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
3.4k累计阅读
3.4k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
转自：http://chenjingbo.iteye.com/blog/1225141
具体的问题是这样的,我在eclipse编写java代码的时候新增一行,然后保存(个人习惯,基本做完一个操作就会习惯的按下ctrl +s),蛋疼的问题来了,光标自动移动到了最前面..然后我继续编写的时候只能每次都按n个tab键进行对齐以后,再编写代码..今天比较空,所以就来解决下.
按ctrl+s 以后
情何以堪!!一直google了好久,一直没找到原因,看了formatter和save action之类的设置,就是没找到.最后灵机一动,发现是不是帮我自动去除tab了..然后选择 show whitespace characters 一看,发现果然是如此!
找到原因以后,google就不困难了..终于发现我不知道什么时候装了一个AnyEdit Tools插件,里面自动去除了whitespace .最后解决的方法就很简单了..
DDR内存设计必看：DFI接口协议详解与实战避坑指南（附时序图解析）
本文深入解析了DDR内存设计中连接内存控制器与物理层的DFI接口协议，聚焦于DDR4/DDR5设计的实际痛点。文章详细阐述了协议版本兼容性、时钟架构（匹配频率与频率比系统）、PCB信号完整性设计以及上电初始化与调试等关键环节，为硬件工程师提供了一套从理论到实战的完整避坑指南，并附有时序图解析以助理解。
Eclipse用四个空格代替Tab键
Java代码规范中提到，tab其实是占8个字符，因此我们可以使用4个空格（4个字符）来代替tab，这样既减少了代码的存储大小，也提供了一种美观的代码。因此修改Eclipse的编码格式有助于我们不用改变我们的习惯而达到替换。具体步骤如下：编辑时，对tab的替换。Windows -> Preferences -> General -> Editors -> Text Editors，勾选上Insert
stm32cubeMX使用HAL库点亮LED流水灯
目录
eclipse 编辑时老是跳到行首问题解决方案
Eclipse -> Window -> Preferences -> General -> Editors -> Structured Text Editors -> Enable folding 把这项bai的勾去掉！
首个FDA认证开源医学影像AI平台Comp2Comp：从CT自动分析到临床部署全解析
深度学习模型在医学影像分析领域正成为变革性力量，其核心原理是通过卷积神经网络自动学习图像特征，实现精准分割与检测。这一技术价值在于将高度依赖医生经验的定性、主观判断，转化为高效、客观、可重复的定量分析，极大提升了诊断的一致性和工作效率。在应用场景上，医学影像AI已广泛渗透于疾病筛查、辅助诊断、预后评估及治疗方案规划等多个环节。本文聚焦于获得FDA 510(k)认证的开源平台Comp2Comp，它集成了主动脉钙化评分和椎体骨密度分析双任务，通过串联式的U-Net分割网络与目标检测模型，构建了从DICOM预处理
微处理器实验报告-实验四
实验四 可编程定时/计数器8253实验 一、实验要求 利用8086外接8253可编程定时/计数器，可以实现方波的产生。 二、实验目的 1、学习8086与8253的连接方法。 2、学习8253的控制方法。 3、掌握8253定时器/计数器的工作方式和编程原理
eclipse 用空格替换 tab键
本人用eclipse进行PHP项目开发，根据公司开发规范，要用4个空格替换掉tab键，在网上搜了好多，都不太全面，现在将详细的配置陈列如下： 窗口(windows)->首选项(preferences...)， 在左边选Java->代码样式(code style)->格式化
多节阶梯阻抗变换器工程设计的公式推导
多节阶梯阻抗变换器工程设计的公式推导，仔细看此文，有点烧脑，所以碎片十分钟，收获一丢丢。 现在就来设计一个超宽带多节阶梯阻抗变换器，要求带内纹波符合切比雪夫分布。 其实，此文已经是省去了大量中间公式推导，只剩下精炼内容了。 阶梯阻抗变换器指标需求 假设现在有一项目需求分析结果是：做一个微带线超宽带阶梯阻抗变换器，指标如下： 从50欧变换到100欧; 回波损耗22dB; 功率容量：2W; 频率范围2~18GHz; 插损能做多少就多少，用30mil板厚.
Eclipse中，去除空白行
再网上搜了一下，有一下集中方法 先贴上原帖，三篇： 一、Eclipse怎么设置自动删除空白行和语句后多余空格? http://www.jb51.net/softjc/425405.html 二、eclipse之快速去除空行与注释 https://jingyan.baidu.com/article/e75057f2c2ddeeebc91a89c2.html 三、Eclipse 去除
silvaco——GaN HEMT探索
上图为输出特性曲线 ，分别是在栅压为1v、3v、5v的情况下，可以看出在1v时器件处于截止状态，只有非常小近似于0的电流通过，随着栅压逐渐增大，沟道开启，产生漏极电流。上图为栅极漏电流曲线和转移特性曲线以及其提取的参数，可以看到阈值电压为=1.30249V，当栅压为0v时，Id=8.01032e-006，当栅压为5V时，Ig=3.11627e-006。albrct.n，低场迁移率模型，bn.albrct，an.albrct是albrct模型中的参数，可以由用户自己设定。lat.temp，晶格自热模型；
基于STM32L4XX、HAL库的 ATGM336H GPS定位模块驱动程序设计
/ 转换为km/h。// 定位状态: 0=无效, 1=GPS定位, 2=差分定位。// GPS解析数据。支持GPS/BeiDou/GLONASS/Galileo/QZSS多系统联合定位。// 回调函数(需要在HAL_UART_RxCpltCallback中调用)// 地面速度(km/h)// 海拔高度(m)
eclipse快捷键,光标飞起来
① Ctrl+Left/Right 向左或向右跳跃一个单词，这是解决横向光标定位速度问题最主要的快捷键！（特别对于喜欢写超过80个字符一行代码的人来说）需要配合使用同样用于同行光标定位的Home/End键 ② Ctrl+Home/End 到达文件底部，没啥好说的，大众型的快捷键，几乎所有的Windows下文本编辑器都支持这个键。解决光标纵向定位问题 ③ Ctrl+Shift+Up/Down
HarmonyOS应用开发者基础认证
B. 自定义组件：可复用的 UI 单元，可组合其它组件。D. 内置组件：ArkTS中默认内置的基本组件和布局组件，开发者可以直接调用，如Column、Text、Divider、Button等。E. 属性方法：用于组件属性的配置，统一通过属性方法进行设置，如fontSize()、width()、height()、color() 等。在Column和Row容器组件中，justifyContent用于设置子组件在主轴方向上的对齐格式，alignItems用于设置子组件在交叉轴方向上的对齐格式。
Eclipse设置TAB和编码
具体设置步骤如下： 1、打开选项：General -> Editors -> Text Editors 在右侧找到Displayed tab width: 把下面的“Insert spaces for tabs” 勾选上， 点OK保存之后，新建一个html文件输入几个tab键并按左右方向键移动光标测试一下， 发现原来的tab已经被替换成了4个空格字符。 但如果要...
win10 跳过U8环境检测的IE WebControls.rar
win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。
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")
【技术贴】Eclipse||Myeclipse tab缩进转换为空格教程
Eclipse设置软tab(用4个空格字符代替)及默认utf-8文件编码(unix) 首先设置文本编辑时候经常需要用到的Tab键缩进， 用4个空格字符来代替， 以确保用vi或vim打开的时候缩进的格式仍然正确。 具体设置步骤如下： 1、html文件改缩进方法，打开选项： Window->Preference->General->...
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
最实用的Eclipse热键
版权声明：本文可以自由转载，转载时请务必以超链接形式标明文章原始出处和作者信息及本声明热键往往是熟练掌握工具的标志，现在Eclipse是最流行的Java IDE，Eclipse的热键很多，我们没有必要记住所有的热键，现在我要说说Eclipse里必须掌握的实用热键，这些都是我每天敲打上百次的热键。首先是CTRL+S，很多人都有这么一个习惯，在写代码的时候，一旦停下来就会按一下CTRL+S，如果你没有
TMS_WebGMaps_1.9.8.0_Full_Source
TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder
Eclipse||Myeclipse tab缩进转换为空格教程
Eclipse设置软tab(用4个空格字符代替)及默认utf-8文件编码(unix) 首先设置文本编辑时候经常需要用到的Tab键缩进， 用4个空格字符来代替， 以确保用vi或vim打开的时候缩进的格式仍然正确。 具体设置步骤如下： 1、html文件改缩进方法，打开选项： Window->Preference->General->Editors->T...
Eclipse中，多参列表光标跳转至第2个参数快捷键，及其他常用快捷键
用eclipse写代码时经常会遇到这种情况，代码补全功能提供的参数列表，当我们输完第一个参数后，如何让光标快速移到第二个参数位置呢？ 其实按Tab键即可实现，亲测有效。 还有平时编辑代码时，如何让光标快速移到本行代码行首及行位呢？ 我们电脑上的Home、End键便可以实现。 另外eclipse代码注释快捷键有： 单行注释-------Ctrl + / 重按取消注释。 多行注释-------选定多行代码 + Ctrl + / 重按取消注释。或者 选定多行+shift+Ctrl+/ 。 取消注..
Eclipse快捷键
Eclipse快捷键自动补全类注释类光标位置调整类 自动补全类 Ctrl+Shift+O 自动补全Import Alt+/ 这个是自动补全语句的以下用A/表示 输入syso +A/ =System.out.println(); 注释类 Ctrl+/ 注释这一行(//),也可以取消这一行的"//"注释符 选中文本(蓝选)Ctrl + Shift +/ 注释选中文本() Ctrl+Shift+\ 快捷...
Eclipse/STS：Eclipse 最常用的快捷键
Eclipse中10个最有用的快捷键组合 今天博主将为大家分享一下Eclipse/STS：Eclipse 最常用的快捷键，不喜勿喷，如有异议欢迎讨论！ 通过快捷键的组合可以更加容易的浏览源代码，使得整体的开发效率和质量得到提升。 以下所写内容均与以前的文章有联系可以前往博文查看，陈永佳的博客 开始 ctrl+shift+r：打开资源 这可能是所有快捷键组合中最省时间的了。这组快捷键可以让你...
java设置tab转为空格_【技术贴】Eclipse||Myeclipse tab缩进转换为空格教程
Eclipse设置软tab(用4个空格字符代替)及默认utf-8文件编码(unix)首先设置文本编辑时候经常需要用到的Tab键缩进，用4个空格字符来代替，以确保用vi或vim打开的时候缩进的格式仍然正确。具体设置步骤如下：1、html文件改缩进方法，打开选项：Window->Preference->General->Editors->TextEditors在右侧找...
Eclipse设置软tab(用4个空格字符代替)及默认utf-8文件编码(unix)
Eclipse设置软tab(用4个空格字符代替)及默认utf-8文件编码(unix) 本文摘要： 1、如何配置Eclipse中编辑器支持softtab(用数个空格字符代替默认的tab缩进)； 2、如何配置Eclipse中编辑器默认支持Unix模式的Utf-8文件编码； -----------------------------------------详细内容如下--...
Eclipse或MyEclipse自动提示代码，自动添加注释设置，常用快捷键，空格代替tab键设置，设置utf-8编码格式
Eclipse中的一些非常有用，明显提高开发效率的小技巧：代码自动提示Eclips默认是当输入“.”的时候才会有代码提示，我们把“.“修改为“abcdefghijklmnopqrstuvwxyz.”，这样就开启代码任意输入的自动提示功能。Eclipse -> Window -> Perferences->Java -> Editor -> Content Assist...
Eclipse快捷键 10个最有用的快捷键
Eclipse中10个最有用的快捷键组合 一个Eclipse骨灰级开发者总结了他认为最有用但又不太为人所知的快捷键组合。通过这些组合可以更加容易的浏览源代码，使得整体的开发效率和质量得到提升。 1. ctrl+shift+r：打开资源 这可能是所有快捷键组合中最省时间的了。这组快捷键可以让你打开你的工作区中任何一个文件，而你只需要按下文件名或mask名中的前几个字母，比如app...
eclispe小问题
下载了一个新的eclipse for c++， 每次编辑保存，光标所在的行的末尾空格或Tab都会自动去掉，又得重新按Tab键，浪费时间，去掉这种附加功能： 在preference设置里面的save action页 去掉 Remove trailing whitespace这项，如图 eclipse每次手动编译都不会先自动保存文件，修改设置： 对源文件保存时自动执行编译： 在工程属性...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
330
扫一扫
