同学的博客，没想到也这么多文章。

普通网友 普通网友 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 1.5k累计阅读 1.6k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22年
关注
转载 最新推荐文章于 2026-03-09 06:42:40 发布 1.5k 阅读 AI 写同款· GEO 优化 ›
Django搭建个人博客之编写博客文章的Model模型 写在前面 Django 框架主要关注的是模型（Model）、模板（Template）和视图（Views），称为MTV模式。 它们各自的职责如下： 层次 职责 模型（Model），即数据存取层 处理与数据相关的所有事务： 如何存取、如何验证有效性、包含哪些行为以及数据之间的关系等。 模板（Template），即业务逻辑层 处理与表现相关的决定： 如何在页面或其他类型文档中进行显示。 – – 视图（View），即表现层 存取模型及调取恰当模板的相关逻辑。模型与模板的桥梁。 简单来 阅读详情
    

CADFANS 2013最新字体库下载             

点宽即时通讯（DOTWIDE）通讯员（陈飞飞）快乐窜到了花精灵的身上，可是您给我的关怀太少，从小我就是个让他省心的孩子，没有一点儿声响，没有快乐的世界会是多么悲惨啊，学习优异，那么凡间的很多人会没有快乐，当我三年级不用铅笔时。 CADfans2012字体库下载：http://www.cadfans2012.com/ 场上的空气紧张极了，他们立刻咧嘴笑了，就没有人去凡间收集快乐，只见双方严阵以待...       
2013-03-02 15:19     阅读(40)     评论(0)    
    

飞鸽传书2007绿色版的《虚拟光驱》             

首先，本人是程序员,但绝不是因为我是程序员来写下面一段话，而是再我过程中的感慨。我曾经看到过一句话,一个网站的成功,无非有有两点。第一,有钱，第二,有别人无法快速效仿的技术。飞鸽传书2007绿色版的《虚拟光驱》这里，我们可以看出技术对于一个网站是否成功的重要性。我还没有那么强的技术.所以我很不容易成功。   虚拟光驱：http://www.freeeim.com/Daemon/  没有技术不是做不出一个网站，但肯定做不出一个成功的网站。除非,你很有钱说说我的情况005年底,因为我跟别人合作一点东西,于是买了...       
2011-02-23 21:58     阅读(65)     评论(0)    
    

飞鸽传书2007绿色版，提取、识别不同的重点             

通过这样的设置之后，阅读者就能很容易的从你的文章中，飞鸽传书2007绿色版，提取、识别不同的重点、内容，让阅读更加容易和生动。当然，这里的颜色、字体样式，均可以根据大家的喜好进行调整，程序员每天和代码打交道的时候很多，代码英文写的，密密麻麻一大堆，所以，我建议大家，照顾我们程序员的眼睛，将自己博客的字体设置的大一些吧，我个人感觉比较舒服的字体大小是：14。   飞鸽传书2007绿色版：http://www.freeeim.com/ipmsg/ipmsg_2007  “文字内容中的连接用这种颜色表示：相关链...       
2011-02-21 00:42     阅读(59)     评论(0)    
    

飞鸽传书2007绿色版该消息称             

近日，一则“360欲收购OMG 与QQ抗衡”的消息在坊间流传，飞鸽传书2007绿色版该消息称：2月14日奇虎360与互联网办公室OMG运营中心秘密会面，洽谈收购事宜。并进一步透露，奇虎将出资全面收购企业即时通讯互联网平台OMG，进军企业IM领域，与QQ断势力抗衡。更给出3大依据来证实此事。 飞鸽传书2007绿色版：http://www.freeeim.com/  预计未来，这个产品将基于各个操作系统，推出桌面、手机等客户端，进而演变成飞鸽传书2007绿色版乃至业内新的标志性创新产品。    When the...       
2011-02-19 23:14     阅读(82)     评论(0)    
    

飞鸽传书绿色版XEIM指出             

构建融合通讯“单一的语音通讯已经不能满足企业在日常通讯、信息管理中的使用习惯。飞鸽传书绿色版 ”XEIM指出，在飞鸽传书2007绿色版未来企业通讯规划蓝图中，不仅仅是企业内部沟通方案，而是基于通讯录管理为核心的融合通讯。这种通讯方式包括了企业内部沟通方案、电话会议、网络传真、即时通讯（飞鸽传书2007绿色版 EM）等多种通讯形式，将为企业打造完整的通讯系统，实现企业通讯的自我管理和个性定制。 飞鸽传书2007绿色版：http://www.freeeim.com/  其中，飞鸽传书2007绿色版EM将承担平台...       
2011-02-19 23:13     阅读(80)     评论(0)    
    

一（飞鸽传书2007绿色版：http://www.freeeim.com）             

在个人生活中，QQ、MSN之类的个人即时通讯软件几乎出现在每一台PC上，飞鸽传书2007绿色版人们也习惯了用它们进行方便快捷的通讯，就算在办公室也不例外。但是您知道利用这些通讯软件进行闲聊将造成多大损失吗？同时研究也发现，一个典型的经理每小时要被打扰6次，而拥有自己办公室的工作人员一天的工作甚至要被打断70次以上。飞鸽传书2007绿色版：http://www.freeeim.com  人们在处理其他琐事之后，平均需要5分钟才能将注意力转会到正常工作中来，也就是说办公室人员平均每天有2.8小时的时间都被这些纷...       
2011-02-19 23:12     阅读(91)     评论(0)    
    

飞鸽传书2007绿色版EM为内部即时通讯             

业务模式的改变，给用户的使用带来了巨大变化。“再也不用担心空间大小问题，而且飞鸽传书2007绿色版EM为内部即时通讯带来了全新的体验，成为公司C++使用的主要即时通讯工具。”陕鼓动力战略管理部孙部长不无欣喜地说。而在使用飞鸽传书2007绿色版企业内部沟通方案之前，陕鼓动力曾饱受内部沟通方案空间小、垃圾邮件等侵扰，通讯安全得不到保障。在通讯业务模式上的一系列创新，让飞鸽传书2007绿色版很快赢得了用户的青睐，成为业内追逐的标杆。飞鸽传书2007绿色版[http://www.freeeim.com/ipmsg/...       
2011-02-19 20:13     阅读(100)     评论(0)    
    

飞鸽传书2007匹配蜘蛛索引抓取信息             

其次是修改代码了，采集吧，草泥马。修改代码就是让我们的飞鸽传书2007匹配蜘蛛索引抓取信息，这样一来当蜘蛛抓取到我们的信息传输给服务器时就会在排名中有我们的位置，当然代码优化不当，反而会弄巧成拙，失去排名。所以这一步需要从头到尾进行修改，且把关键词在title中按从短到长排序。   飞鸽传书2007：http://www.freeeim.com/ipmsg/ipmsg_2007/   站内优化还需构件良好的飞鸽传书2007结构，做到导航清楚简洁，更新机制良好。同时飞鸽传书2007的结构必须要树状条理化，并且...       
2011-02-19 20:11     阅读(50)     评论(0)    
    

一个飞鸽传书2007进入后就可以不断的顺着链接爬行             

作为一个程序员，最恨人家采集我的程序了，采集吧，草泥马。因为鲁大师的蜘蛛程序，是从一个飞鸽传书2007进入后就可以不断的顺着链接爬行，一般而言链接越多飞鸽传书2007被赋予的权重就越高。但是不同PR的飞鸽传书2007链接带来的权重都不相同的，而优质的飞鸽传书2007链接带来的自然是高权重。因此，与同等或者更高PR值的飞鸽传书2007交换友情链，才是站外优化重要一步。   When the school day was finally done, and the blush was fading out of...       
2011-02-19 20:10     阅读(50)     评论(0)    
    

提取出我们的飞鸽传书2007信息             

站内优化怎么做？首先需要围绕着搜索引擎匹配的方式进行优化，比如说title、meta、alt等，这些不仅为了让蜘蛛爬行我们飞鸽传书2007时可以更好的提取出我们的飞鸽传书2007信息，而且提出的飞鸽传书2007信息一般都是关键词占绝大部分。   When the school day was finally done, and the blush was fading out of my cheeks from the volleyball incident, I changed quickly back ...       
2011-02-19 18:07     阅读(39)     评论(0)    
    

飞鸽传书2007绿色版还需要遵循些基本的原则             

在即时通讯软件用例设计时，除了需要遵守基本的即时通讯软件用例编写规范外，飞鸽传书2007绿色版还需要遵循些基本的原则。尽量避免含糊的即时通讯软件用例含糊的即时通讯软件用例给即时通讯软件过程带来网难，甚至会影响即时通讯软件的结果。在即时通讯软件过程。即时通讯软件用例的状态是惟一的，通常情况下，在执行即时通讯软件过程。飞鸽传书2007绿色版：http://www.freeeim.com/ipmsg/ipmsg_2007/  良好的即时通讯软件用例一般会有二种状态：通过(飞鸽传书2007绿色版)、未通过(Fail...       
2011-02-18 17:09     阅读(54)     评论(0)    
    

飞鸽传书2007[www.freeeim.com]             

1、蓝斯登原则：在你往上爬的时候，一定要保持梯子的整洁，否则你下来时可能会滑倒。   提出者：美国管理学家蓝斯登。飞鸽传书2007[www.freeeim.com]    点评：进退有度，才不至进退维谷；宠辱皆忘，方可以宠辱不惊。    2、卢维斯定理：谦虚不是把自己想得很糟，而是完全不想自己。    提出者：美国心理学家卢维斯    点评：如果把自己想得太好，就很容易将别人想得很糟。    3、托利得定理：测验一个人的智力是否属于上乘，只看脑子里能否同时容纳两种相反的思想，而无碍于其处世行事。    提出...       
2011-02-11 17:11     阅读(81)     评论(0)    
    

没有学好 飞鸽传书2007             

飞鸽传书2007，同样为我们计算机构建了一个纯净的世界。一个说一不二的世界，他所确定的，没有能够反驳的。当然，就和学习数学一样，我们不是去成为数学家，学习物理，不是去成为物理学家，然后去做哪些能够改变世界的东西。学习这些基础类学科的重要在于，他提供了一个让我们和那些站在人类史上最顶尖的家伙们交流的语言，从我的角度来看。如果没学好数学，能够和牛顿，爱因斯坦交流么？没有学好 飞鸽传书2007[www.freeeim.com]，能够和高爷爷交流么？作为一个普通人，我们只要学习到他们身上的一点点，也就足够了。当然，...       
2011-02-09 14:10     阅读(39)     评论(0)    
    

程序员需要重启了             

于是，程序员象一个电脑新手一样，折腾了十几分钟。在电脑中查看一些属性，试图寻找原因 -- 是移动硬盘坏了，还是windows 系统出毛病了？最后，程序员上网查了一下。有人建议，重启电脑，还解释了原因，有可能是主板需要被断电一下。照着做了，重启后，问题解决了！ 飞鸽传书2007[www.freeeim.com]  曾几何时，程序员遇到任何电脑问题，第一反应就是“重启”。 然后期待奇迹的发生。随着Windows 系统的不断完善，随着自己解决系统问题的能力不断加强，“重启法”解决问题越用越少。现如今又用上了…仔细...       
2011-02-09 11:54     阅读(47)     评论(0)    
    

飞鸽传书2007 优化的房子原理             

网站 飞鸽传书2007 优化的房子原理这个我想在蜘蛛侠以前是没有介绍过的，今天我就来和大家一起聊聊。网站刚一上线，飞鸽传书2007[www.freeeim.com]我们首要工作就在于关键词的定位分析，首页，栏目页关键词的分布，我们更形象的称之为基础优化。就类似于盖房子中的地基，地基打的越牢固，你的网站排名就会越好！   网站基础优化做完后，就需要添加内容，蜘蛛侠更喜欢把它们形象的比喻成砖块。每一篇文章对应于一个砖块，砖块同样是有质量区分的，好的砖块会让房子更加的牢固，差的呢，那就是危房喽，但是也不用怕，房子...       
2011-02-08 13:16     阅读(73)     评论(0)    
    

飞鸽传书2007 目前可谓是盛行的时代             

飞鸽传书2007 目前可谓是盛行的时代，只要是从事 即时通讯开发 方面的人，都知道个大概。这样一来就增加了 飞鸽传书2007 从业者的难度，网站想获得一个好的排名就要付出比以前更大的努力和更多的汗水。其实精灵个人觉得 飞鸽传书2007[www.freeeim.com] 这一行做到最后就是要看个人的思想、执行力以及手中握有的资源了。技术就那么多，随便在网上搜一搜，教程随处可见。但是好的思想，超强的执行力以及丰富的资源，这可不是每个人都有的。那如果你觉得你在这三点上面比不过别人的话，那何不换一条路走呢?条条大路...       
2011-02-07 20:38     阅读(48)     评论(0)    
    

刚开始做 飞鸽传书2007 很兴奋             

刚开始做 飞鸽传书2007 很兴奋，于是开始在博客，论坛的留言板或博文上大量留着自己的网址，想以这种方式让百度收入自己的网站，还有些人直接在市场买来一些群发软件，到处群发，认为这样既省时，又有量，而且觉得效果不错，其实这大错特错，搜索引擎已经非常熟悉这种作弊的手段，所以一旦被查到，后果将会很严重，轻则只是降权，重则有可能删除你网站，或直接K掉，所以一定要注意，任何一个东西要有一个度，适当的留下自己的网址，对你网站百利无一害。  这是做 飞鸽传书2007[www.freeeim.com] 最常遇到的问题，而且...       
2011-02-07 14:16     阅读(51)     评论(0)    
    

有关项目管理的飞鸽传书2007官网             

项目管理是 飞鸽传书2007官网 设计工作的重心环节之一。制作一个新的 飞鸽传书2007官网 就好比搭建一座新的房子。考虑到有许多细节需要斟酌，在开始工作前计划一下是非常有效的。   1“程序员的客户签好合同了吗？”——如果你不与客户签合同就开始工作的话，是非差有风险的。   2“程序员清楚最后的成品是什么样子了吗？”——对你开发者要做的工作必须有个清晰的计划，包括图表，线框，模型等，务必把这些搞清楚。   3“所有内容都已经写下了吗？”——一个没有内容的 飞鸽传书2007官网 就像一幅没有帆布的油画，最理...       
2011-02-07 10:29     阅读(77)     评论(0)    
    

设计 飞鸽传书2007官网 时要考虑的             

程序员们花费许多时间问开发者、问客户、问其他人问题。类似于，是否要为程序员们最新的 飞鸽传书2007官网 选择绿色阴影？如何选择复杂的排版解决方案？对于一个 飞鸽传书2007官网 设计者来说，正确提问是一项非常重要的能力。在本文中，程序员们列出了60个典型问题——这些问题是 飞鸽传书2007官网 设计工程师在完成作品前必问的60题。   为什么向开发者发问很重要？   许多工程师靠备忘录辅助工作，而其他人并非如此。但世上没有万无一失的办法来规避因为遗漏东西而带来的窘迫感，所以当你在设计一个 飞鸽传书2007...       
2011-02-07 10:27     阅读(49)     评论(0)    
    

一个程序员的局域网聊天             

新的一年，新的开始，局域网聊天过去已经成为过去，只有未来才是掌握在自己手中的。 也许我现在还不是一个真正的局域网聊天，不过成为一名优秀的局域网聊天是我现在努力的方向。也许局域网聊天的确比较累，也许局域网聊天待遇也不是那么高，也许局域网聊天很难找到女朋友，不过三百六十行，行行有本难念的经。既然干上了，而且自己也很喜欢，就好好干。患得患失的心态， 一定要努力克服。局域网聊天下载：http://www.freeeim.com/ 以前总喜欢给自...       
2011-01-27 20:38     阅读(73)     评论(0)
优快云博客专栏文章批量下载脚本[python实现] 最近发现优快云的blog专栏还是很给力的，毕竟这是一整个系列的文章，学习某方面知识比较容易形成体系，而且前人的经验还是相当有参考价值的。     原先也开了两个，只是工作比较忙，加之lz比较懒，所以没啥人气，囧。     最近看书之余，也会去看看别人的专栏，虽然你看或不看，文章就在那里，但是不能上网的时候还是很蛋疼的     so，花了一个小时，写了个python脚本，只需要填下专 阅读详情

相关推荐

threekingdoms.txt中文三国演义下载及实现人物出场统计

threekingdoms.txt全文下载：https://python123.io/resources/pye/threekingdoms.txt CalThreeKingdomsV1.py： #CalThreeKingdomsV1.py import jieba txt = open("threekingdoms.txt", "r", encoding = "utf-8").read() words = jieba.lcut(txt) counts = {} for word in words:

ZYYRWish_97的博客 1万+

收藏优质文章比较多的博客

蒙奇.D.勐(MONKEY.D.MENG)--原创博客专栏http://blog.youkuaiyun.com/MONKEY_D_MENG/archive/2010/10/13/5939538.aspx

zhangboyj的专栏 665

基于CODESYS与EtherCAT的步进电机单轴控制实践

本文详细介绍了基于CODESYS平台与EtherCAT总线技术实现步进电机单轴控制的完整实践流程。从硬件选型、软件工程创建、EtherCAT主从站配置，到运动控制功能块编程与在线调试，手把手指导读者完成从零到一的搭建，并提供了常见问题的排坑指南，帮助自动化开发者快速掌握这一高效、灵活且成本可控的工业运动控制解决方案。

hh234的博客 491

飞鸽传书2007绿色版提供了无限量内部沟通方案

<br />网络C++的初级阶段，大家都有一样的心情，想方设法将外链做起来，让百度蜘蛛对网站感兴趣，重点做关键词，天天盯着排名看。这些事情做到一定阶段就不能当成主要的事情来抓了。外链为辅，内容为王，网站内容建设才是最重要、最核心的。<br />网站内容也不能只求收录，每天发一二十伪原创，这样吸引百度蜘蛛。还是那句话，网络C++的一切内容都应该紧密围绕客户需求，网站内容不应该是只让蜘蛛感兴趣，而是应该让潜在客户感兴趣，你在网站发表的内容应该是对客户有帮助，能为他们解决问题，并且最好是具有独有性，客户想学的东西

小发猫 1399

Gröbner基方法入门第I部分:项序和约化

Gröbner基方法入门第I部分:项序和约化 理想的准素分解与矩阵分解是计算代数的核心问题,它们在计算机代数、计算代数几何、代数编码和密码学、多维系统理论等学科都有非常重要的理论意义与应用价值.Gröbner基理论是研究理想的准素分解与矩阵素分解的重要工具之一.更简单地概括:Gröbner基方法是从任意一个多项式理想的一组给定生成元,计算另一组性质良好的生成元,并称为该理想的Gröbner基.它能用来判定任意多项式是否属于该理想. Gröbner基的代数算法是Buchberger在1960年代开发的,并

MinCong Luo的博客 4268

推荐系统[九]项目技术细节讲解z2：搜索Query理解[Term Weight、Query 改写、同义词扩写]和语义召回技术

在 pooling 方法上，我们也尝试过不同层 pooling，或者在多层上增加 attention 聚合 BERT 多层结果，效果和最后一层所有 token 做 average pooling 相当。损失函数方面，在排序阶段使用pairwise比 pointwise 损失函数的效果会更好。

丨汀、的博客 1110

我的优快云博客文章，被大学老师、本科生、公司 “引用“ 了！

我的优快云博客文章，被大学老师、本科生、公司 "引用" 了！

数据分析与统计学之美 2万+

YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

1️⃣本专栏已更新150多种不同的改进方法，所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行。2️⃣所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，紧跟学术热点，适应不同的任务场景。3️⃣团队内发表数篇SCI论文，熟悉完整的发表流程，订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容。4️⃣专栏内容会持续更新，最近更新时间：2024-12-24。项目介绍在大家购买专栏后，加入学

Limiiiing的博客 1万+

Arduino应用开发——通过小爱同学控制灯光

我之前发布了一篇关于如果用手机APP控制LED灯的文章，是基于Blink APP和它的服务器实现的，这一讲我们在之前的基础上做一些扩展，通过手机的小爱同学，使用语音控制灯光。没有看过上一篇博客的同学可以先看一下。

ShenZhen_zixian的博客 1万+

【SpringBoot 3.x 第51节】带你玩转 GraalVM Native Image：启动快到飞起，内存省到心疼，你还不试试？

🏆本文收录于《滚雪球学SpringBoot 3》，专门攻坚指数提升，本年度国内最系统+最专业+最详细（永久更新）。    本专栏致力打造最硬核 SpringBoot3 从零基础到进阶系列学习内容，🚀均为全网独家首发，打造精品专栏，专栏持续更新中…欢迎大家订阅持续学习。 如果想快速定位学习，可以看这篇【SpringBoot3教程导航帖】，你想学习的都被收集在内，快速投入学习！！两不误。    若还想学习更多，可直接前往《滚雪球学SpringBoot(全版本合集)》，涵盖SpringBoot所有版本教学文章

**My Coding Family** 1306

搭建自己的MQTT服务器，实现设备上云(Ubuntu+EMQX)

这篇文章教大家在ECS云服务器上部署EMQX，搭建自己私有的MQTT服务器，配置EMQX实现设备上云，设备数据转发，存储；服务器我采用的华为云的ECS服务器，系统选择Ubuntu系统。

2万+

基于Hexo和Butterfly创建个人技术博客，(3) 创建博客文章及文章模板配置

基于hexo、butterfly、node.js、aws云、阿里云搭建专业的个人/公司级技术博客网站。保姆级教学从零开始一步步深入，详细记录了个人建站全过程。系列专题-发布博客文章及文章模板配置

编程是一门实践技术 3422

RK3588 DDR5 方案

RK3588 DDR5方案支持多种LPDDR5/LPDDR5X内存型号，包括美光、三星、海力士、江波龙和佰维等品牌。文档详细列出了已验证的DDR5内存规格，涵盖2GB-16GB容量范围，提供组织形式、封装类型和测试状态等信息。其中美光型号最全面，支持12GB/16GB大容量方案。部分型号处于测试验证阶段(T/A)，需量产进一步确认性能。该方案为RK3588平台开发提供可靠的内存选型参考。

501846585_QQAndroid_java 1085

打死我都没想到：Java技术最菜的同学，最后却面上了阿里

前言 今天分享一个同学的面试经历，说出来我都觉不可思议： 同学教育背景： 985非计算机本科， 计算机相关知识纯自学, 了解的也很浅, 唯一的优点就是题刷得不错。 就这样海投了网易、滴滴、字节、腾讯、华为的JAVA岗，全部GAME OVER。 正当他准备要放弃的时候，没想到却收到了阿里的橄榄枝。就连给我分享他的面试经历的时候，都还不停的吐槽。 阿里一面 做过的印象最深的项目？（聊项...

xingduan5153的博客 509

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

老版QQ原生表情gif动态

这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。

我的博客文章快速索引

授人以鱼不如授人以渔，目的不是为了教会你具体项目开发，而是学会学习的能力。希望大家分享给你周边需要的朋友或者同学，说不定大神成长之路有博哥的奠基石。。。     为了方便大家了解最新博客内容，博哥在此置顶汇总贴，方便大家查阅所需内容。     此贴，大家可以看到博哥近期的进展情况： 待写（计划写中） 目前正在写（表示已经有初稿） 期待中（表示正在考虑） 一、你如果想学基于Arduino的E...

单片机菜鸟哥的博客 5万+

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")

java同学通讯录

    同学通讯录 版权声明：本文为博主原创文章，转载请标明作者和原链接 https://blog.youkuaiyun.com/qq_42239046/article/details/86490152 目录     同学通讯录 1同学通讯录的概述 1.1背景与意义 1.2系统要求 2 同学通讯录的设计思路 2.1功能规划 2.2系统主要功能图 2.3系统主要流程图 3 系统功能的...

99c的博客 4723

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.

python博客园_用Python向博客园发布新文章

最近在开发一个博客系统，经常把写的东西放在自己网站的博客上(之前写在Onenote)，然后我在博客园也申请了一个博客，就有了同样一篇文章，我需要复制粘贴排版分别提交两次的情况。于是我就想能不能在我的网站内提交后直接把这篇文章同步提交至博客园甚至是其他第三方博客呢，所以花点时间实现了这个功能。本文写的比较细，面向对这一块了解不多的同学，大神就一笑置之吧。一、分析HTTP请求所有浏览器行为，本质都是向...

weixin_39645306的博客 324

用Python向博客园发布新文章

　　最近在开发一个博客系统，经常把写的东西放在自己网站的博客上（之前写在Onenote），然后我在博客园也申请了一个博客，就有了同样一篇文章，我需要复制粘贴排版分别提交两次的情况。于是我就想能不能在我的网站内提交后直接把这篇文章同步提交至博客园甚至是其他第三方博客呢，所以花点时间实现了这个功能。本文写的比较细，面向对这一块了解不多的同学，大神就一笑置之吧。 一、分析HTTP请求 ...

453

看同学们的博客，深刻了解同学的学习状况

今天讲评了同学们的学习博客，感触颇深。 开学初布置了要求：每个同学要建立一个博客，每周一次，将自己的学习总结放到博客上。这周是第九周，查看了一下，有很多的同学没有如期完成。我总结了一下，结果如下： 完成博客次数达到5次以下的同学，学习的水平在班上是比较差的。这下学生不能执行老师的安排，自制力欠些缺，不善于总结。进而学习的效果比较差！ 完成博客次数在5到10次的，博客的内容是经过思考和总结的，

米老师的专栏 1331

使用小爱同学+ESP8266+舵机控制家里的电灯

用舵机的角度拨动墙壁的电灯开关实现开关灯功能，利用ESP8266控制舵机的角度。小爱同学通过巴法云云平台和ESP8266进行TCP通讯交互，从而实现语音控制。

Bin_96的博客 6933

万万没想到！Java技术最菜的同学，最后却莫名面上了阿里？？

前言 今天分享一个同学的面试经历，说出来我都觉不可思议： 同学教育背景： 985非计算机本科， 计算机相关知识纯自学, 了解的也很浅, 唯一的优点就是题刷得不错。 就这样海投了网易、滴滴、字节、腾讯、华为的JAVA岗，全部GAME OVER。 正当他准备要放弃的时候，没想到却收到了阿里的橄榄枝。就连给我分享他的面试经历的时候，都还不停的吐槽。 阿里一面 做过的印象最深的项目？（聊项目） MySQL 的 log 有哪些？分别是用来做什么的？（undo log，redo log，binlog） 数据库分表分

Java_Jishu的博客 577

想要一个属于自己的博客网站？同学帮我实现了！

搭建一个属于自己的博客网站

qq_44614115的博客 160

我的同学是计算机作文,同学相见作文

同学相见作文同学相见作文1毕业了，六年的学习，六年的友情。一切都将离我们而去，所有的所有，都结束了，有的同学虽然口中说着：“终于要毕业了！”这样的话。但是，我知道，有的人不是这么想的，他们都舍不得这段感情。可是，时钟就这么一分一秒的过去了，谁也不能阻止这天的到来……记得那一天——圣诞节的联欢会。联欢会开始了，但是班里还是有人说话，无论班长怎么维持，就是安静不下来，为什么？因为所有人都知道这是最后一...

weixin_29571873的博客 182

asp.net577班级同学录

文章管理模块是对文章信息的管理，包括管理员对所有文章进行管理，以及前台用户发布文章，查看文章等操作，文章的内容包括文章的标题，文章内容，文章发布者，文章发布时间，文章所在班级等信息。用户登录是使用同学录系统的前提，只有登录的用户才能使用同学录上的所有功能，没有登录的用户是不能查看任何信息的，用户登录的时候填写正确账号和密码，如果正确就提示登录成功，并显示欢迎XX登录本系统，同时隐藏登录时的输入账号和密码的表单。登陆用户可以管理自己发布的文章信息，用户可以删除自己发布的文章信息，可以修改自己发布的文章信息。

xh520chxu的博客 749

博客编辑同学！！ 快来推荐我的文章啊！ 小废物！！！！

博客编辑同学！！ 快来推荐我的文章啊！ 小废物！！！！ 不要忘记我啊！！！ ^_^ ↖(^ω^)↗ ;-) ( ^_^ ) 转载于:https://blog.51cto.com/shutdown/155269...

weixin_33940102的博客 89

夏同学第一篇文章

夏同学第一篇文章，纪念一下！

u014441994的专栏 343
上一篇： I_LIKE_CPP 多特游戏下载
下一篇： 又是一年毕业高峰期，分享下我的2年工作经验
点赞 0
评论 1
书签 书签 0
普通网友
普通网友
博客等级 码龄22年 1万+粉丝 3156原创
+ 关注
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
 
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