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
1.6k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
12月20日16:45消息，金山软件今天下午正式宣布，雷军因健康原因辞去总裁兼CEO职务，同时留任执行董事、董事会副主席及战略委员会主席。董事会主席求伯君将出任代理CEO。
（新浪网）一回家，打开网页，居然头条便是上面的消息（我的网页设的是新浪科技网）．不免想起刚刚学习计算机的一些情形，就不提了．想以前，第一次接触这雷军这个名字还是学习五笔打字，随着对wps的一些简单的了解，才知道了金山这个名字．前不久，看到金山上市，为雷军鼓掌，8年抗战终于有了结果了，而用雷军自己的话说，就是：＂终于可以不再回答金山什么时候上市这个烂问题了＂．而如今，也真只有引用求伯君的评价来结束这篇小短文了:＂鞠躬尽瘁，功在金山＂。
告别手动改图！用Python+PyWin32驱动SolidWorks，实现参数自动化修改（保姆级避坑指南）
本文详细介绍了如何利用Python和PyWin32驱动SolidWorks实现参数自动化修改，提供从环境配置到API连接的工业级解决方案。通过实战案例和避坑指南，帮助工程师高效搭建自动化脚本工作流，显著提升设计效率。
天使投资人雷军
天使投资人雷军 一．雷军何许人也？ 前金山公司总裁兼CEO 现金山软件副董事长 二．雷军投资的三大历程 2005年开始尝试，投资多玩游戏网站； 2007年从金山出来后，修养生息，顺便做投资； 2010年创办小米科技； 三．投资的钱来自何方？ 1．卖掉卓越网的交易中获得1亿-2亿元收益； 2．每年还能从金山获得5000多万元的分红； 四．投资哪些项目？ 1.手机浏览器：UCWEB； 2.移动社区：乐讯； 3.资费通； 4.多玩； 5.凡客诚品； 6.小米科技； 五．雷军做天
电磁阀的符号解读
先数方框数量定“几位”（工作位置数 ）；数接口数量（P、A、R等 ）定“几通”；看箭头、截断符号，结合常态位（弹簧侧/中间位 ），分析通电/断电时的通路切换；字母（P、A、R ）、线圈（单/双电控 ）、弹簧（复位 ）辅助确认功能（如NO/NC对应常态通断 ）。不同厂家符号细节（如编码、线圈画法 ）有差异，遇到陌生符号，建议结合产品手册、品牌规范核对，就能精准读懂电磁阀的“语言”啦~
雷军投资原则
欢聚时代将成为“雷军系”公司里的第一家上市公司。当初投资的100万美元，将升值超过200倍。如今，雷军所投资的凡客诚品、欢聚时代、拉卡拉、UC优视等企业，均已成为各自行业里排名数一数二的企业。有媒体估测，“雷军系”的公司估值约150亿至200亿美元。 什么样的火眼金睛，让雷军能发掘到这些优质项目？ 金山软件董事长 小米科技董事长兼CEO 投资企业：凡客诚品、拉卡
多模态RAG实战：为LLM装上视觉之眼，实现图文混合文档智能问答
检索增强生成（RAG）技术通过结合外部知识库，有效缓解了大语言模型（LLM）的幻觉问题，并扩展了其知识边界。其核心原理是将文档切分、向量化后存入向量数据库，在问答时通过语义检索召回相关上下文，辅助LLM生成更精准的答案。这项技术的核心价值在于，它为大模型应用提供了一种低成本、高效率的知识注入与实时更新方案，广泛应用于智能客服、知识库问答、文档分析等场景。随着应用深入，纯文本RAG在处理产品手册、学术论文、设计图纸等富含视觉信息的文档时面临瓶颈。本文聚焦的**多模态RAG**和**视觉理解**技术，正是为了解
保姆级教程：用Labelme标注车辆关键点，并一键转成YOLOv8-pose训练格式
本文提供了一份详细的车辆底盘关键点标注教程，从使用Labelme进行标注到一键转换为YOLOv8-pose训练格式的全流程指南。特别针对工业检测和自动驾驶场景，分享了标注规范、格式转换脚本及常见问题解决方案，帮助开发者高效准备训练数据并优化模型性能。
小米CEO雷军的烦恼：遇周鸿祎挑衅
雷军是现任金山软件公司董事长，（前优视科技公司董事长，前金山公司总裁兼前CEO），雷军于1992年加入金山软件，1998出任金山软件首席执行官。在他的领导下，金山软件进一步将应用软件扩展至实用软件、互联网安全软件及网络游戏等领域，并在金山的全面互联网转型的过程中做出了重要贡献。2007年，金山软件上市后，雷军卸任金山软件总裁兼首席执行官职务，担任副董事长。 2011年7月，雷军出任金山软件董事长
SAP UI5 主题设置全解析：从启动参数到运行时切换、跨域白名单与事件监听
SAP UI5主题体系深度解析：从配置到切换的完整指南 摘要：SAP UI5主题机制远不止CSS换肤，其工程化实践涵盖启动配置、运行时API切换、跨库路径映射及安全管控等关键环节。通过bootstrap标签或URL参数设置初始主题，运行时可用Theming.setTheme无刷新切换。自定义主题需配置theme-roots路径，跨域加载需声明sap-allowed-theme-origins白名单。主题切换完成后会触发applied事件，适合执行视觉同步操作。该体系支持多品牌适配、集中式主题管理，在Fior
雷军40岁低潮岁月做了什么，才有小米
“小米是我不能输的一件事，我无数次想过怎么输，但要真是输了，我这辈子就踏实了。” 来 源 | 创业家（ID：chuangyejia） 作 者 | 雷晓宇 昨天（8月10日）雷军的演讲刷屏，他回顾了自己曾因股票破发，被一位投资人在会议室训得汗湿衬衣，感到绝望，以及被苹果副总裁当众嘲讽的过往。 如今，小米已经超越苹果，成为全球第二大的手机厂商，雷军也是过去十年中国新经济最具代表的创业者、企业家之一。 一位创投圈大佬告诉和牛商业（ID：heniucaijing）说，11年前...
Dify 第 2 篇 Dify 插件离线安装
Dify是一个支持插件扩展的AI平台，其插件市场提供5种类型插件（模型、工具、Agent策略、扩展、插件包）。由于默认pip安装速度慢，可通过dify-plugin-repackaging工具将插件转换为离线包（使用阿里云镜像加速）。该工具提供两种方式：1）自备Python环境执行脚本；2）使用Docker环境（推荐）。脚本支持从Dify市场或GitHub下载插件，并重新打包为含依赖的离线包，便于通过"本地插件"方式快速安装。
【tio-websocket】15、学习tio的第1步—tio-study
tio-study 是用于学习 t-io 的示范工程，tio-study 是入门 t-io 最好的方式！tio-study 工程演示的是一个典型的 TCP 长连接应用工程，分为 server（服务端） 和 client（客户端） 工程，server 和 client 共用 common（公共模块） 工程
IT风云人物 雷军
IT风云人物 雷军 雷军 金山总裁兼CEO 姓名：雷军 籍贯：仙桃 公司：金山 职位：总裁兼CEO 毕业院校：武汉大学 出生年月： 1969年2月 经历 1969年12月16日出生于湖北仙桃市。 1991年，毕业于武汉大学计算机系，获得理学学士学位，并于1998年受聘武汉大学荣誉教授。合作著有《深入DOS编程》、《深入Windows编程》等书...
基于Verilog的8位CPU设计及UART扩展实现方案，包含完整的架构设计、核心代码实现和仿真验证方法
基于Verilog的8位CPU设计及UART扩展实现方案，包含完整的架构设计、核心代码实现和仿真验证方法
速度与激情：雷军和小米手机的三国杀
佩服此君，人生如此，还有何憾？ http://www.sina.com.cn/2011年08月30日08:28《创业家》杂志 天使投资人雷军第一次真正创业，豪华团队，高调亮相。“小米是我不能输的一件事，我无数次想过怎么输，但要真是输了，我这辈子就踏实了。” 文/本刊记者 雷晓宇 从商业逻辑上看，小米公司还有待验证。从人性逻辑上看，雷军创业小...
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")
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
从雷军谈小米中的一些思考
这阵子雷军和小米手机相当的火，偶然看到雷军的访谈，相当收益，写下从中学到的东西。 说来惭愧，近来之前自己对雷军这人还真是不怎了了解，只知道它是金山的老板，想不到它还是个非常成功的天使投资人，这几年还倒腾了好几家非常不错的工资。具体可见： 雷军是现任金山软件公司董事长，（前UC优视公司董事长，前金山公司总裁兼前CEO），雷军于1992年加入金山软件，1...
蓝牙模块HM-10手册
蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。
从“仙桃少年”到“雷神”：10分钟精读雷军
此后的六个月里，这个曾经每天工作十六个小时的“中关村劳模”，天天蹦迪，要靠震耳欲聋的音乐来掩盖内心的崩溃。雷军的底气，很大程度上来自他那堪称“豪华”的创始团队：林斌是谷歌研究院的副院长，洪锋是Google高级工程师，黄江吉是微软工程院首席工程师，黎万强是金山软件人机交互设计总监，周光平是摩托罗拉北京研发中心总工程师，刘德是顶级设计院校ArtCenter毕业的工业设计师。但这一次，在一场直播中，雷军又说了一段话，可能最接近答案：“我觉得努力不是万能的，这句话我是到了40岁才明白的。他写的代码，直接进了教材。
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
雷军与周鸿祎：两个九头鸟的战争
一场智能手机的口水大战将雷军和周鸿祎推到风口浪尖。有一句俗话叫“天上九头鸟，地上湖北佬”，来形容湖北人的精明、睿智。 小米科技董事长兼CEO雷军、奇虎360董事长周鸿祎同是湖北人。雷军1969年12月16日于湖北仙桃，一个教师家庭；周鸿祎1970年10月出生于黄冈蕲春，父母是测绘工程技术人员。 18岁，雷军考入武汉大学，周鸿祎则保送到西安交通大学。那时，硅谷热风靡全球，有两本书影响了同在大学的
沃尔玛中国前CEO陈文渊将出任百事亚太区CEO；山姆再次下调近百种畅销单品价格 | 美通企业日报...
今日看点百事公司(PepsiCo, Inc. )宣布任命陈文渊为亚太区、澳大利亚、新西兰和中国（简称“亚太区”）的首席执行官，负责百事公司在该地区的所有业务。陈文渊将于2020年6月15...
[转]速度与激情：雷军和小米手机的三国杀
从商业逻辑上看，小米公司还有待验证。从人性逻辑上看，雷军创业小米顺理成章。雷军今年42岁。尽管雷军早已成为雷军，但他尚未成为他最想成为的那个人。现在，他有一个机会，如果成了，将是中国第三家百亿美元级别的公司。如果你是雷军，你会做吗？有另外六个疯子，他们的答案是肯定的。 雷军：四十岁生日 雷军看到一个百亿美元的成功机会，他不会放过。那不仅是他成就梦想的机会，也是他治愈心结的药。 200...
雷军：技术立业 金山要向Google学习
历经磨难的金山终于成功上市，融资数亿港元，但雷军并没有为此刻的成功所陶醉，他心中想的更多的仍旧是走技术立业之路，让金山成为一家世界一流的软件公司。 10月9日，金山公司正式在香港主板挂牌上市，股票代码为“3888.HK”。金山公开发售的股份获99倍超额认购，预计集资6.261亿港元。金山股票一上市就受到股民追捧，开盘3.9 港元，很快就超过5港元，涨...
听见丨小米否认明年IPO 雷军曾暗示2025年前不上市
外媒：小米考虑2018年下半年上市 最可能在香港 据The information报道，知情人士透露，全球最大的智能手机制造商之一小米，正就最早于明年下半年首次公开募股（IPO）与银行展开洽谈。报道称，香港是最有可能的上市地点，但不排除在纽约上市，也不能确保公司将推进IPO。 小米否认明年IPO 雷军曾暗示2025年前不上市 据新浪科技报道，针对近日外媒报道的小米最早于明
2018 中国互联网哈哈榜之「十大 CP」
作者 | 刘兴亮本文经授权转自刘兴亮时间（ID：liu_xingliang）在互联网江湖中最有趣且最有看点的，还属江湖人物。相对于单个人物来说，组合更有看点，所以这篇文章...
雷军：小米今年最重要的战略是开心就好
去年小米手机出货量超7000万台，连续七个季度稳居国内第一 雷军：小米今年最重要的 战略是开心就好 小米从2010年初创至今，已经迎来第六个年头。经过五年的发展，小米已不只是一家手机厂商。小米手环、iHealth智能血压计、智能插座等等经过小米模式改造的传统产品已经进入用户的生活。对于小米本身来说，也在五年间不断实现进阶。去年，小米全品类生态模式形成、开...
小米公司七位创始人简介
小米公司由雷军创办，共计七名创始人，分别为创始人、董事长兼CEO雷军，联合创始人总裁林斌，联合创始及副总裁黎万强、周光平、黄江吉、刘德、洪锋。5 Y F, ^# C- b4 |% U* L ! f7 ]( L1 w5 C9 \" \% s' [; j 雷军# r. o) l9 W/ `8 G2 d 现任金山软件公司董事长，雷军于1992年加入金山软件，1998出任金山软件首席执
“我们把WPS做好 可是谁给我们钱?”
2007年10月12日 00:40:00 金山1988年成立，面对盗版和微软的双重挤压，和我们同期的通用软件公司能活到现在的，已经很少，能够上市的只有金山一家经过一个多月的全球路演奔波，金山(3888.HK)昨天终于成功在香港证交所主板上市。金山上市第一天收于5港元，相比3.6港元的发行价上涨39%，共融资6.261亿港元。昨天上午，刚刚花了2个多小时给金山全体员工写了
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
741
扫一扫
