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
700+累计阅读
742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
其实本来可以直接用grub-install来安装的。。。但是不知道为什么我的机器这样装不上，只能用上面的方法恢复GRUB
从零构建锂电池主动均衡系统：Simulink仿真中的Buck-Boost拓扑实战指南
本文详细介绍了如何在Simulink中从零构建基于Buck-Boost拓扑的锂电池主动均衡系统。通过仿真环境搭建、参数优化、控制策略设计和性能评估，为工程师提供了完整的实战指南，帮助快速验证和优化均衡算法，提升电池组一致性与寿命。
重建linux系统的grub启动项
鉴于没钱买新电脑，所以在一个电脑上装了3个系统，Ubuntu，ArchLinux和Windows。然而Windows系统重启经常会导致找不到Arch的启动项，即在UEFI里找不到Arch的grub。于是重建了好多次Arch的grub。
AutoLISP 学习 （一）
AutoLISP基本语法结构、语法 以括号组成表达式，左右括号一定要成对，单、双引号也要成对，例如： (defun c:hello() (princ "\nHello world!") (prin1) ) 表达式格式：（函数名 操作数 操作数 …），例如： (setq p1 (list 0 0)) (setq p2 (list 10 10)) (setq p3 (list 20 20)) ;;; CAD中画直线，经过p1 p2 p3 (command "LINE" p1 p2 p3 ""
重装GRUB
重装Windows之后进不去Linux了怎么办？不要怕，你的Linux还在，只是GRUB不见了而已。因此只要重装GRUB就搞定了。如果有Linux安装盘，则首先进行安全模式(F5+linux rescue )，然后运行grub，在grub提示符下输入： grub> root (hd0, X) grub> setup (hd0)就可以了。其中X是Linux的/boot所在的盘，如果记不请的话
ESP32接入扣子(Coze) API使用自定义智能体
本示例将使用ESP32开发板通过WiFi接入 **Coze API**，实现一个简单的聊天机器人功能。用户可以通过串口向机器人输入问题，ESP32将通过Coze API与智能体进行通信，并返回对应的回复。本文将详细介绍了如何通过HTTP请求和JSON解析来与API进行交互，并给出完整的代码示例。
避坑指南：群晖DSM 7.X挂载NTFS硬盘，为什么你的SATA口不行？从原理到实战一次讲清
本文深入解析群晖DSM 7.X系统挂载NTFS硬盘的底层原理与实战排查方法，揭示SATA接口权限配置的关键参数（如esataportcfg和internalportcfg），并提供安全修改端口配置的详细步骤。针对不同型号群晖NAS的配置差异，给出替代方案与常见故障排查技巧，帮助用户解决NTFS硬盘挂载问题。
重新安装GRUB
重新安装GRUB。(已测试通过)用第一张安装光盘启动电脑进入Linux Rescue模式，经过一些简单的配置之后，进到命令提示符下面＃sh#sh grub输入grub命令，回车．grub> root(hdx,y)输入root(hdx,y)，回车grub> setup(hd0)输入setup(hd0)，回车如果成功会有successfull提示．这里Ｘ表示，如果是一个硬盘，就是０，如果根分区在第二
ElectrolyteGPT：首个电池电解液逆向设计的生成式 AI 系统 —— 算法原理与复现解析
数据驱动的重要性：1100 万→100 万的精心筛选，比单纯增大模型更有效领域适配：fLine 表示法、正则分词、化学感知的数据增强（SMILES randomization）都是关键小模型的力量：6M 参数在特定化学空间的表现，远超通用大模型在相同任务上的零样本能力条件生成的极限：10 维条件导致模型崩溃，提示我们需要更好的条件编码策略（如 diffusion guidance、RLHF-style 偏好优化）未来方向配方实验验证。
如何重装Grub，使其可以引导双系统
引言： GRUB是一个多重操作系统的启动管理器。用来引导不同的系统，如windows，Linux。一般来说要先装Windows，后装Linux，这样grub才能生效（grub存在于linux的安装中）。这两天我重装了Windows，grub就不起作用了，也无法进入linux了（grub设置的默认进入windows）。在不想重装linux的情况下，需要对grub进行重装，将搜集的资料及验
MoCap 动作捕捉开源库教程
数据通过 tf2 和支持不同 QoS 设置的 /poses 主题直接发布。该软件包最初是为 Crazyswarm 开发的，用于跟踪多达 50 个飞行机器人。
Codex入门00-初识神器（小白入门：到底什么是Codex CLI，和ChatGPT写代码有什么不同？）
OpenAI Codex CLI 是 OpenAI 于2025年推出的终端原生AI编程代理，不是在网页里聊天写代码，而是直接在你的终端里自主读代码、改文件、跑命令。它拥有三种安全模式、/goal 持久化任务、云端沙箱执行等独特能力。本文从零介绍 Codex CLI 的核心概念、与 ChatGPT 写代码的本质区别、典型使用场景和费用说明，让你全面认识这个改变开发方式的神器。
电力负荷预测 | 电力系统负荷预测模型（Python线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM）
电力负荷预测 | 电力系统负荷预测模型（Python线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM）
如何在重装Windows后，使用Grub引导linux(转linuxfans)
1.把安装盘的第一张放到光驱，然后重新启动机器，在BOIS中把系统用光驱来引导。 2.等安装界面出来后，按［F4］键，也就是linux rescue模式。 3.一系列键盘以及几项简单的配制，过后就［继续］了。。。这个过程，我不说了，比较简单。 4.然后会出现这样的字符 sh# 5.我们就可以操作GRUB了。。。哈。。。只要能出现这样的，以后都是小Case了，我就是不说 ，谁也能明白，地球人都知道了
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
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")
重装XP后修复GRUB找回ubuntu(转)
重装XP后修复GRUB找回ubuntu 重装xp后，mbr被xp写入信息导致grub无法工作解决方法 （1）借助ubuntu-8.10-desktop光盘，用grub命令修复。 1.a' >>从CD-ROM启动，选择『试用Ubuntu而不改变计算机中的任何内容』进入桌面。 1.b' >>任务栏上单击『应用程序』->『附件』-&...
（转）UBUNTU双系统上重装XP后修复GRUB方法（较全）
UBUNTU双系统上重装XP后修复GRUB方法 重装xp后，mbr被xp写入信息导致grub无法工作解决方法 从CD-ROM启动,从Live CD启动进入桌面。 打开终端或者切换到一个tty（Ctrl+Alt+F1）。 输入:sudo grub 输入:find /boot/grub/stage1 ##有人说这一步不用,不过个人感觉还是应该加上这一步 输入:root (hd0,x) ##输入fin...
重装Windows后修复Ubuntu Grub引导(转)
家里的老机器上装了Windows 7 和Ubuntu 双系统，因为Windows7 系统实在太慢，所以考虑将其删除掉。本来想单独使用Ubuntu的，因为老妈需要用到网上银行和淘宝。所以就将windows 7 换成XP。 1，使用Ubuntu live关盘引导进入 Ubuntu live 模式 2，在Ubuntu中运行终端，执行下列命令： $sudo grub 其实，grub不仅只在我们...
【转】重装Windows 7后修复Ubuntu 10.10 Grub
把ubuntu 刻进光碟或写进U盘，开机时选择启动项，在出现选择试用安装界面时选择试用Ubuntu。Ctrl+ALt+T 打开终端，输入：sudo -i #获取root权限在终端输入：fdisk -l 在列出的计算机的分区信息中找到Linux所在的分区输入命令：mount /dev/sda7 /mnt(数字为Ubuntu所在区)输入：grub-install –roo
重装Windows 7后修复Ubuntu 10.10 Grub【转】
<br /> 把ubuntu 刻进光碟或写进U盘，开机时选择启动项，在出现选择试用安装界面时选择试用Ubuntu。Ctrl+ALt+T 打开终端，输入：sudo -i #获取root权限在终端输入：fdisk -l 在列出的计算机的分区信息中找到Linux所在的分区输入命令：
Windows重装导致Ubuntu无法启动，Grub信息丢失的解决方法(转)
来自:http://blog.youkuaiyun.com/ddna/article/details/5430073 谢谢原作者. 重装了Windows, 没留神自己的Ubuntu，结果Windows暴力地将启动信息覆盖了，又不想重装Ubuntu，根据网上的资料实验总结出一个 还算方便的方法，步骤如下： 1. 制作LiveUSB 虽说很多地方都写LiveCD，但实际...
linux+win7双系统重装win7修复grub的办法（转）
本人是debian+win7的双系统， 下面介绍下重装win7的整个过程以及遇到的一些小问题，在查阅相关博客和朋友的帮助下成功修复， 记录下以便以后有不时之需， 也希望能帮助到遇到同样问题的朋友！ 首先 在win7上下载一个EasyBCD2.2， 然后就是下面图示过程添加 linux系统所在分区 以便引导进入linux ...
从Linux服务器到Windows 10桌面：跨系统重装实战与引导原理详解
操作系统重装是计算机系统维护与迁移中的常见需求，其核心在于理解引导原理与磁盘分区机制。现代计算机普遍采用UEFI引导模式与GPT分区表，这与传统的Legacy BIOS和MBR分区方式存在根本差异。掌握这些底层原理对于解决系统安装失败、引导丢失等问题具有重要技术价值，尤其在服务器硬件改造、老旧设备再利用等应用场景中尤为关键。本文基于实战经验，深入解析了从Linux系统迁移至Windows 10的完整流程，重点涵盖了Ventoy启动盘制作、UEFI引导设置、分区表转换等核心操作，并提供了针对网卡驱动缺失、GR
重装windows后修复grub2引导
使用安装版的windows重装windows时会改写mbr，造成grub丢失，可以用grub4dos引导进入ubuntu后修复grub或用livecd启动后修复grub。 1、用grub4dos修复ubuntu 先下载最新版的grub4dos，下载地址http://sourceforge.net/projects/grub4dos/files/GRUB4DOS/，如果是xp系统，...
双系统，重装WINDOWS后，如何修复GRUB
1.将安装光盘放入, 2.输入linux rescue 3.进入shell模式,(提示sh version #) 4,进入/mnt/sysimage目录 5.输入grub(前提是你知道你的linux的lebel号,如不知,则进入当前目录下的/etc,查看grub.conf,假如里是(hd0,6)) 6.输入root (hd0,6)(假设为hd0,6) 7.输入setup (hd0) 8.quit 9.搞定已验证-------------------------------------------------
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
897
扫一扫
