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
600+累计阅读
650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
xampp工具下载地址：http://info.k8.cn/data/k8data/xampp-win32-1.7.3.zip
xampp工具的安装说明：http://guaren.blog.163.com/blog/static/539877882009112311461761/
discuzx程序下载地址：http://download.comsenz.com/DiscuzX/1.5/Discuz_X1.5_SC_UTF8.zip
discuzx程序使用说明地址：http://www.discuz.net/thread-1887949-1-1.html
Mac 如何启动PHP环境XAMPP
一.先描述我遇到的问题 1.我是每次直接从app上点击启动XAMPP的，但每次都显示一直在启动，也不知道启动失败成功(这里其实可以去安装的根目录/Applications/XAMPP/logs 查看日志) 2.改用命令行启动 启动前一定要先关闭mac自带的web服务，用以下的命令强制杀死全部 httpd 进程，注意使用sudo管理员权限 sudo killall httpd 多执行几次，直到...
xampp的安装及使用
一.什么是XAMPP？ XAMPP是最流行的PHP开发环境。 XAMPP是完全免费且易于安装的Apache发行版，其中包含Apache、MariaDB、PHP和Perl。 类似XAMPP的服务器套件还有很多，我用过的还有UPUPW，它们都极大的简化了开发环境的配置。 十六款免费的服务器套件的介绍介绍了主流的免费服务器开发套件。 二.安装 xampp下载地址：https://ww
如何使用XAMPP搭建本地环境的WordPress网站
如何使用XAMPP搭建本地环境的WordPress网站 如何使用XAMPP搭建本地环境的WordPress网站 想学习WordPress建站，不想买服务器？ 您是否使用XAMPP在计算机上搭建建本地环境WordPress网站？在电脑上搭建本地环境的WordPress可帮助您试用WordPress，测试主题和插件以及学习WordPress开发。 在本文中，晓得博客将向您展示如何使用XAMPP轻松创建本地环境的WordPress网站。 为什么要搭建本地WordPress网站？ 搭建本..
windows下xampp配置php环境
写在前面 该篇文章适合小白的入门级教程，适合新手教程，可以正常的运行php代码文件即可，but，当然也不是说得那么low，xampp很low吗？？？ xampp的自我介绍 容易安装的并不一定显得low啊，大神门可是做了很多的功课才有这么操作简便的安装步骤。 XAMPP是完全免费且易于安装的Apache发行版，其中包含MySQL、PHP和Perl。XAMPP开放源码包的设置让安装...
PHP环境搭建XAMPP
PHP环境搭建XAMPP 文章目录PHP环境搭建XAMPP安装XAMPP(服务器搭建)环境变量设置可能会遇到的问题最后测试 安装XAMPP(服务器搭建) 从官网下载XAMPP，由于一些不可说的的原因，官网下载极慢，届时会分享网盘，下载后安装，一直Next即可，我的安装在D盘 环境变量设置 然后就是必须的环境变量添加，如图把安装路径加入 可能会遇到的问题 Start时的错误，我这里是端口冲突，在配置文件可以看到时与我安装虚拟机冲突了 更改端口设置，改为其他即可 这里也要改，这里的8
moodle在xampp环境下的安装以及使用
moodle 安装： 安装xampp环境，并在其管理界面（127.0.0.1或者http://localhost打开）中的phpmyadmin新建一个名为moodle的数据库并且设计其字符格式为uft—8bin。 随后将moodle文件夹解压并放到xampp/htdocs目录下。 打开http://localhost/moodle链接，即进入安装界面。 安装注意：数据库建议名称设计为roo
如何使用xampp+HBuilder搭建PHP环境
使用xampp+HBuilder搭建PHP环境，边改边看GET
PHP入门及环境搭建 - XAMPP
记一个PHP入门及环境搭建过程，所有语言，无一例外，从Hello World开始！
xampp安装以及环境的搭建
一、安装 1、首先需要下载一个安装包 2、双击打开可能有点慢需要等待 3、选择yes，进行下一步操作 4、选择next，进行下一步操作 5、直接next就可以了 6、选择完后点击next，进行下一步操作 7、进入安装、最后安装完成选择finish就安装完成了 二、使用 选择所要使用的服务点击start启用服务 当端口号已被占用的时候系统会报错 这时我们根据是报错的服务进行处理 方案一：...
Bellhop水声信道模型的仿真
Bellhop是一种基于射线追踪的水声信道模型，广泛用于预测水下环境中的声压场。它通过模拟声波在水中的传播路径，计算声场分布，适用于复杂的水下通信场景。
DEM高程数据的获取、合并与坐标转换
DEM高程数据的获取、合并与坐标转换一、DEM数据的获取二、数据合并三、投影转换方法一四、投影转换方法二 今天用DEM数据做了一个坡度分析，数据使用过程中涉及到投影坐标转换，由于不是很熟悉所以费了一番功夫。经过一番折腾总结出两个方法，方法一自认为比较便捷的方法，即通过BIGMAP软件中工具列表中的投影转换功能进行。方法二为传统方法，即在Arcgis中用投影栅格工具进行转换。 一、DEM数据的获取 在地理空间数据云网站下载DEM数据（精度包括30米和90米），数据格式为tif格式或img格式，坐标为WGS_1
XAMPP集成环境
集成环境的安装 XAMPP是WAMP类型的集成环境，适合需要环境却无法自定义配置的人，下文就是XAMPP的安装和配置。 应用网站：https://sourceforge.net/projects/xampp/files/ 根据系统选择合适的安装程序。 这里使用版本是7.3.2，以windows平台为例。 双击安装包后，弹出一个警告，点击OK即可。 需要安装的功能，截图上的必须安装的。 应用程序安装位置，尽量不要安装在C盘，文件夹名称必须是英文。 选择程序语言，默认是英文，没有中文。 去掉勾选并单击N
Python爬虫技术应用：体育赛事直播数据抓取与分析
Web爬虫（Web Crawling）是一种通过模拟浏览器行为从网站获取数据的技术。发送请求：发送HTTP请求（通常是GET或POST请求）获取目标网页的HTML内容。解析网页：使用解析工具（如lxml）从HTML中提取出所需要的信息。存储数据：将抓取到的数据存储到数据库、文件或数据结构中，供后续分析和使用。数据分析与展示：使用数据分析工具（如PandasMatplotlib）对数据进行处理、清洗和可视化，生成有价值的报告和图表。Requests：用于发送静态网页的HTTP请求并获取响应。
xampp+yii2环境搭建
php配置文件说明http://www.cnblogs.com/xiaoshi1991/archive/2012/09/18/2690608.html php开发流程 1、配置php开发环境，使用xampp https://www.apachefriends.org/zh_cn/download.html 2、配置apache中的httpd-vhost.conf
激光雷达与相机外参标定（附open3d python代码）
现在的激光雷达与相机的标定程序基本都是Ubuntu框架下面的，并且都是C++代码，需要安装的依赖也比较复杂，于是自己写了一个python版本的标定程序，依赖非常简单，Windows系统也可以运行。我这里用的大疆的雷达，点比较密集，更容易用我这种方法标定，旋转的16，32线的雷达也可以用这种方法标定，只是标定点会相对难选取一些。2 手动在点云上选取N个标定点（每个点都对应图像上的点，顺序也要一致）3 通过PNP方法计算出二者的旋转投影矩阵，也就是外参矩阵。1 手动在图像上面选取N个标定点。
SAE ARP 4761A内容详解
SAE ARP 4761A主要为民用航空系统及设备的安全评估提供指南，帮助制造商和设计者满足FAA的FAR 25.1309等适航标准的要求。该文档旨在为航空器和航空系统设计中涉及的安全评估流程提供一个结构化的框架，并结合一系列工具和方法，如故障树分析（FTA）、依赖图分析（DD）、马尔可夫分析（MA）等，来系统地评估潜在的安全隐患。这一标准不仅适用于大型航空器的设计和评估，还可以应用于各种类型的飞行系统，如无人驾驶飞行器（UAV）和新型的电动垂直起降飞机（eVTOL）。
XAMPP搭建DVWA环境
XAMPP搭建DVWA环境
【华为OD机试真题】459、小扇和小船的数字游戏、数字游戏 | 机试真题+思路参考+代码解析（CD卷）（C++、Java、Py）
### 🎃题目描述 >小扇和小船今天又玩起来了数字游戏，小船给小扇一个正整数 n(1 现在求 m 的最小值
XAMPP部署WordPress环境
建站，安装WordPress，首先需要有一个基于Apache、MySQL、PHP的编程调试环境。 这里使用XAMPP来安装WordPress。 XAMPP是完全免费且易于安装的Apache发行版，其中包含MariaDB、PHP和Perl。XAMPP开放源码包的设置让安装和使用出奇容易。 下载XAMPP 官网下载地址：https://www.apachefriends.org/zh_cn/index.html 注！字体选择“ZH CN”，不然下载巨慢。 安装XAMPP 下载完成后，双
本地通知与健康数据的隐私保护方案
随着移动健康(mHealth)应用的普及，本地通知与健康数据的结合为用户提供了更加个性化的健康管理体验。然而，这种便利性也带来了严峻的隐私保护挑战。本文旨在探讨如何在移动应用中实现本地通知功能的同时，确保用户健康数据的隐私安全。本地通知与健康数据结合的技术架构隐私保护的核心技术方案具体算法实现与数学模型实际应用案例分析本文首先介绍背景知识和核心概念，然后深入探讨隐私保护的技术方案，包括算法原理和数学模型。接着提供实际代码实现和应用场景分析，最后讨论未来发展趋势和挑战。
SOMEIP协议--第三节[SOMEIP/SD]（SD格式）
Entry和Option是SD报文中最重要的内容，是服务发现功能的承载。7.Minor Version是指当前服务的小版本号，可以配置，用于给用户区分当前服务的版本用的。注意：stop offer，stop subscribe，Subscribe Nack 这三条的TTL一定设为0，唯一和offer，subscribe，Subscribe的区别。Option用来辅助Entry实现其功能，是Entry携带的附加信息，作用上一般是用来告诉对端自己业务的ip和port信息，方便对端通过ip和port发送报文。
快速搭建服务环境的工具-XAMPP
XAMPP 是一个强大的本地开发环境，适用于 PHP 和 MySQL 的开发。通过 XAMPP，我们可以轻松地搭建服务器环境，而不需要手动安装 Apache 和 MySQL。本教程介绍了 XAMPP 的下载、安装、配置及常见问题，希望能帮助大家更高效地使用 XAMPP 进行开发。如果你在使用过程中遇到问题，欢迎留言交流！🚀。
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包
使用xampp和HBuilder搭建php环境
1.首先你的电脑里面要有两个软件 xampp 和 HBuilder xampp： HBuilder： 这两个软件都是免费的，在安装过程中也无需费力，只要设置好路径就行了。 在xampp安装过程中，需要选择各种模块进行安装，这里只选择apache服务器就可以了。 2.打开xampp control panel （如果未创建桌面快捷方...
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")
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
Xampp环境在配置agileone
摘要：本文记录了在XAMPP环境下安装Agileone项目管理系统的完整过程。由于项目年代久远（研发于15年前），必须使用XAMPP 1.6.8旧版本（含Apache 2.2.x、MySQL 5.0.x、PHP 5.2.x），新版PHP会引发兼容性问题。安装步骤包括：部署XAMPP环境、下载项目代码至htdocs目录、通过localhost访问安装向导（数据库密码留空）、完成初始化配置。作者特别提醒避免使用PhpStudy等现代工具替代原版XAMPP，分享了自己因环境冲突导致安装失败的教训，强调遵循原始配置
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
XAMPP环境下配置DVWA
XAMPP环境下配置DVWA 一、下载 1. 下载XAMPP 2. 下载DVWA 二、给文件执行权限并安装XAMPP 1. 在“下载”目录下，以“客户端运行” sudo chmod a+x xampp-linux-x64-5.6.12-0-installer.run 2. 在“下载”目录下，运行安装 sudo ./xampp-linux-x64-5.6.12-0-i...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
3240
扫一扫
