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
1.7k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
问题：我们公司的微信小程序使用没那么老的手机打开小程序都是没问题的，但是还有的一小小部分的使用人员 还在使用16年发布的手机，例如oppor9splus。他们使用小程序就是 显示一块白板，并且提示【系统繁忙，请稍后再试】。
以前的解决方法：因为我们使用的是宝塔里面的ssl证书是【let's Encrypt】。之前是复制某个网站证书链到其他证书里，就可以恢复正常。但是最近这个解决方法不行了。
现在的解决方法：直接使用阿里云的 免费的ssl证书 即可，一劳永逸。不去使用宝塔里面的免费的ssl证书。
小程序报错【网络繁忙，请稍后再试】。那就是换一个wifi，或者切换 直接用流量即可。
Zemax实战：5步搞定牛顿望远镜光学设计（附球差优化技巧）
本文详细介绍了在Zemax OpticStudio中构建高精度牛顿望远镜光学系统的5步实战流程，包括初始参数设置、球差优化、折叠镜与遮光面配置等关键步骤。特别针对球差问题，提供了将主镜圆锥系数设为-1的优化方案，有效消除轴上弥散斑。通过3D视图和MTF分析验证，该系统可实现接近衍射极限的成像质量，适合天文观测等应用场景。
微信小程序报错：“该小程序提供的服务出现故障，请稍后再试”（IOS报错，Android则正常）
微信小程序报错：“该小程序提供的服务出现故障，请稍后再试”（IOS报错，Android则正常）- 已解决
告别手动复制粘贴！用Python脚本+pywinauto实现PC微信消息自动发送（附完整源码）
本文详细介绍了如何利用Python和pywinauto实现PC微信消息的自动化发送，告别繁琐的手动操作。从环境搭建、UI控件定位到构建健壮的发送流程，再到高级功能扩展和项目打包部署，全面解析了自动化办公的实现方案，显著提升工作效率。
微信小程序发布后、苹果手机（ios）、安卓手机、折线图、无法正常显示数据。(已解决)
微信小程序发布后、苹果手机（ios）、安卓手机、折线图、无法正常显示数据。(已解决)
AD9361 官方例程
文章目录一、官方资料1.1 介绍1.2 下载 和 使用1.3 相关资料二、步骤2.1 在Vivado中构建HDL2.2 在SDK中构建No- OS总结 一、官方资料 1.1 介绍 HDL参考设计介绍：AD9361 HDL Reference Designs 无操作系统介绍：AD9361 No-OS Software 1.2 下载 和 使用 HDL下载：Download HDL 在Vivado中构建HDL：Building HDL No-OS下载：Download No-OS 1.3 相关资料 AD
把 SAP Workflow 的 Task 搞懂：从 TS 到 WS 的建模、触发与排错全景
摘要：SAP Business Workflow中的Task是工作流设计的核心单元，分为single-step（独立执行）和multistep（流程编排）两种类型。Task设计直接影响流程的可复用性、扩展性和可排错性。系统将Task分为5类（TS/T/WS/WF/TG），运行时通过事件触发、Linkage匹配、Work Item执行的链路完成流程驱动。关键事务码包括PFTC_INS（创建Task）、SWE2（事件配置）等。正确设计Task边界并遵循"先业务提交后事件触发"原则，是构建稳定
部分iphone、安卓手机打开微信小程序不请求、白页问题
微信小程序开发版、体验版上传后是不会自动ES6转ES5，这也就导致部分机型的系统【不更新】不支持ES6语法而且开调试还不报错！会不会是代码采用了大量的ES6+呢？快看看自己的科技代码！可能你用的是开发者工具真机调试2.0！检查接口ssl证书是否支持ATS！你会神奇的发现不好使机型好使了！没有新特性的话切回1.0吧！不支持的话就换个证书吧！
Android 13.0 展讯平台关机充电动画横屏显示修改
在13.0的系统rom定制化开发中，在关于展讯平台的产品中，系统默认的充电动画是竖屏显示的，但是在像平板的产品中竖屏动画肯定不符合规范， 所以需要在平板TV产品中，充电动画同时也是需要修改为横屏显示的，接下来就来分析下充电动画的相关绘制流程，然后实现功能
小程序登录账号 提示系统繁忙，请稍后重试
检查appid的正确 在project.config.json文件里面配置对appid 再运行下就可以了
华为OD机考真题 新系统 9月23号 【世界杯徽章换购】多语言题解
华为OD机试真题 新系统【世界杯徽章换购】，提供C语言、Java、C++、Python、Go、JavaScript源码实现，并提供完整思路讲解，以及在线OJ模拟做题。华为OD机试真题 【世界杯徽章换购】多语言题解。
基于FFT+BP神经网络/决策树的轴承故障诊断
基于FFT+BP神经网络/决策树的轴承故障诊断
微信小程序常见错误及基本排除方法
也接触了不少人解决问题的过程里，有一些比较难以排查的可能性列举在这，方便大家看一下： 也欢迎大家把自己常用的排除方法列举在这，一起互相学习探讨！ 1：ES6；使用es6可能导致安卓端真机调试时很多问题出现，还有其他未知问题；原因未知； 2：字母拼错，包括字母拼写错误，大小写没有注意；微信小程序中，有大量这样的代码示例，从中间冒出一个大写，比如支付中的appId
uniapp：在map地图组件上添加控件，在地图上添加浮层展示自定义按钮或元素，uniApp如何在Map组件地图上添加悬浮在上面的图标/图片（全平台兼容安卓苹果app、H5网页、微信小程序、nvue）
uni-app的map添加控件问题，uniapp实现地图展示控件，uniapp小程序如何在map组件上增加按钮，uni-app，h5移动端网页，微信小程序，支付宝小程序，Android安卓，苹果ios，app，nvue，Uniapp腾讯地图添加控件，uniapp百度地图添加控件，地图上展示控件并可以点击，在地图上展示控件信息，uniapp map地图怎么向地图上增加工具栏，使用cover-view将控件在地图上展示，解决uniapp map上添加浮层无法显示问题，不显示怎么办，css样式不生效，地图等最高层
产品与设计共生实验：十日对抗式协作方法论
在数字产品开发中，‘产品’与‘设计’常被割裂为线性分工，导致需求转译失真、用户认知断层与上线后高频回滚。其本质是系统行为与用户心智模型的错位，而非能力或流程缺陷。通过高强度跨角色协同、状态契约约束、真实场景压力测试等机制，可将模糊责任转化为可审计交付物，显著提升方案鲁棒性与一线可用性。该方法特别适用于需快速验证高风险交互、服务中老年等多元用户群体、或面临技术-体验双重约束的实战场景，是面向真实复杂性的产品设计范式升级。
复分析 阿尔福斯(Ahlfors) 第三版答案 英文
答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案
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")
微信小程序网络请求异常怎么办_微信小程序打开提示“网络异常，请检查网络状态”的解决方法...
症状：打开微信小程序的时候，提示“网络异常，请检查网络状态”，无法加载数据。问题客户端：安卓手机经过测试：IOS和微信桌面版，均正常。唯独安卓手机不行，如下图所示，这个问题不是tipask小程序问题，而是微信小程序通用问题。如下图所示：通过老大的排查，查到了原因方向，我按这个思路排查，完美解决问题。首先说明我的服务器环境：服务器系统：LINUX服务器控制面板：宝塔服务器软件：apache(确认这个...
Outlook Express 6 (OE6) for Win7/Win8/Win10
英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。
微信小程序网络请求异常怎么办_微信小程序网络超时的处理
"networkTimeout": {"request": 6000,"downloadFile": 10000},一、在onLaunch运行任务如果超时，我把错误级别定为0，并转向错误页面wx.login({success(res) {if(res.code) {//console.log(res.code);//发起网络请求wx.request({url:'https://**/index/z...
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
小程序发布新版本后，部分用户手机白屏
白屏主要是因为用户的微信当前版本太低，本人的项目是用的uni-app框架写的，里面会用到微信的一些新功能，此时低版本的微信客户端访问小程序就会报错，然后就白屏。 解决办法主要有两个： 第一种：让低版本的用户更新微信版本。当然这个需要客户配合，如果客户不升级的话，那就只能采取第二种方法。 第二种：在用到新功能的地方加上try{}catch(e){}。比如我的项目就是在低版本的客户端提示uni....
新版本微信PC端小程序打不开 一直加载 白屏等问题及解决方案
在意见反馈 (3.7.0以上微信在搜索栏输入:showcmdwnd ,包括前面冒号) 中切回xweb
小程序的一些小错误的解决办法
1.去掉textarea上的完成按钮栏，每次输入换行时会遮挡住光标所在的输入行。使用show-confirm-bar=’false’竟然无效解决办法： 文档上说明默认为true，且是boolean类型。设置了false无效，但是设置show-confirm-bar=” 则ok show-confirm-bar=”{{false}}” 1.6.0以上2.
微信小程序白屏问题总结一二
最近时不时有用户反馈，小程序白屏，多数以华为畅享机型，iphone6P机型，荣耀8为主，主要表现为小程序刚进去时显示正常，来回切换几个页面后，个别页面就出现白屏啦。 期初以为是代码问题，JS报错，导致数据绑定出问题，页面显示空白，但后来发现： 1）有几个页面完全是图标+文字显示的静态页面，根本不存在任何JS交互，也出现白屏； 2）页面白屏时...
小程序页面全部白屏了
今天偶然间看了一下之前项目的小程序，发现全部页面都白板了。 昨天用户都还有几千人在使用，今天就全白了！好慌！ 用开发工具运行却可以看到正常界面，但是用手机预览就是白板，文字可以看到，但是图片都没加载出来（图片用的服务器上面的图片，不是小程序本地的）。然后在手机上vconsloe查看没发现报错。 然后论坛找了一圈，发现了可能是ssl证书过期了。然后一查看，果然ssl证书是今天到期。更换了证书，完美运行！没有bug！ ...
小程序正式发布后，打开白屏（已解决）
问题：小程序上线了，但是手机进入小程序是空白页面，什么都没有。在真机调试的时候能正常显示，运行代码没有bug，审核也正常通过，不知道错在哪里，头大 查询后猜测问题出在，代码不规范 微信官方给出了找bug的办法：wx.setEnableDebug onLoad() { // 打开调试 wx.setEnableDebug({ enableDebug: true }) } 开发工具运行时会报错，不用管它，用真机调试 项目右下角，有vConsole标签，点击查看bug； 通.
微信小程序在手机上预览时出现白屏
打开微信开发者工具-本地设置-勾选上传代码保护
小程序 canvans 互动白板应用
代码片段：https://developers.weixin.qq.com/s/66nolHmj7Fa9github 地址：https://github.com/zhengmenghuang/canvans 效果图： 功能：画 清 重做 撤回 可扩展: 这里只做了老师端的白板操作，通过socket可实现互动白板。 ...
为什么打不开_为什么有的微信小程序打不开呢？该怎么解决？
微信小程序如今已渗透到我们日常生活方方面面，点餐、购物、出行都可能用到。不过有时候却会出现微信小程序打不开的情况。微信小程序打不开怎么解决？微信小程序打不开的原因比较复杂，可能有以下几种情况：1. 手机内存不足手机内存不足时，微信小程序可能一直打不开。这种情况下，用户可以清理一下手机内存，删除软件的缓存数据，或者卸载一部分不常用软件后，再打开微信小程序试试，基本就能正常运行了。2. 微信版过低微信...
使用宝塔创建站点时不能成功创建数据库的原因
今天碰到一个情况，就是创建之前删除过的一个站点，按道理是会同事创建FTP和数据库的，但是我试了很多次都没有成功，后面直接在数据库里面创建这个同名数据库，发现了原因：原来是删除的数据库放在了回收夹里面，创建的时候就会默认已经有这个数据库了，所以创建站点的时候就不让创建同名的数据库了。 解决方法：删除掉回收夹里面的同名数据库。 ...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
928
扫一扫
