6.24 实训工作记录

最新推荐文章于 2025-10-07 15:04:28 发布

原创最新推荐文章于 2025-10-07 15:04:28 发布 · 519 阅读

0 ·

CC 4.0 BY-SA版权

今日工作

今天主要是优化了登录界面，根据后台数据库修改了一些注册的信息，将主页的功能布局完整，并写好与后台的交互指南:)写好前端主页的分页功能，根据后台使用框架使用了Django对应的分页功能。

下一步工作

明天想要找时间和后台同学共享屏幕进行一下前后端的功能链接，串好参数传递过程，以及分页的实现。通过写交互指南，感觉前后端交互还是有一些难度，毕竟学生端涉及到更多的交互功能。。。加油

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

qq_40912813

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

实训6.24:GUI学生信息管理系统

lisameal的博客

06-24

1834

应用程序类： package net.lcn.student.bean.app; import net.lcn.student.bean.gui.LoginFrame; import net.lcn.student.bean.gui.MainFrame; import net.lcn.student.bean.gui.RegisterFrame; /** * 功能：应用程序类 ...

Educode--卷积层和池化层的反向传播的实现

qq_57409899的博客

05-13

959

第1关：实现卷积层的反向传播任务描述本关任务：实现卷积层的反向传播。相关知识为了完成本关任务，你需要掌握：卷积层的反向传播。本实训内容可参考《深度学习入门——基于 Python 的理论与实现》一书中第5章的内容。卷积层的反向传播在之前的实训中，我们学习了卷积层的前向传播。我们知道，卷积层的前向传播通常先通过 im2col 操作将输入特征图转化成一个矩阵，其中矩阵的每一行对应于输入特征图在一个卷积窗口的所有通道内的数据，这样，卷积操作就被转化成了矩阵乘法。忽略掉偏置的计算（因为..

参与评论您还未登录，请先登录后发表或查看评论

java6.24上午实训总结

gettingi的博客

06-24

502

（9）按学号查询学生窗口FindStudentById

ubuntu中文实训手册

weixin_34186931的博客

11-22

227

http://people.ubuntu.com/~happyaron/udc-cn/lucid-html/http://www.apachefriends.org/zh_cn/xampp-linux.html虽然linux命令行很强大，但是界面操作的效率是它无法比拟的。目录课程概况目标对象和前提要求学生职责Ubuntu 课程计划教员职责总结1. Ubuntu 介绍关于开源自由软件运动、开源和...

微信小程序之微票前后端简易版+五天实训总结

weixin_30472035的博客

06-23

206

本文为本人原创，如需转载请注明出处！为期五天的实训结束了，其实算起来除去机房被占用顶多四天多一点。来给我们做培训的是优才学院（没有打广告的意思，本着实事求是的态度），老师很有耐心，确实学到很多东西。今天刚结束我想趁热打铁赶紧写一份总结，近两天总结完（明天考两门考研大科我怎能安心更博客啊！）。（代码都是自己照着老师的敲的依照个人喜好略有改动，数据库是老师给的，如果有侵权的地方，...

安装程序提示本地计算机已存在源,简单的安装程序C语言实训.doc

weixin_29862397的博客

07-15

238

XXXXC语言程序课程设计总结报告题目　　简单的安装程序指导教师　　　XXX院系　　　工学院专业　计算机科学与技术班级　　　XXX学号　　 XXXXXXXXXXXX姓名　　　XXXX成　　绩二〇一四年六月二十八日进度安排表短学期实践综合实验进度表选题名称：简单的安装程序班级： XXX ...

23-25年总结——不再迷茫且全力具身：个人变为技术研究者，公司则先后经历大模型开发、具身开发

结构之法算法之道

10-07

6287

文章摘要：作者回顾2023-2025年公司转型历程：2023年因ChatGPT兴起从教育转向科技公司，开发十余个大模型应用；2024年受斯坦福机器人研究启发进军具身智能领域；2025年在长沙组建团队，取得机械臂和人形机器人研发突破（如自主抓取、VR遥操、大模型交互等）。作者提出衡量个人/公司价值的标准是对社会的贡献程度，并强调通过具身智能造福千万人的愿景。文中详细记录了长沙团队在6-9月的技术突破时间表，展现快速迭代的研发能力。

Q-chunking——带有动作分块的强化学习：基于人类演示，进行一定的连贯探索(且可做到无偏的n步价值回溯)

结构之法算法之道

07-16

4247

UC伯克利提出Q-chunking方法，通过动作分块改进离线到在线强化学习。该方法在动作序列层面运行RL策略，预测并执行未来h步动作，利用时序差分训练评估器进行无偏的n步价值回传。研究显示，这种方法能加速价值传播、保持无偏估计，同时通过行为约束利用离线数据中的时序连贯动作序列，有效缓解探索难题。相比分层RL，Q-chunking简化了优化过程，在保持探索优势的同时提升了样本效率。相关代码和论文已在GitHub和arXiv公开。

创业基础-乐训课堂-李家华-答案

热门推荐

qq_41292420的博客

05-31

2万+

---------------使用CTRL+F,在页面中搜索，更方便哦~ P.S.简答题答案仅供参考，但其他都是标准答案，实际得分没爬... 1.1-从零到一有多远.知识讲解篇–课后作业单选 1, A 2, C 3, D 4, C 多选 5, A,B,C 6, A,B,C 填空 7, 资源约束 ,价值创造 8, 从无到有 ,无中生有 9, 机会判断 10, × 11, √ 简答 12, 创业的从零到一是很困难、但又是很关键的一步。这需要我们拥有一双发现机会的眼睛，利用自己的

多模态实体对齐与子图联邦学习：创新模型与方法解析

### 多模态实体对齐与子图联邦学习：创新模型与方法解析在当今的数据处理和分析领域，多模态实体对齐和子图联邦学习是两个备受关注的重要方向。多模态实体对齐旨在解决不同模态知识图中实体的匹配问题，而子图联邦...

产品经理的技术字典

林秀成

01-07

1685

产品经理需要懂技术吗？

大模型（LLMs）推理面.pdf

12-28

大模型（LLMs）推理面.pdf

基于Linux Python Flask的汽车维修系统

12-28

这是一个基于Linux Python Flask的汽车维修系统系统概述 - **后端语言**: Python 3 + Flask框架 - **前端**: HTML + CSS + JavaScript (使用Bootstrap 5) - **数据库**: SQLite（无需安装，轻量级） - **运行环境**: Ubuntu 22.04 功能： 1. **首页展示**： - 显示所有维修记录 - 搜索功能（按车牌、车主、电话） 2. **添加记录**： - 点击"新增记录"按钮 - 填写完整的维修信息表单 3. **编辑记录**： - 点击每条记录后的"编辑"按钮 - 修改信息后保存 4. **删除记录**： - 点击"删除"按钮（有确认提示） 5. **记录状态**： - 三种状态：待处理、维修中、已完成 - 不同状态用不同颜色标识

负荷预测基于Transform-KAN的负荷预测研究（Python代码实现）

12-28

【负荷预测】基于Transform-KAN的负荷预测研究（Python代码实现）内容概要：本文介绍了基于Transform-KAN模型的负荷预测研究，结合Transformer的注意力机制与Kolmogorov-Arnold Networks（KAN）的函数逼近能力，构建了一种新型深度学习预测模型，并通过Python代码实现。该方法旨在提升电力系统中负荷预测的精度与时效性，适用于处理复杂的非线性时间序列数据，在实际用电负荷预测场景中展现出较强的建模能力与优化潜力。; 适合人群：具备一定Python编程基础和深度学习理论知识，从事电力系统、能源管理或时序预测相关研究的科研人员及工程技术人员；适合研究生及以上学历或有1-3年相关领域工作经验的技术人员；使用场景及目标：①应用于电力系统短期/中期负荷预测，支撑电网调度与能源优化决策；②为深度学习模型在能源领域的创新应用提供技术参考；③帮助研究人员掌握Transform-KAN混合架构的设计思路与实现方法，推动高精度预测模型的开发与复现；阅读建议：建议读者结合提供的Python代码进行实践操作，深入理解模型结构细节与训练流程，同时可对比传统LSTM、GRU或纯Transformer模型的效果差异，进一步优化参数配置与数据预处理策略，以获得更优预测性能。

【两阶段鲁棒微网】不确定性基于关键场景辨别算法的两阶段鲁棒微网优化调度（Matlab代码实现）

最新发布

12-28

【两阶段鲁棒微网】【不确定性】基于关键场景辨别算法的两阶段鲁棒微网优化调度（Matlab代码实现）内容概要：本文介绍了基于关键场景辨别算法的两阶段鲁棒微网优化调度方法，旨在应对微电网中可再生能源出力和负荷需求等不确定性因素带来的挑战。该方法通过构建两阶段鲁棒优化模型，在第一阶段做出预先决策，在第二阶段根据实际观测到的不确定性进行调整，结合关键场景辨识技术有效筛选出对系统影响最大的典型场景，从而提升调度方案的鲁棒性和计算效率。文中提供了完整的Matlab代码实现，便于读者复现和验证算法效果，属于电力系统领域高水平科研成果的再现。; 适合人群：具备电力系统基础知识和Matlab编程能力，从事微电网、能源优化、鲁棒优化等相关研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①

web前端3-5年经验深蓝色简历.doc.docx

12-28

web前端3-5年经验深蓝色简历.doc.docx

中南大学web技术（大三上）.zip

12-28

中南大学web技术（大三上）

ApiRequest是一个专为简化前端开发中复杂且重复的Ajax请求而设计的高效插件它通过封装和自动化处理显著提升开发效率减少代码冗余支持数据验证与错误处理确保请求的可靠.zip

12-28

IBA6.24新增支持PLC的数据记录方法是什么？

08-13

IBA 6.24版本在数据采集和处理方面进行了多项改进，特别是在支持PLC数据记录方面，提供了更加高效和灵活的解决方案。该版本进一步增强了与PLC系统的集成能力，允许用户通过预置模块快速实现数据的高速采集与存储。以下是IBA 6.24版本新增支持PLC数据记录方法的几个关键特性： 1. **增强的PLC通信接口支持**：IBA 6.24新增了对多种PLC通信协议的支持，包括但不限于OPC UA、Modbus TCP等，使得系统能够更广泛地兼容不同厂商的PLC设备。这种增强的兼容性不仅简化了配置过程，还提高了数据传输的稳定性[^1]。 2. **优化的数据采集性能**：通过优化内部数据处理机制，IBA 6.24实现了更高的数据采集速度。对于支持的PLC设备，它能够利用高效的通信方式，如标准以太网通讯，一次发送高达8000字节的数据，显著提升了数据采集效率[^1]。 3. **灵活的数据记录配置**：用户可以在IBA 6.24中轻松配置数据记录规则，包括选择需要记录的数据点、设定记录频率等。此外，它还支持基于事件触发的数据记录，这为特定条件下的数据分析提供了便利。 4. **集成化的数据管理工具**：除了数据采集外，IBA 6.24还提供了一系列数据管理工具，帮助用户有效地管理和分析收集到的数据。这些工具支持数据的实时查看、历史回放以及导出功能，满足了不同场景下的需求。 5. **简化了的用户界面**：为了提高用户体验，IBA 6.24对用户界面进行了重新设计，使其更加直观易用。即使是复杂的配置任务，也能通过图形化界面轻松完成。以下是一个简单的配置示例，展示如何在IBA 6.24中设置PLC数据记录： ```python # 示例代码仅为示意，实际操作需根据具体软件界面进行 def configure_plc_data_recording(): # 连接到目标PLC connect_to_plc(ip_address="192.168.1.10", protocol="OPC UA") # 配置数据点 data_points = [ {"name": "TemperatureSensor1", "address": "DB1.DBX0.0"}, {"name": "PressureSensor1", "address": "DB1.DBX0.1"} ] configure_data_points(data_points) # 设置记录参数 set_recording_parameters( interval=1000, # 每秒记录一次 trigger="EventBased" # 或者 "TimeBased" ) # 开始记录 start_recording() configure_plc_data_recording() ``` 上述代码展示了连接到PLC、配置数据点、设置记录参数及开始记录的基本步骤。请注意，实际使用时应参照IBA 6.24的具体操作指南进行详细配置。