FreeBSD中文化

W1nt3rs W1nt3rs 博客等级 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 2.3k累计阅读 2.3k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 码龄22年
关注
原创 最新推荐文章于 2026-02-17 00:50:05 发布 2.3k 阅读 AI 写同款· GEO 优化 ›
FreeBSD桌面中文化实战：从字体渲染到输入法配置全解析 在操作系统本地化过程中，字体渲染引擎和输入法框架是支撑非英语环境用户体验的核心技术组件。字体渲染引擎通过抗锯齿、微调等技术优化字符显示效果，而输入法框架则负责处理复杂的文字输入逻辑。这些基础技术的价值在于为不同语言用户提供无缝的桌面交互体验，广泛应用于多语言操作系统、国际化软件开发等场景。本文聚焦FreeBSD系统，深入探讨其中文桌面环境的构建，涉及locale设置、字体配置优化以及Fcitx5输入法框架的集成与调试，帮助用户解决字体显示异常、输入法无法调出等典型问题，实现稳定流畅的中文支持。 阅读详情
1.install  kde-i18n-zh_CN:
#cd /usr/ports/chinese/kde3-i18n-zh_CN
#make install clean
2.install  fonts
    1)
    #cd /usr/ports/x11-fonts/ttmkfdir
    #make install clean
    2)
    #mkdir -p /usr/X11R6/lib/X11/fonts/TrueType
    #cp Simsun.ttf /usr/X11R6/lib/X11/fonts/TrueType
    #cp tahoma.ttf /usr/X11R6/lib/X11/fonts/TrueType
    3)
    #cd /usr/X11R6/lib/X11/fonts/TrueType
    #ttmkfdir >fonts.dir
    #cp fonts.dir fonts.scale

3.modify /etc/X11/XF86Config
delete:
    Load "freetype"
    Load "record"
    Load "type1"
add:
    Load "xtt
注：如果把考虑粗体斜体等的需求，使用 ttmkfdir + Load "freetype" 会有更好的品质。
4.modify  /usr/X11R6/etc/fonts/fonts.conf
    1)
    before
        <dir>/usr/X11R6/lib/X11/fonts/Type1</dir>
        <dir>/usr/X11R6/lib/X11/fonts/TrueType</dir>
        <dir>/usr/X11R6/lib/X11/fonts/Type1</dir>
        <dir>/usr/X11R6/lib/X11/fonts/OTF</dir>
        <dir>~/.fonts</dir>
    add:
        <dir>/usr/X11R6/lib/X11/fonts/TrueType</dir>

    2)
    in:
        /usr/X11R6/etc/fonts/fonts.conf
    add:
    <match target="pattern">
        <test qual="any" name="size" compare="l">
            <int>12</int>
        </test>
        <edit name="antialias" mode="assign">
            <bool>false</bool>
        </edit>
    </match>
    after install:
        fc-cache -f -v
5.(Backup：cp /usr/X11R6/share/themes/Default/gtk/gtkrc.zh_CN /usr/X11R6/share/themes/Default/gtk/gtkrc.zh_CN.bak)
    1)
    change /usr/X11R6/share/gnome/gtkrc.zh_CN
    to below:

    style "gtk-default-zh-cn" {
    fontset = "-*-*-medium-r-normal--12-*-*-*-*-*-iso10646-1,*-r-*"
    }
    class "GtkWidget" style "gtk-default-zh-cn"

    2)
    change
    /usr/X11R6/share/themes/Default/gtk/gtkrc.zh_CN
    in the same way

    3)
    cp /usr/X11R6/share/themes/Default/gtk/gtkrc.zh_CN ~/.gtkrc.zh_CN
6.
1)
(KDE Control Center)
(Regional & Accessibility)
(Country/Region & Language)
里面设置国家(Country)为“中国”和Languages为“简体
set Coutry to China
Languages to (Simplifiled Chinese)”
2)
in KDE Control Center set waiguanzhuti to
Simsun 12
delete pinghua

7.安装fcitx输入法：
    1)
    #cd /usr/ports/chinese/fcitx
    2)
    #make install clean
    3)
    修改~/.profile,添加:
    LANG=zh_CN.eucCN
    LC_ALL=zh_CN.eucCN
    export LANG LC_ALL
    4).我用csh所以：
    #setenv LC_ALL zh_CN.eucCN
    #setenv LANG zh_CN.eucCN
    如果用的是bash则相应的为
    #LANG=zh_CN.eucCN
    #LC_ALL=zh_CN.eucCN
    #export LANG LC_ALL
    5).在~/.cshrc中加入：
    setenv LC_ALL zh_CN.eucCN
    setenv LANG zh_CN.eucCN
    6).修改~/.xinitrc及~/.xsession.均添加：
    export XMODIFIERS=@im=fcitx
    fcitx&
    至文件的开头处。
    7).#qtconfig
    然后选择-->Interface--->XIM Input Style 选Over the                     Spot(上面的复选框也选上)-->File--Save

收录于
Unix /GNU Linux

当前文章被收录于：

Unix /GNU Linux
8 篇文章 0 人学习
订阅专栏 查看详情
标签
#freebsd #delete #fonts #输入法 #bash
#input
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
FreeBSD 6.2桌面环境搭建与中文化完整指南 对于高级用户，可创建独立的rc.d脚本以精确控制启动行为。以下是一个示例脚本/bin/shstop_cmd=":" # 不支持停止thenecho $! 阅读详情

相关推荐

FreeBSD8+Xfce4中文桌面安装

FreeBSD8.0＋Xfce4中文桌面安装 (2009-09-17 22:40:54) 为了彻底避免windows下病毒和恶意插件的侵扰，我尝试了很多个LINUX和BSD发行版本，希望能够找到一个真正可用的系统。其实我的要求很低，因为我是做文字工作的，只要它能够正确地识别硬件，显示和输入中文、能够轻松地安装和卸载第三方应用软件就可以了。 KDE和GNOME太大、太慢，很杂碎程序我不需要。我只想要Xfce最小安装桌面，灵活地定制自己需要的应用软件。所以Mandriva、PC-BSD、DesktopBSD都不想要，尽管它们很容易安装和使用，硬件支持也够全面。OpenBSD最精简安全，可惜中文化不够方便，否则一定选它了。其他系统要么不支持显卡，要么不支持网卡，我的三星NC10用不了。

freebsd安装xfce桌面

pkg install -y xorg xfce slim slim-themes drm-fbsd12.0-kmod ##安装x xfce桌面 slim登录管理器跟主题及显卡驱动 sysrc dbus_enable=“YES” ##启用dbus服务 sysrc hald_enable=“YES” ##启用hald守护进程 sysrc slim_enable=“YES” ##启用slim登录管理器 sysrc kld_list="/boot/modules/radeonkms.ko" ##启用显卡 注

weixin_49862795的博客 1833

freebsd使用手册中文版

对于想要了解FreeBSD的初学者可以做入门教程，里边包含了英文版和中文版两个版本。

freebsd12下安装linux软件,为 FreeBSD 12.1 安装 xfce 桌面 - 简体中文显示

想起约二十年前，在电脑80GB的硬盘上划分区，用光盘安装FreeBSD系统的事情来，觉得挺有趣的。之后，电脑主要是用Windows系统，从Windows XP到Windows 10，没再用过FreeBSD系统了。我觉得在安装FreeBSD系统的过程中，能查、学到一些东西，能让你知道“这是一个什么问题”，和“应该怎么去尝试处理问题”，这是很有味道的。前几天，我把一张电脑台抹净，放上电脑主机(H81芯...

weixin_39926040的博客 621

FreeBSD 6.2构建桌面及中文化环境

FreeBSD 6.2构建桌面及中文化环境

三12中文输入方法

原来解决方法很简单，根本不用下任何输入法。 只需要用到APP。

FreeBSD中文化全攻略(转)

FreeBSD中文化全攻略(转)[@more@]本文出自:http://www.linuxforum.net 作者: cjacker 1.系统层的工作 2.字体 3.系统环境变量 4.配置GNOME 5.配置KDE 6.有用的中...

582

TBtools的序列提取步骤

本教程详细介绍了如何使用TBtools软件从原来的FASTA序列中提取特定的DNA序列。

weixin_47509995的博客 1万+

FreeBSD下tex的中文化

(原创文章，未经作者许可，不得擅自删除本声明或更改文章内容，转载请注明出处。)1. 先安装好tetex，可以通过package安装，也可以通过ports安装我是通过ports安装的 # cd /usr/ports/print/tetex # make install clean 如果是通过package安装可能这样做 # setenv PACKAGEROOT ftp://ftp

一溪云——云淡风清的陪伴 1780

SPSS&Mplus—共同方法偏差（Common Method Bias）控制与检验

共同方法偏差（Common Method Bias）的控制方法：程序控制（Procedural）和统计控制（Statistical）。

m0_54401011的博客 1万+

深入解析MATLAB四旋翼仿真案例asbQuadcopter的核心模块与优化技巧

本文深入解析了MATLAB/Simulink中的四旋翼无人机官方案例asbQuadcopter，详细拆解了其指令、传感器、控制器、本体与环境等核心模块的工作原理。重点探讨了经典的PID双环控制结构、传感器噪声模拟、模型替换方法以及系统化的PID参数调优技巧，旨在帮助用户从“开箱即用”过渡到深度定制与优化，构建更精准的仿真模型。

weixin_29171087的博客 361

FreeBSD 5.2/GNOME2 中文化

FreeBSD是一款优秀的操作系统,但是其桌面环境对中文的支持程度阻碍了其在中国的发展,下面就以FreeBSD 5.2-current/GNOME2为例详述FreeBSD与GNOME2的中文化方法: 中文化XFree86/GNOME:1.安装字体 1)安装字体管理ttmkfdir#cd /usr/ports/x11-fonts/ttmkfdir#make install cle

Naga Bank 2174

Mendix 开发实践指南｜Mendix平台概览

低代码开发是一种将编码从文本形式转变为视觉形式的应用开发方法。它提供了一个模型驱动的、拖放式的界面，而不是传统的编码环境，使得各种技能水平的开发者——包括专业开发人员、新手、主题专家、业务利益相关者和决策者——都能使用低代码工具来构建驱动价值的企业业务应用。低代码的核心在于提高开发的可访问性和效率，让更多人能够参与到应用开发中来​​。Mendix适用于多种应用场景，包括企业级应用、移动应用、物联网(IoT)应用和微服务架构等。

多年搬砖的经验分享... 4413

FreeBSD8.2中文化

终于可以见到中文界面的FreeBSD了。 具体操作步骤如下： 1、安装文泉驿中文字体 # whereis wqywqy: /usr/ports/x11-fonts/wqy# cd /usr/ports/x11-fonts/wqy# make install clean   2、编辑/etc/X11/xorg.conf，让系统启动是加在中文字体 在Section "Files"里面加一行...

calatustela的专栏 271

手把手教你学simulink实例--基于Simulink的储能系统性能评估与仿真

储能系统是现代能源体系中的关键组成部分，广泛应用于可再生能源并网、电网调峰调频、电力质量改善以及电动汽车充电等领域。为了提高储能系统的运行效率和可靠性，对其性能进行准确评估至关重要。基于MATLAB/Simulink平台，可以构建储能系统的动态模型，并通过仿真分析其在不同工况下的性能表现。本项目旨在研究储能系统的建模方法、控制策略及其性能评估指标，并通过Simulink仿真验证系统的动态特性和稳态性能。

MHD0815的博客 195

【YOLOv11工业级实战】27. TensorRT量化实战：FP16/INT8极致加速！边缘设备YOLOv11推理速度提升4倍，精度损失控制在1.5%内

摘要：本文针对智慧园区200路摄像头实时分析的工业痛点——RTX 3080单卡仅能处理12路视频流（YOLOv11-nano FP32精度45FPS，需≥120FPS且精度损失≤3%），提供TensorRT量化完整解决方案。从原理解析（FP16/INT8精度差异与量化逻辑）到实操落地（ONNX转换、FP16引擎构建、INT8精细校准），全程给出可复用代码。实测显示：FP16量化后速度达128FPS（×2.8），精度损失0.2%。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！ 1720

FreeBSD下的KDE中文化

如果你安装的是KDE3，则执行如下命令：cd /usr/ports/chinese/kde3-i18n-zh_CN/make install clean如果你安装的是KDE4，则执行如下命令：cd /usr/ports/chinese/kde4-i18n-zh_CN/make install clean

云端的日子 593

8.DJI-PSDK：一站式项目功能开发总结(空中气象站项目/激光甲烷检测项目)

本文将以一篇文章的幅度快速完成： 项目一：空中气象站项目； 项目二：激光甲烷项目； 项目所使用的PSDK来源于第0章节末尾的百度网盘；解压：Payload-SDK-3.8.zip代码所在目录：双击打开： 修改打印串口和相关波特率，我们修改如下： 进行相关编译选项配置如下： ：

哒宰的博客 294

《FreeBSD》目录索引

1.系统安装与配置 ================================================= 1.FreeBSD下载资源列表 http://www.linuxsir.com/bbs/showthr...;threadid=43152 2 如何效验MD5码 http://www.linuxsir.org/bbs/showthr...;threadi...

weixin_34308389的博客 3080

在 NVIDIA DGX Spark 上运行 vLLM + Open WebUI

DGX Spark 和 GX10 都是性能强大的机器，但只有将它们视为交互式工作站而非精简版服务器，才能真正发挥它们的优势。合理利用共享资源，规划并发工作负载，并谨慎控制内存限制。做到这些，vLLM 与 Open WebUI 的结合就能成为可靠​​的日常工具，而不是脆弱的实验品。DGX平台本身价格不菲，但这并非体验此类硬件的唯一途径。多家厂商提供基于相同核心架构、价格更为亲民的系统，这些系统通常配备容量较小的固态硬盘或配置更为简化，但基本性能并未改变。

iCloudEnd的博客 1750

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。

FreeBSD5.4Release X Windows 安装笔记 (Freebsd5.4R+Gnome2.10.0)

机器配置： 核心：P4/1.7G 主板：MSI845 内存：金士顿256*2 硬盘：迈拓40G 显卡：ATI Radeon 7500 显板：Samsung SyncMaster 753DFX 声卡：Creative Sound Blaster Live！ 一、安装FreeBSD5.4Release 从http://www.freebsd.org/releases/5.4R/announce.htm

nmdd的专栏 3452

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

FreeBSD5.4Release中文工作站安装笔记 (Freebsd5.4R+Gnome2.10.0)

by 老管 2005-6-7 email: funpower [at] gmail.com 一些载图： 桌面[中\大] 网页[中\大] QQ[中\大] 终端[中\大] MDEIA[中\大] 程序[中\ 大] 更多请看这里。 机器配置： 核心：P4\1.7G 主板：MSI845 内存：金士顿256*2 硬盘：迈拓40G 显卡：ATI Radeon 7500 显...

weixin_30546933的博客 3710

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');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

FreeBSD 8.2-RELEASE amd64 + gnome桌面的安装记录

##    一直想体验一下freebsd，最近尝试安装了一下，kde,xfce,gnome都分别试了一下，最终决定选择gnome，理由就是比较熟悉ubuntu的gnome界面，呵呵。 一、基本系统安装（最小化）： a，准备安装介质     手头正好有FreeBSD-8.2-RELEASE-amd64-dvd1.iso 下载地址：ftp://ftp.freebsd.org/pub/FreeBS...

beiersi 2940

[参考]FreeBSD5.4+GNOME2.10.0安装过程

FreeBSD5.4Release X Windows 安装笔记 (Freebsd5.4R+Gnome2.10.0) By 老管 2005-6-7 email: funpower [at] gmail.com 机器配置： 核心：P4\1.7G 主板：MSI845 内存：金士顿256*2 硬盘：迈拓40G 显卡：ATI Radeon 7500 显板：Sa...

weixin_33885676的博客 2257

FreeBSD-14.3基本安装过程

简单记录以下FreeBSD在我的电脑上的安装过程，将来再用的时候作为参考

silent_missile的博客 1548
上一篇： K7N2芯片组安装redhat9全攻略
下一篇： Emacs基础命令整理
点赞 0
评论 1
书签 书签 1
W1nt3rs
W1nt3rs 领域专家: 后端开发技术领域 领域专家: 后端开发技术领域
博客等级 码龄22年 977粉丝 301原创
+ 关注 专栏目录 订阅专栏
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值