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
5.3k累计阅读
5.3k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
1、安装Perl；
2、下载OpenSSL并解压到e:/work/openssl；
3、启动VS command prompt控制台；
4、cd e:/work/openssl
5、perl Configure VC-WIN32 --prefix=d:/openssl
6、ms/do_ms.bat
7、修改ms/nt.mak和ms/ntdll.mak
去掉CFLAG定义中的/WX。（/WX表示treat warning as error，该开关会导致openssl无法编译）
8、执行编译
nmake -f ms/nt.mak install <-- Static Library
nmake -f ms/ntdll.mak install <-- Dynamic Library
注意：
如果跳过第7步，会导致编译错误。如下：
./crypto/cversion.c(105) : error C2220: warning treated as error - no 'object' file generated
飞腾+麒麟sp1-openssl1.0.0资源包
从麒麟v10自行提起的4个文件libssl1.0.0，libcrypto.so.1.0.0，libncurses.so.5，libtinfo.so.5
编译 openssl 0.9.8zc 出现 error C2220: warning treated as error - no 'object' file generated
remove the /WX option from CFLAG 转载于:https://www.cnblogs.com/john-h/p/6984382.html
从“盲控”到“预见”：聊聊永磁同步电机负载观测器（PMSM Load Observer）如何让控制更丝滑
本文深入探讨了永磁同步电机负载观测器（PMSM Load Observer）如何通过前馈补偿和转动惯量辨识技术实现智能抗扰控制。从传统‘盲控’到预见性调节，负载观测器显著减少转速波动和能耗，提升系统响应速度。文章详细解析了观测器算法架构、工程调参技巧及前沿发展趋势，为电机控制领域提供实用解决方案。
openssl编译运行出错
openssl编译的代码目录下面有两个动态链接库，复制过去即可。
车辆TBOX科普 第69次 TBOX行业发展趋势与就业前景深度解析
TBOX技术革新驱动汽车智能化发展 Telematics BOX（TBOX）正快速从车辆状态监控器进化为整车智能核心，市场年增速超25%，2025年规模将达150亿美元。技术呈现四大革新方向：5G与V2X集成实现多模通信网关，支持10-20Gbps高速传输；多模GNSS融合定位精度达厘米级，北斗系统提供独特优势；边缘计算架构使TBOX具备本地AI处理能力，减少95%数据上传；硬件安全模块(HSM)成为标配，满足EVITA标准的安全需求。这些技术突破正重塑TBOX架构，使其从单纯通信管道升级为智能网联汽车的关
VIVADO网表文件DCP和EDF
为了便于模块化设计，同时保护自己的知识产权，Xilinx VIVADO 提供两种代码封装方法：DCP文件和edf文件。
Ubuntu10.10源码编译安装OPENSSL
由于工作需要，需要使用OPENSSL进行加密通信，需在开发环境下安装OPENSSL，进行技术储备，以备后续使用。 从OPENSSL官网下载最新的OPENSSL源码包后，进行解压，进入OPENSSL目录后。开始安装。依次使用以下命令： 1. ./config --prefix=/usr/local/openssl shared
Windows Server 2008 R2装不上VMware Tools？别急，手动安装驱动补丁的保姆级教程来了
本文提供了Windows Server 2008 R2手动安装VMware Tools驱动补丁的详细教程，解决驱动签名验证失败问题。通过获取特定补丁文件、创建安装介质、挂载虚拟机并安装补丁等步骤，帮助用户顺利完成VMware Tools安装，提升虚拟机功能与性能。
编译openssl-1.0.0l
一、环境
网工、运维利器：MobaXterm，一款全能的远程工具
你好，这里是网络技术联盟站，我是瑞哥。是一款由Mobatek开发的多功能远程计算机管理工具，集成了多种网络协议和工具，专为网络工程师和系统管理员设计。它提供了丰富的远程连接功能，包括SSH、RDP、VNC、X11转发等，支持文件传输和多标签界面，内置了文本编辑器和多种网络工具，是一款全能的远程管理软件。MobaXterm的开发起始于2008年，最初只是一个简单的X服务器，但随着用户需求的不断增加和软件的逐步完善，MobaXterm逐渐发展成了一款功能全面、界面友好的远程管理工具。
9.6华为OD机试真题 新系统 - 仓储货物有序出库 (Java/Py/C/C++/Js/Go)
9.6华为OD机试真题 新系统 - 仓储货物有序出库 (Java/Py/C/C++/Js/Go)
如何编译openssl的早期版本的共享库，如openssl 1.0
如果编译老版本openssl共享库，.so文件，openssl1.0
3. LangGraph快速入门
本示例中，我们将使用 Claude Sonnet 4.5 模型，并定义加法、乘法、除法工具。# 定义工具@toolArgs:"""@toolArgs:"""@toolArgs:"""# 为大模型绑定工具图的状态用于存储消息和大模型调用次数。LangGraph 中的状态在整个智能体执行过程中保持持久化。使用带的Annotated类型可以确保新消息追加到现有列表，而不是替换列表。模型节点用于调用大模型，并决定是否调用工具。return {],
交叉编译openssl-1.0.0
openssl版本号是openssl-1.0.0.tar.gz 交叉编译器版本：arm-gk720x-linux-uclibcgnueabi- 1.解压 tar xvf open-1.0.0.tar.gz 2.进入openssl目录 cd openssl-1.0.0 3.创建安装目录 mkdir _install (该目录名自定,交叉编译器后面有横杠(-)) 4.配置 ./config no-asm shared no-async --prefix=$PWD/_install --cross-compile
15、电科院FTU检测标准学习笔记-基本性能
作者简介：本人从事电力系统多年，岗位包含研发，测试，工程等，具有丰富的经验在配电自动化验收测试以及电科院测试中，本人全程参与，积累了不少现场的经验。
VC中sqlite的使用
在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示
Makefile基础学习
makefile
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")
windows如果快速安装OpenSSL（懒人安装）
随便下载一个好了，反正都是exe的，建议还是下载和自己电脑匹配的。安装完成之后配置一下环境变量。把openssl安装路径bin的路径（例如 C:\OpenSSL-Win64\bin）加入到操作系统的系统环境变量Path中。OpenSSL是一个功能丰富且自包含的开源安全工具箱，提供一系列的开发组件，提供出来的API可供使用。在命令中输入 openssl version ,验证是否安装成功，出现下图中的版本信息，表示自己安装成功了。（一定要重启哈，别偷懒，国外的软件大多都要重启电脑，这个我有血的教训）
温度PID控制PLC程序
温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值
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。
ubuntu20 编译与安装 OpenSSL-1.0.0
是配置文件目录，另外建议安装两次，shared 作用是生成动态连接库。rm -rf /etc/ssl #删除配置文件。编译与安装 OpenSSL。
Windows下openssl的下载安装和使用
安装openssl有两种方式，第一种直接下载安装包，装上就可运行；第二种可以自己下载源码，自己编译。下面对两种方式均进行详细描述。 一、下载和安装openss 方法一：直接使用openssl安装包 Window 的openssl的安装包的下载地址为： http://slproweb.com/products/Win32OpenSSL.html 一般在安装openssl之前还需要vs的一些
Openssl安装（仅win10超详细）--超快捷
Openssl安装（仅win10超详细）
go build 报错--C source files not allowed when not using cgo or SWIG: cpu_gccgo_x86.c
go build 报错--C source files not allowed when not using cgo or SWIG: cpu_gccgo_x86.c
Windows下Openssl1.0.0d安装以及编程
/**************************************************************************************************** Windows下Openssl1.0.0d安装以及编程 按照这个来一定可以正确使用安装，保证不会有错 2011/8/30 *********************************
openssl 1.0.0编译
win32下编译openssl 1.0.0 1) 下载openssl 1.0.0 http://www.openssl.org/source/ 2）下载ActivePerl http://www.activestate.com/activeperl/downloads 3) 进入openssl home目录 cd v:\openssl\openssl-1.0.0 安装
windows下安装openssl的两种方式
windows下按装openssl第一种第一种 因为工作需要第一次接触openssl，中间踩得坑实在是太多了。最后也算放弃了那种安装方式原则了一个比较简单的。 第一种 第一种就是网上平常的说的方法，先下载 ActivePerl 5.24.3：https://www.activestate.com/activeperl/downloads 版本随便找一个就行，安装的时候默认就好，看网上的博客有安装路...
win10安装openssl
下载了openssl-1.1.0f.tar版本，按照网上的步骤老是在执行 ms\ms_do的时候失败，看这个目录下确实没有这个文件，折腾了好久。最后选择openssl-1.0.0s版本，按照如下步骤安装： VS2013中编译openssl的步骤和使用设置一.VS2013中编译openssl的步骤版本号:openssl-1.0.1e 1.下载 OpenSSL http://www.openssl.o
version“openssl_1.0.0”not found 解决办法
编译的时候提示缺少openssl1.0.0，记录问题解决办法如果你也遇到这个问题，请注意避雷，大概率缺少的是的库，而不是1.0.0。OpenSSL官方的决定是：“1.0.x 系列直到才并改名为：libssl.so.1.1。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
170
扫一扫
