高度和宽度的变量*/
            $newWidth = 35;
            $newHeight = 35;
            /* 建立给定高度和宽度的新的空白图像*/
            $newImg = ImageCreate($newWidth,$newHeight);
            /* 从原来较大的图像中得到数据*/
            $origImg = ImageCreateFromPNG("test.png");
            /*拷贝调整大小后的图像,使用ImageSX()、ImageSY()得到原来的图像在X、Y方面上的大小 */
            ImageCopyResized($newImg,$origImg,0,0,0,0,$newWidth,$newHeight,ImageSX($origImg),ImageSY($origImg));
            /*创建希望得到的图像,释放内存 */
            ImagePNG($newImg);
            ImageDestroy($newImg); ?>


            如果把这一小段脚本保存为resized.php,然后用浏览器对它进行访问,就会看到一个35×35大小的PNG格式的图像。    
            在使用基本的图像创建函数之前,需要安装GD库文件。如果要使用与JPEG有关的图像创建函数,还需要安装jpeg-6b,如果要在图像中使用Type
            1型字体,则必须安装t1lib。 

            在建立图像创建环境之前,还需要做一些准备工作。首先,安装t1lib接着安装jpeg-6b,然后再安装GD库文件。在安装时一定要按这里给定的顺序进行安装,因为在编译GD入库时会用到jpeg-6b,如果没有安装jpeg-6b,在编译时就会出错。
            

            在安装完这三个组件后,还需要重新配置一次PHP,这也是你对采用DSO方式安装PHP感到庆幸的地方之一。运行make
            clean,然后在当前的配置中添加下面的内容: 

            --with-gd=[/path/to/gd]
            --with-jpeg-dir=[/path/to/jpeg-6b]
            --with-t1lib=[/path/to/t1lib] 


            完成添加后执行make命令,然后再执行make
            install命令,重新启动Apache后运行phpinfo()来检查一下新的设置是否生效了。现在,我们就可以开始图像创建工作了。 

            根据所安装的GD库文件的版本将决定你是否能创建GIF或PNG格式的图形文件。如果安装的是gd-1.6或以前的版本,可以使用GIF格式的文件但不能创建PNG格式,如果安装的是gd-1.6以后的版本,可以创建PNG文件但不能创建GIF格式的文件。
            

            创建一幅简单的图像也需要用到许多的函数,我们将一步一步地进行说明。 

            在下面的例子中,我们将创建一个PNG格式的图像文件,下面的代码是一个包含所创建的图像的MIME类型的头部: 

            <? header ("Content-type: image/png"); 


            使用ImageCreate()创建一个代表空白图像的变量,这个函数要求以像素为单位的图像大小的参数,其格式是ImageCreate(x_size,
            y_size)。如果要创建一个大小为250×250的图像,就可以使用下面的语句: 

            $newImg = ImageCreate(250,250); 


            由于图像还是空白的,因此你可能会希望用一些彩色来填充它。你需要首先使用ImageColorAllocate()函数用其RGB值为这种颜色指定一个名字,这一函数的格式为ImageColorAllocate([image],
            [red], [green], [blue])。如果要定义天蓝色,可以使用如下的语句: 

            $skyblue = ImageColorAllocate($newImg,136,193,255); 


            接下来,需要使用ImageFill()函数用这种颜色填充这个图像,ImageFill()函数有几个版本,例如ImageFillRectangle()、ImageFillPolygon()等。为简单起见,我们通过如下的格式使用ImageFill()函数:
            

            ImageFill([image], [start x point], [start y point], [color])
            ImageFill($newImg,0,0,$skyblue); 


            最后,在图像建立后释放图像句柄和所占用的内存: 

            ImagePNG($newImg);
            ImageDestroy($newImg); ?> 


            这样,创建图像的全部代码如下所示: 

            <? header ("Content-type: image/png");
            $newImg = ImageCreate(250,250);
            $skyblue = ImageColorAllocate($newImg,136,193,255);
            ImageFill($newImg,0,0,$skyblue);
            ImagePNG($newImg);
            ImageDestroy($newImg);
            ?> 


            如果把这个脚本文件保存为skyblue.php,并用浏览器访问它,我们会看到一个天蓝色的250×250的PNG格式的图像。 

            我们还可以使用图像创建函数对图像进行处理,例如把一个较大图像作成一个小图像: 

            假设你有一幅图像,想从中裁剪出一个35×35大小的图像。你所需要作的是创建一个35×35大小的空白图像,创建一个包含原来图像的图像流,然后把一个经过调整大小的原来的图像放到新的空白图像中。
            

            要完成这一任务的关键函数是ImageCopyResized(),它要求的格式如下所示: 

            ImageCopyResized([new image handle],[original image handle],[new
            image X], [new Image Y], [original image X], [original image Y],
            [new image X], [new image Y], [original image X], [original image
            Y])。
            <? /* 发送一个头部,以便让浏览器知道该文件所包含的内容类型*/
            header("Content-type: image/png");
            /* 建立保存新图像高度和宽度的变量*/
            $newWidth = 35;
            $newHeight = 35;
            /* 建立给定高度和宽度的新的空白图像*/
            $newImg = ImageCreate($newWidth,$newHeight);
            /* 从原来较大的图像中得到数据*/
            $origImg = ImageCreateFromPNG("test.png");
            /*拷贝调整大小后的图像,使用ImageSX()、ImageSY()得到原来的图像在X、Y方面上的大小 */
            ImageCopyResized($newImg,$origImg,0,0,0,0,$newWidth,$newHeight,ImageSX($origImg),ImageSY($origImg));

            /*创建希望得到的图像,释放内存 */
            ImagePNG($newImg);
            ImageDestroy($newImg); ?> 


            如果把这一小段脚本保存为resized.php,然后用浏览器对它进行访问,就会看到一个35×35大小的PNG格式的图像。

万物皆可爬——亮数据代理IP+Python爬虫批量下载百度图片助力AI训练 本文详细介绍了如何使用Python编写一个简单的爬虫,用于从百度图片搜索下载图片。通过分析目标网站、设计爬虫流程、实现代码以及配置代理IP,使得爬虫能够有效地获取图片数据。通过本项目,读者可以学习到基本的爬虫原理和实现方法,同时也了解到了如何处理异常情况和优化爬虫效率的方法。 阅读详情

相关推荐

PHP签名图片生成(来访IP、浏览器类型等)

PHP签名图片生成(来访IP、浏览器类型等)

网站添加显示IP信息图片

根据访客ip自动生成一张包含多种信息的图片,包含:地理位置、当前日期、ip地址、终端操作系统、浏览器版本。使用方法放在弹出公告或者侧边栏,可自行修改高度。调用示例一可自行修改高度<imgsrc="https://api.azpay.cn/814/1.php"height="150"> 效果图调用示例二可自行修改高度<imgsrc="https://api....

幻影龙王 564

rk3576之imx415 4k@60fps

1;0;1;0;1;0;1;0;1;0;1;0;1;0;

darennet的专栏 704

IP地址显示在图片上

IP地址显示在图片上2007-11-14 08:49 protected void Page_Load(object sender, System.EventArgs e) {

smartalbs 963

用MCP扩展Cursor的5种神奇用法:从文件操作到网页抓取实战

本文深入探讨了如何利用MCP(Model Context Protocol)扩展Cursor AI编程助手,解锁五种高效实用场景。从文件系统操作、网页内容抓取,到数据库查询、Figma设计稿对接,乃至构建自定义MCP服务器,文章通过实战案例展示了如何将Cursor从代码编辑器升级为能理解并操作工作环境的智能助手,显著提升开发效率与自动化水平。

weixin_29231027的博客 315

VSCode + Latex 配置

1. 安装VSCode VSCode下载 next,next就安装好了。 2. 配置VSCode 2.1 安装LaTeX Workshop插件 install,安装LaTeX Workshop插件 2.2 修改 user setting 点击左下角,进入用户设置 点击上图标记的部分,选择 打开settings.json 具体配置文件如下: { "latex-workshop.la...

一只特立独行的猪 10万+

让你的签名显IP和操作系统!

让你的签名显IP和操作系统!其实很简单,只是添加一张图片就可以了。就是这张:http://www.danasoft.com/vipersig.jpg首先,上这个网站 http://www.danasoft.com/ ;申请你个人专用的图片,如果你不申请也可以用,开始申请点击中间的 custom signatures Your email address: 你的Email (无需验证) ,但如果以后

zjnig711的信息仓库 1182

华为使用MicroG安装并使用Google服务教程

鉴于众多华为手机用户因无法使用Google服务而感到不便,我经过多次摸索和测试,总结了一份简单易懂的教程,希望能够帮助到大家。无论是需要使用Google Play商店下载应用,还是需要使用Google服务进行工作和学习,本文将详细介绍如何在华为手机上安装并使用Google服务。二、前置条件软件要求:Aurora Store(替代Google Play商店)、MicroG Companion、MicroG Server(替代Google框架)

weixin_41926602的博客 3万+

制作显IP的图片

偶然需要这个东西.代码如下:a href="http://www.ip.cn" target="_blank">img src="http://www.ip.cn/s.php">a>VBB 签名代码:        [url=http://www.ip.cn][img]http://w

greenerycn的专栏 1496

手把手教你用AppsFlyer SDK实现延迟深度链接(附Android/iOS代码示例)

本文详细介绍了如何使用AppsFlyer SDK实现延迟深度链接,提供Android和iOS双平台代码示例,帮助开发者解决跨平台精准跳转与用户归因问题。通过实战案例和高级场景分析,提升应用的用户转化率和广告投放效果。

sre5engineer的博客 695

OpenEuler22.03 LTS下Zabbix7.0监控系统的容器化部署避坑指南(含Docker-Compose完整配置)

本文详细介绍了在OpenEuler22.03 LTS操作系统上容器化部署Zabbix7.0监控系统的完整流程,包括Docker引擎配置、Docker-Compose编排、网络模式选择及性能调优等关键步骤。针对OpenEuler环境下的特殊问题提供了解决方案,帮助用户高效搭建稳定可靠的监控系统。

python9snake的博客 267

论坛IP签名档PHP源码,简单几步,教你制作自己的显IP签名档

该楼层疑似违规已被系统折叠隐藏此楼查看此楼简单几步,教你制作自己的显IP签名档|=================================||转载自bbs.idzc.com|=================================|经常在网上,论坛中,看到有人用带有IP的签名档,十分有特点。这是怎么做出来的呢?希望看完这篇文章以后你也能够拥有自己的个性IP签名档下面开始制作==...

weixin_33648811的博客 1058

嵌入式视频应用开发者必读:嵌入式Linux+FFmpeg硬件编解码实战指南

在嵌入式Linux上,FFmpeg支持多种硬件加速API,比如VAAPI、VDPAU、CUDA,以及针对特定平台的专用接口(如NVIDIA的NVENC、Intel的QSV、ARM的Mali)。FFmpeg的硬件解码通过-hwaccel参数启用,咱们以常见的H.264和HEVC(H.265)格式为例,展示如何用VAAPI和V4L2实现高效解码。: FFmpeg硬件加速需要额外的库,比如libva(VAAPI)、libv4l2(V4L2)或libnvcodec(CUDA)。

大模型大数据攻城狮的专栏 2202

php ip签名图片,简单几步,教你制作自己的显IP签名档

该楼层疑似违规已被系统折叠隐藏此楼查看此楼简单几步,教你制作自己的显IP签名档|=================================||转载自bbs.idzc.com|=================================|经常在网上,论坛中,看到有人用带有IP的签名档,十分有特点。这是怎么做出来的呢?希望看完这篇文章以后你也能够拥有自己的个性IP签名档下面开始制作==...

weixin_33922644的博客 468

基于FPGA的以太网设计(1)----大白话解释什么是以太网

基于FPGA的千兆以太网设计(1)----大白话解释什么是以太网

孤独的单刀 3869

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

IP签名档PHP源码,简单几步,教你制作自己的显IP签名档

该楼层疑似违规已被系统折叠隐藏此楼查看此楼简单几步,教你制作自己的显IP签名档|=================================||转载自bbs.idzc.com|=================================|经常在网上,论坛中,看到有人用带有IP的签名档,十分有特点。这是怎么做出来的呢?希望看完这篇文章以后你也能够拥有自己的个性IP签名档下面开始制作==...

weixin_39620578的博客 304

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

显ip图片签名php,简单几步,教你制作自己的显IP签名档

该楼层疑似违规已被系统折叠隐藏此楼查看此楼简单几步,教你制作自己的显IP签名档|=================================||转载自bbs.idzc.com|=================================|经常在网上,论坛中,看到有人用带有IP的签名档,十分有特点。这是怎么做出来的呢?希望看完这篇文章以后你也能够拥有自己的个性IP签名档下面开始制作==...

weixin_31956641的博客 659

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

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")

显ip图片签名php,ip签名探针

ip签名探针更新时间:2006年10月09日 00:00:00 作者:可以用做签名,论坛头像PHP代码:--------------------------------------------------------------------------------/****************************************************残风制作ip签名探针---...

weixin_39781186的博客 317

显ip图片签名php,PHP中动态显示签名和ip原理

PHP中动态显示签名和ip原理//包含一个计数器,一个提醒语句,用户ip以及自己的广告图片。//给浏览器发送头,说我是张图片Header("Content-type:image/PNG");//这里定义计数器,放到一个文件里的$Visited=array();if(!file_exists("Counter")){for($i=0;$i<24;$i++)$Visited[$i]=0;$s...

weixin_28930803的博客 306

QQ显IP显隐身制作原理介绍转)

        到QQ2008为至,可爱的珊瑚版本显IP显隐身的QQ已经不能用了,前几天下载了比特版本,传美版本,极速版本用了一下,感觉没有珊瑚虫的版本好用,总之用习惯了一种版本,不乐意改变太多.于是抱着这种心态,我于前天下午认真研究了QQ显IP显隐身的原理,自己成功编译出了一款比较满意的显IP显隐身的QQ2008贺岁版本,以满足自己工作和学习的需要.下面我来谈一下显IP显隐身的基本原理.

happy5856的专栏 2315

vivado使用自带IP核和创建自己定义的IP核

转 vivado使用自带IP核和创建自己定义的IP核 任务:使用vivado自带IP和创建IP 目的:学会使用Vivadao相关的IP组件 步骤: 1.使用自带IP 工程创建好之后,选择IP Catalog。软件就会列出自带的,自带的IP核有很多种,选择自己需要的,可以直接查找。此处选择FIFO作为例子。 选择好IP核之后,选中并双击就会弹出IP核配置窗口,例如下图中FIFO的配置页面,有ip名...

sinat_15674025的博客 9330

利用php创建小图片并利用邮件获取IP

很久之前看的一篇文章,这两天打算沉下心,从php入手,好好学习、分析一下有关网络安全的知识。 第一步:创建需要访问的php页面 &amp;amp;amp;amp;amp;lt;?php header(&amp;amp;amp;amp;quot;Content-type: text/html; charset=utf-8&amp;amp;amp;amp;quot;); header('Content-Type:image/png');

tutu123456789101112的博客 438

显ip图片签名php,php实现图形显示Ip地址的代码及注释

这篇文章主要介绍了php实现图形显示Ip地址,有需要的朋友可以参考一下。使用图形显示Ip,文件 sunip.php 代码如下:header("Content-type:image/gif");$im=imagecreate(130,15);$background_color=ImageColorAllocate($im,255,255,255);unset($ip);if($_SER...

weixin_39733821的博客 169
上一篇: 你知道为什么zip始终不兼容rar吗?
下一篇: qemu 的 win98 plus 镜像
freexploit
博客等级 码龄22年 315粉丝 778原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 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