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
300+累计阅读
397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. 下载 Pidgin 的源代码包 pidgin-2.1.1.tar.bz2 （官方最新的版本）。
wget http://jaist.dl.sourceforge.net/sourceforge/pidgin/pidgin-2.1.1.tar.bz2
2. 安装编译 Pidgin 所需的依赖：
sudo apt-get install libgtk2.0-dev libxml2-dev gettext libnss-dev libnspr-dev
3. 解压源代码包
tar jxvf pidgin-2.1.1.tar.bz2
cd pidgin-2.1.1
4. 编译
./configure （建议使用 –help 查询需要用到的参数）
make
sudo make install
从BIOS到路由器：深入拆解SPI NOR Flash的硬件连接与‘芯片内执行’（XIP）奥秘
本文深入解析SPI NOR Flash的硬件连接与‘芯片内执行’（XIP）技术，从BIOS到路由器的应用场景出发，详细介绍了其架构精髓、典型连接方案、时序设计及性能优化方法。通过实际案例和参数对比，帮助开发者掌握NOR Flash在嵌入式系统中的关键作用与设计技巧，提升电路设计效率与可靠性。
单位内网安装pidgin
pidign软件在windows和银河麒麟系统的安装与通信
CD-HIT的使用
继续我的生信笔记系列。从某网站的附带文献中读到该工具，搜索了一下，发现网上的大佬们都在讲如何用它去冗余，相对官方页面的介绍而言很是片面，于是刚好有聚类的需求的我准备对其全体功能做做实验，学习一下由李伟忠博士在伯纳姆研究所（现为桑福德伯纳姆医学研究所）亚当·戈兹克博士的实验室开发的牛工具。 首先是官方介绍： CD-HIT是一个非常广泛使用的程序，用于蛋白质或核苷酸序列的聚类和比较。最初由李伟忠博士在伯纳姆研究所（现为桑福德伯纳姆医学研究所）亚当·戈兹克博士的实验室开发，CD-HIT速度非常快，可以处理非常
pidgin的安装
需要的安装文件： pidgin2.1.1 源代码压缩包，可从http://www.pidgin.im/ 官方网站上 nspr-4.4.1 nss-3.9安装过程： cd %pidgin_dir% 为了让pidgin支持msn，需要用到nspr和nss这两个lib库下面设置一下相关的参数和配置 ./configure --help,查看相关的nspr和nss的设置
告别代码移植烦恼：STM32CubeMX 6.4.0 + STM32F407ZGT6 + YT8512C PHY芯片的LWIP网络配置全攻略
本文详细介绍了如何使用STM32CubeMX 6.4.0配置STM32F407ZGT6与YT8512C PHY芯片的LWIP网络适配，包括硬件特性解析、STM32CubeMX基础配置、专用驱动适配和LWIP协议栈定制化配置，帮助开发者解决PHY芯片差异导致的网络问题。
FreeRTOS笔记（十五）FreeRTOS总结
文章目录01 - 裸机和FreeRTOS区别1.1 - 裸机1.2 - FreeRTOS1.3 - 区别02 - 对FreeRTOS的感受03 - 推荐 上一文链接：FreeRTOS笔记（十四）[简] 软件定时器、事件组、任务通知 01 - 裸机和FreeRTOS区别 学完FreeRTOS，应该要自己总结一下FreeRTOS和裸机的区别，宏观上说，FreeRTOS是一个运行在裸机上的微内核，...
linux 中使用的im软件pidgin，可以使用msn、qq,安装使用步骤。
系统：redhat enterprise 5经常用linux系统，但没有qq、msn的通讯方式多少有点不爽，因为很多朋友、很多技术都通过即使通讯交成的。使用linux系统最多的莫过于redhat了，原来一直用的是lum...
嵌入式开发避坑指南：用DWT做延时函数，这几个细节不注意代码会跑飞
本文深入探讨了在Cortex-M嵌入式开发中使用DWT实现精确延时函数的关键技巧与常见陷阱。针对DWT_CYCCNT计数器应用中的内核兼容性、溢出处理、编译器优化等五大核心问题，提供了工业级稳健解决方案，帮助开发者避免代码跑飞风险，实现微秒级高精度延时控制。
ubuntu pidgin 安装命令详解
1、卸载旧版本的Pidginsudo apt-get remove pidgin pidgin-data libpurple0 2、下载Pidgin源码包到这里下载Pidgin 2.4.1.tar.bz2 : http://pidgin.im/download/source/解压出来得到pidgin-2.4.1文件夹3、检查/安装Pidgin编译环境sudoap
科研党福音：如何用Zotero+Paper Agent打造你的AI论文速递系统（附详细配置教程）
本文为科研工作者提供了一套利用Zotero和开源工具Paper Agent构建自动化AI论文速递系统的详细教程。该系统能基于用户在Zotero中的文献库智能学习研究兴趣，每日自动从arXiv等平台筛选、下载并深度解读最相关的前沿论文，生成个性化日报，实现从被动接收到主动精准获取的知识工作流重塑。
6、深入解析Microsoft 365核心服务对比与迁移策略
本文深入解析了Microsoft 365的核心服务，包括身份和设备管理、现代设备配置体验、Exchange和SharePoint的迁移策略以及Microsoft Teams的协作功能。同时探讨了迁移过程中需要考虑的安全控制措施，为组织规划和实施云迁移项目提供了全面的指导和建议。
ubuntu8.10下编译安装pidgin2.5.1
今天由于更新ubuntu 8.10beta系统，发现pidgin怎么也启动不了了，重装了几次都不行，一启动就报“段错误 code dumped”，所以想试试通过编译源代码方式来安装pidgin2.5.1.1、首先确保将旧版本清除掉，也可以通过在控制台输入命令：sudo apt-get remove pidgin pidgin-data libpurple0 来检查当前环境。2、下载pidgin2.
福建公共资源交易平台 portal-sign与响应Data解密逆向实录
本文分析了福建公共资源交易电子公共服务平台的接口加密机制。通过抓包和代码分析，发现请求头中的portal-sign由MD5算法生成，包含固定秘钥和排序后的参数拼接。响应数据采用AES-256-CBC加密，需使用特定Key和IV解密。文章详细介绍了签名生成规则、参数处理流程及加密常量定位方法，为接口对接提供了技术参考。整个过程展示了如何通过逆向工程还原前端加密逻辑，最终实现脱离浏览器环境的纯协议调用。
ubuntu14.04 安装pidgin-lwqq
一、安装编译所需的库。sudo apt-get install build-essential cmake pkg-config libcurl4-openssl-dev libsqlite3-dev libmozjs185-dev libev-dev libglib2.0-dev libpurple-dev二、由于lwqq与pidgin-lwqq两个包已经分离，所以需 分别编译安装。 首...
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)
迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)
Ubuntu-安装pidgin及QQ插件
只介绍Ubuntu下的安装方法： 1.添加源： sudo add-apt-repository ppa:lainme/pidgin-lwqq 2.更新 sudo apt-get update 3.安装QQ插件 sudo apt-get i
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")
Ubuntu安装pidgin及QQ插件
只介绍Ubuntu下的安转方法： 1.添加源： sudo add-apt-repository ppa:lainme/pidgin-lwqq 2.更新 sudo apt-get update 3.安装QQ插件 sudo apt-get install libpurple0 pidgin-lwqq 4
锂电池充电器电路设计 里面有电路
锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。
ESP32隐藏IQ采样通路：低成本嵌入式SDR实现方案
软件定义无线电（SDR）是现代无线感知与边缘频谱分析的核心技术，其本质在于通过高速ADC对射频信号进行数字化采样，并以数字方式完成下变频、滤波与解调。IQ采样作为SDR的关键基础，能完整保留信号的幅度与相位信息，支撑频谱监测、射频指纹识别、数字信号解调等高阶应用。传统SDR方案依赖专用芯片（如AD9361）和复杂驱动栈，成本高、功耗大、部署难。而ESP32凭借其集成RF前端与可编程ADC，在特定调试寄存器控制下，可激活一条未文档化的物理旁路通道，实现2MHz实时带宽的IQ数据流捕获——这使其成为超低成本、超
linux怎样编译安装pidgin,如何在Ubuntu中通过编译源码包安装软件Pidgin
首先，通过Ubuntu“菜单－＞添加／删除”或者是Ubuntu新立得软件包管理程序(通过搜索pidgin卸载已经安装的相关文档)删除老版本的Pidgin.然后使用下面命令配置相关编译环境：sudo apt-get build-dep pidgin接下来下载源码包并解压，打开终端，通过cd命令进入源码包解压的目录；运行./configure配置编译环境，如果成功，最后会有个“complete”并请运...
linux怎样编译安装pidgin,Ubuntu 10.04编译安装Pidgin-2.7.3整个过程
Ubuntu 10.04下编译安装pidgin-2.7.3整个出错过程以及解决方案，点这里下载Pidgin-2.7.3，先解包，可以用右键解压，然后开始配置，我把目录放在了usr/lib里，整个过程不断出错。./configure -prefix=/usr/lib/pidgin-2.7.3从这里出错开始configure: error:The intltool scripts were not f...
ubuntu11.10 安装pidgin qq
用过几次 ubuntu 都又换回win7了 ，这次换了 想尝试用下去。 遂开始搜集各类常用软件 。。QQ，毫不例外 算是必须品 那个qq for linux 烂的够呛，遂没心思用之，偶搜网上 ，看到pidgin qq 就开始尝试装，费点劲最终终于装上了。 首先先安装pidgin软件 ubuntu软件中心就有 安装完成之后。去 http://code....
Ubuntu下安装使用pidgin
一个Linux下支持多种聊天工具的软件。安装1. 从http://pidgin.im/下载；2. 解压：tar -jxvf **.bz2，进入安装目录；3. 编译&指定安装路径：./configure --prefix=~/program； 3.1. 出错，提示："You must have the GLib 2.0 development headers installed to buil
pidgin安装_如何在Ubuntu中禁用Pidgin通知
pidgin qqUbuntu notifications are great, but some applications can get annoying by popping up things you don’t care about. Here is how you can disable, or enable, specific notifications for Pidgin. U...
ubuntu7.04版本上安装pidgin2.0.1
本安装手册是在ubuntu7.04版本上安装1、修改sourcelist文件，加入cn99的源，注意备份原来的sourcelist2、升级内核：sudo apt-get update sudo apt-get upgrade，完成后重启系统。3、进行升级进行软件更新，更新完毕后重新启动系统。4、尽量使用apt-get进行包管理。否则会遇到意想不到的麻烦，特别对于初学者。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
492
扫一扫
