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
400+累计阅读
490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
cd D:/DevKit_mingw64
ruby dk.rb init
ruby dk.rb install
gem install jekylljekyll new myFirstSite
cd myFirstSite
jekyll serve告别手动核对！用这个ABAP报表一键导出所有物料的库存与需求清单
本文介绍了如何通过定制化ABAP报表一键导出SAP系统中所有物料的库存与需求清单，整合MD04、MB52、ME2N等多个事务码的数据，大幅提升供应链管理和生产计划效率。该报表可自动生成包含库存状态、MRP需求、采购订单等关键指标的物料全景视图，帮助企业减少手工操作错误，节省时间成本。
Windows 端安装jekyll
github中的page功能支持将代码库中的文件以静态网站的形式展示。支持jekyll框架下的网站转换。jekyll有很多网站模板，点击进入jekyll主题网站，选好主题模板后，只需要修改post里的文章即可在主页上看到文章了。post里的文件支持html格式，也支持makrdonwn格式。本篇是用makrdown写的。我的github的地址https://yybingyybing.github.io/ 在写完文章后，文章里多少可能会有问题，防止上传到github后出错，反复调试麻烦，可以在本地搭一个jek
Ubuntu服务器通过IPV6端口转发搭建幻兽帕鲁私服实战
本文详细介绍了在Ubuntu服务器上通过IPV6端口转发搭建幻兽帕鲁私服的完整教程。针对只有公网IPV6地址的服务器环境，提供了从硬件检查、端口转发工具配置到游戏服务器安装的全流程解决方案，帮助玩家轻松实现多人联机游戏体验。
Windows10下搭建jekyll环境
Win10下安装jekyll搭建个人博客 前言 几年前看到网上大神自己搭建的个人博客网站，就想过搭建一个属于自己的个人博客网站，为此还专门去研究了建站所需技能，但是购买了域名和云虚拟主机后由于其它事情又一直放着不了了之了。前不久看到了可以利用Github Pages 搭建自己的博客网站，就更想把一直放着的这件事做了。 Github Pages 是面向用户、组织和项目开放的公共静态页面搭建托管服务，...
宜搭,高级认证实操2,FaaS连接器指导教程
找到FaasEntry.java将如下代码整体替换,注意引包。如图所示在util下新建EDSUtil.java代码如下。回到连接器界面点击右上角测试-->测试。连接器工厂-->新建FaaS连接器。保存-->前往云IDE开发。返回如图所示代码,部署成功。
STM32实战篇：使用USART发送/接收数据
在发送字符时也可以直接使用其对应的ASCLL码，例如： USART_SendData(USART1, 0x61);
jekyll安装(windows 10)
折腾了很久，参照了网上各种教程，最后还是各种出错，各种问还是不行。最后，狠下心把之前安装好了的文件全删了，重头来过！！最后……我居然找到了更简单的办法(到目前为止，我还没有找到像我这样安装jekyll的)！！！！在这里分享给大家，希望对大家有帮助！1.首先去官网下载一个带devkit的rubyinstaller,下载链接：https://rubyinstaller.org/downloads/注：...
解放双手：用KUKA示教器白键一键触发复杂工艺，自定义你的快捷指令
本文详细介绍了如何利用KUKA示教器的工艺白键功能，通过自定义快捷指令一键触发复杂工艺，显著提升自动化产线效率。文章涵盖UserTech技术栈解析、KRL脚本封装、人机交互视觉工程及工业实战策略，帮助工程师实现机械臂操作的高阶优化。
Jekyll本地环境搭建
本文记录下自己笔记本搭建本地jekyll环境的步骤，方便日后查阅、部署。一.ruby环境由于jekyll是用ruby语言写的一个静态网页生成工具，所以要搭建jekyll本地环境就需要先配置好ruby环境。 去官网下载ruby：http://rubyinstaller.org/downloads/，我选择的是Ruby 2.0.0-p598 (x64) 下载后一路next，安装好后会自动添加环境变量
SAP SD 顾问面试问题 consultant interview questionnaire
以下是我个人目前面试团队 SD顾问问题的小结，希望对大家有所帮助， 也可能有回答错误的地方，希望同行不吝赐教。 也希望各位顾问们讲你们遇到的一些面试问题做个跟贴，方便大家共同进步，谢谢。 面试问题清单： 一、销售订单类型影响： 可用性检查，交货类型，输出，信贷，定价，需求，报表，合作伙伴，文本，不完整日志，交货开票，订单开票，公司间开票，统计组，屏幕顺序组，参数文件...
ERROR conda.core.link:_execute(502): error occurred while installing conda-forge::setuptools 解决方案
本文主要介绍了ERROR conda.core.link:_execute(502): An error occurred while installing package mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge::setuptools-65.5.1-pyhd8ed1ab_0.FileNotFoundError(2, 系统找不到指定的文件。, None, 2) 解决方案，希望能对新手有所帮助。 文章目录 1. 问题描述 2. 解决方案
安装Jekyll（Windows）
一、安装 Ruby 下载安装：http://rubyinstaller.org/downloads/ 安装时勾选“Add Ruby executables to your PATH” 二、安装 DevKit 1.下载DevKit 安装包并安装 http://rubyinstaller.org/downloads/ 2.初始化config.yml 文件 命令行进入...
MATLAB基础应用精讲-【强化学习】Actor - Critic 算法（附python代码实现）
这种架构结合了策略梯度方法（Policy - Gradient Methods）和价值函数估计方法（Value Function Estimation Methods）的优点。在强化学习中，智能体（Agent）需要通过与环境（Environment）的交互来学习最优的行为策略，以获得最大的累积奖励（Cumulative Reward）。
Windows环境下的jekyll本地搭建
一、配置ruby环境 由于jekyll是用ruby语言写的一个静态网页生成工具，所以要搭建jekyll本地环境就需要先配置好ruby环境。 1）去官网下载Ruby：https://www.ruby-lang.org/zh_cn/downloads/，可以是安装包类型，也可以是解压版的。 2）如果是安装版，则默认会给你配置系统环境变量，如果是解压版的，则需要自己配置系统环境变量。虽然本人...
ssm框架搭建
这个是一个在idea上成功跑起来的ssm框架项目，保存在这里方便以后使用直接下载
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")
使用jekyll写博客
一、安装Ruby环境 从 https://rubyinstaller.org/downloads/ 下载 Ruby2.X的最新安装包，最好是带DEVKIT的，不建议下载3.X的，因为有些theme还不支持3.X的版本。 二、修改更新源 为了解决gem install以及bundle慢的问题，建议先更新源： 修改gem更新源 gem sources --add https://gems.ruby-china.com/ --remove https://rubygems.org/ gem sources -
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，
Jekyll在windosw环境部署心得
开始学习Jekyll，由于英文不好，光是部署Jekyll环境就遇到了很多问题，一一记录下来，希望能帮助到其它人少走一些弯路。 在学习安装和部署Jekyll的过程中，我也遇到了一些非常好的帖子，推荐一下，也帮助了我很多. 一步步在GitHub上创建博客主页 好了，现在开始，可能部分内容与上面帖子里面有重复，为了详细记录并快速帮助新手，建议先看看上面的帖子。 准备工作
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
本地jekyll突然不能正常工作，遇到的问题全可以在这个文章中找到答案。
搞不清怎么回事，前两天Jekyll本地环境还是好的，可是，今天打开，发现不正常了，报各种错误。 奇怪，难道jekyll，python，ruby 这几个软件自动更新了，很是不解。 然后就先根据错误找原因，没解决。最后把软件全部卸载，参考下文从新搭建，可以了。 地址： 使用Github Pages建独立博客（二） 时间 2014-04-06 18:06:38 segmentfault-博客
在Windows下安装Jekyll
1）首先安装ruby：https://rubyinstaller.org/downloads/ 这里要注意，不要安装最新的版本，安装有配套DevKit的版本，如2.3.3（x64） 同时下载DevKit，解压到自己的目录，比如D:/DevKit 2）从启动ruby的命令行，Start Command Prompt with Ruby 执行如下命令： >cd D:/DevKit >rub
安装jekyll遇到的一些问题
2019独角兽企业重金招聘Python工程师标准>>> ...
[jekyll] 乱码问题invalid byte sequence in GB2312
这里是windows下 使用1.4.3版本时候出现的问题。 问题1 I:\git\orangle.github.io>jekyll serve --watch Configuration file: I:/git/orangle.github.io/_config.yml Source: I:/git/orangle.github.io Destinat
ruby 安装库时出现的一些问题
在使用ruby安装jekyll时出现了一个错误 ERROR: Error installing jekyll: The 'fast-stemmer' native gem requires installed build tools. 错误原因是因为少安装了一个工具的插件, 解决方法: 到 http://rubyinstaller.org/downloads/
Jekyll serve 报错
windows上好不容易安装好jekyll，公司x64机器上可以，自己笔记本上，运行同一份代码就出问题了。没办法，解决呗。 cannot load such file -- hitimes/hitimes (LoadError) C:/Ruby22/lib/ruby/2.2.0/rubygems/core_ext/kernel_require.rb:54:in `require': cannot
Jekyll教程——精心收藏
以前总想搭建一个自己的个人网站，由于不懂php后台，所以在点点网开过自己的博客，后来慢慢向程序员转变，点点网的博客已经不能满足这个职业特定的需求，于是用worldpress搭建了自己的第一个网站，鼓捣过几天worldpress，从购买域名空间，修改空间域名解析，添加模板，修改模板，了解了worldpress的强大之处，但是鼓捣玩了worldpress之后，没有了写文章的动力，也没有用足够的时间来管...
node.js、git、bootstrap等安装配置
纯记录 一，安装node.js 1 官方网址 http://nodejs.org/ 点击install 下载node-v0.10.22-x86.msi 2 安装，修改安装目录到d盘，一路next，无他 3 测试，打开node.js command prompt 输入node -v 命令行输出 v0.10.22 安装完成 二，安装git 1
windows环境下安装jekyll
jekyll是一个简单的免费的Blog生成工具，类似WordPress。但是和WordPress又有很大的不同，原因是jekyll只是一个生成静态网页的工具，不需要数据库支持。本文主要讲解如何在windows安装jekyll。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
467
扫一扫
