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
1.3k累计阅读
1.4k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
遇到的或正在用的手机应用程序
1.NTFS格式挂载Paragon NTFS&HFS+V1.9，SD卡挂卸工具
2.USB OTG线
USB线一头四线，一头五线还在奇怪多出来的一个干嘛用的吗？你猜对了，用于告诉支持OTG的设备配置成主设备还是从设备，如下图的ID线，制作连线时接地，则连接这头的手机就配置成主设备了，另外一头可插U盘、鼠标、键盘了。如果是普通的USB线，ID是悬空的，手机就配置成从设备，另外一头接电脑。
3.金山手机毒霸
最好的功能是能阻挡应用中的广告，比如你下的游戏中时不时弹出的广告条，有了毒霸的广告拦截，有广告也不怕了。
4.有道词典
摄像头取词真给力，比手动输入快多了，O(∩_∩)O~
5.有道笔记
随时记录工作，知识点，配置，连上ＷＩＦＩ就同步到网上，永远不会丢失的笔记本
６.ezPDF Reader
阅读pdf文件还算给力
7.象棋小巫师
玩象棋的朋友在电脑上用什么软件呢？象棋巫师真的很不错，去官网下个Android版的象棋小巫师，嘿嘿，给力！
Android 手机
VS2019集成AddressSanitizer：C++内存错误检测实战指南
在C++开发中，内存管理是核心挑战之一，涉及堆、栈和全局变量的分配与释放。其原理在于程序运行时对内存地址的访问必须严格遵循分配边界和生命周期规则，否则会导致缓冲区溢出、释放后使用等严重错误。这类问题的技术价值在于直接影响程序的稳定性、安全性和性能，是高质量软件必须攻克的基础难题。应用场景广泛，从嵌入式系统到大型服务器软件，都需要可靠的内存错误检测机制。AddressSanitizer（ASan）作为一种编译时插桩技术，通过影子内存和运行时检查，能精准定位堆缓冲区溢出、释放后使用等隐蔽错误。本文以Visual
DB9 公头母头引脚定义及连接
1.实物及引脚简介 在做开发的时候经常会用到串行接口，一般9针的串行接口居多。如下图所示： 公头母头用于连接线的采用上图封装。但用于开发板的时候采用90度弯角插针的封装。如下图： 各引脚的定义为： 2.公头母头与MAX232的连接 当公头母头与MAX232进行连接的时候，我们会发现按照上图所说的9个引脚的定义，好像除了外观，公头和母头并没有什么区别，因为每个管
STM32家电安全开发实战：手把手教你用X-CUBE-CLASSB通过IEC60730 Class B认证
本文详细解析了如何使用STM32的X-CUBE-CLASSB软件包通过IEC60730 Class B认证，涵盖认证核心要求、软件包架构、工程集成配置及调试技巧。针对家电安全开发，提供了从单元测试到压力测试的全流程方案，帮助开发者快速实现符合国际安全标准的嵌入式控制系统。
Type-C接口简单介绍-面向单片机应用
用单片机做一些东西时，Type-C接口逐渐替代了MicroUSB接口。但不像MicroUSB那样只有5V、GND、D+、D-、ID五个接口，Type-C接口有24个引脚，比较复杂。大多时候我们用TypeC也用不到USB3.0协议，还仅仅是像MicroUSB那样的功能，因此不需很详细的了解，只需要简单了解TypeC各引脚功能即可。本文尽量简单的介绍TypeC。...
【OpenClaw 实战】Ubuntu 双机 Gateway + Node 部署全流程 + 所有常见坑（2026版）
如果你只是需要浏览器自动化、截屏、简单系统查询 →Node 模式够用，别折腾 exec。如果你需要 GOLD 运行任意 shell 命令、git、npm、自定义脚本 →必须升级成 Gateway。bind lan + pairing approve + token 统一。后续想玩多 Agent 团队，优先考虑双/多 Gateway + 聊天通道互发（社区已有不少成功案例）。欢迎评论区留言你的环境和报错，一起交流！
macOS 27下PlayCover“没有权限打开”的完整修复指南
macOS系统通过Gatekeeper、TCC（透明、同意与控制）和安全启动等机制，对第三方应用进行层层校验，以防范恶意代码。这些机制会检查应用的隔离属性、签名状态以及所需系统权限，当任一环节不满足时，就会出现“没有权限打开”的提示。对于开发者工具或未上架App Store的开源软件，这类拦截尤为常见。尤其在macOS 27上，系统进一步收紧了绕过策略，导致PlayCover等工具无法正常启动。本文以PlayCover为例，详细解析权限链路上的三道关卡，并给出清除隔离属性、调整SIP状态、重置TCC记录等完
Android主板串口线接法,9针rs232串口接线图以及接线方法
原标题：9针rs232串口接线图以及接线方法九针串口即RS-232接口，个人计算机上的通讯接口之一，由电子工业协会(Electronic Industries AssociaTIon，EIA) 所制定的异步传输标准接口。通常 RS-232 接口以9个引脚 (DB-9) 或是25个引脚 (DB-25) 的型态出现，一般个人计算机上会有两组 RS-232 接口，分别称为 COM1 和 COM2。9针r...
2021-08-20
通过QQ号获取绑定的手机号 导语 偶有奇想，我们可以通过手机号来搜索获取其对应的QQ号，那么，反过来呢？ 一.缩小范围 由于手机号属于隐私数据，腾讯QQ并没有直接给出通过QQ号查找对应手机号的接口。 国内的手机号有十一位数字，从数学的角度上来说，包含了1011种可能。如果遍历这1011个数据，通过QQ中手机号查找QQ号的接口来寻找，未免太过费时费力，根据网上查到的资料，同一个QQ号，在十分钟内只能进行30次查询（未验证）。因此，直接遍历的方法不现实。 在这10^13个数据中，包含着大量的可去除的无用数据。我
【Android取证篇】小米手机OTG取证知识
此方法适用部分的Android设备，请自行尝试。书写片面，纯粹做个记录，有错漏之处欢迎指正。公众号回复关键词【小米】自动获取资源合集【蘇小沐】
初学者入门机器学习 (ML)的推荐教程
了解基本的机器学习概念并不难。有大量免费的在线博客文章、视频和编码教程可以引导您了解基础知识——从介绍性内容到常见应用程序，再到算法和应用技能。这篇文章总结了一些用于介绍 ML 的最佳免费选项。它按逻辑顺序排列，每个概念都建立在上一个概念的基础上。
基于simulink的变压器保护仿真设计【MATLAB源码+Word文档】
电力系统变压器保护MATLAB/simulink仿真设计。纵联差动保护-过电流保护-距离保护
android 程序到手机,安卓手机怎么从电脑安装应用到手机
安卓手机从电脑安装应用到手机是怎么做到的呢，那么该如何操作呢?下面是学习啦小编收集整理的安卓手机怎么从电脑安装应用到手机，希望对大家有帮助~~安卓手机从电脑安装应用到手机的方法工具/原料电脑手机方法/步骤首先，在电脑上找到你需要下载的安卓应用，这个有好多安卓市场，就可以，找到后，，下载到桌面即可。如图，我下载的是今日头条这个应用。这里需要注意，必须是后缀为 .apk 的文件格式。这是安卓系统的限制...
VMware Horizon 8 2111 部署系列（十一）准备RDS主机
RDS (Remote Desktop Service)，即远程桌面服务。我们可以使用 Microsoft 远程桌面服务 (RDS) 提供 RDS 主机上的桌面会话并将应用程序传送给多个用户。
Android移动应用开发_通过USB连接安卓手机
开发工具与关键技术：Android-Studio、 Java 在Android移动应用开发过程中，我们可以选择通过连接安卓手机或连接电脑的安卓虚拟机来进行项目的调试工作。 连接安卓手机的操作如下： 用USB数据线把手机和电脑接上。 在手机上打开手机“设置”，点进“关于手机”，找到“版本号”，如下图： 连续点击“版本号”，直至跳到“请输入锁屏密码”一页或者出现提示“您已处于开发者模式，无需进...
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")
TMS_WebGMaps_1.9.8.0_Full_Source
TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder
Android 车载应用与手机安卓开发差异深度解析
掌握这些差异点和技术细节，能够帮助您在面试中展现出对车载应用开发的深刻理解，特别是在安全性、性能优化和特殊场景处理等方面的专业能力。"Android Automotive OS是完整操作系统，而Android Auto是手机应用的投射扩展""车载系统通过Vehicle HAL层直接访问车辆硬件，而手机应用只能通过标准API访问有限传感器"提供降级方案（如无CAN总线时使用GPS测速）（必须使用Car App Library）"如何处理不同车型的硬件差异？触摸目标尺寸≥48dp。文字最小字号24sp。
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
Android手机使用Windows应用,在Windows 10中运行安卓应用！这些手机已支持
微软本月初宣布了Windows 10的一个新功能“你的手机”(Your Phone)，这个功能可以让你直接在Windows 10电脑上访问安卓手机的应用，你还可以将你喜爱的手机应用固定到任务栏或者开始菜单中。“你的手机”支持多任务进程，当你打开一个应用，它会在一个新的独立窗口中展示。所以，你可以同时进行聊天、上网、点外卖，不是在手机上，而是在更大屏幕的电脑上，用你的鼠标、键盘。此前，微软只在Win...
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
android+动态隐藏图标,2018安卓手机怎么隐藏图标 进入隐藏应用界面
谈到图标，大家都了解，有人问oppo手机怎么隐藏应用，还有朋友想问华为p20pro，这到底怎么回事呢？事实上怎样使用vivo手机自带的隐藏应用功能呢，下面是小编为大家整理的2018安卓手机怎么隐藏图标，一起来看看吧。2018安卓手机怎么隐藏图标你好，请问你使用的是什么机型呢？ColorOS2.1之前的系统是可以隐藏程序的，在桌面安全中心--访客模式，设置主人密码和访客密码，加密程序，用访客密码进入...
android真机调试三星,Windows 10中可以运行三星手机的安卓应用
微软本月初宣布了Windows 10的一个新功能“你的手机”(Your Phone)，这个功能可以让你直接在Windows 10电脑上访问安卓手机的应用，你还可以将你喜爱的手机应用固定到任务栏或者开始菜单中。“你的手机”支持多任务进程，当你打开一个应用，它会在一个新的独立窗口中展示。所以，你可以同时进行聊天、上网、点外卖，不是在手机上，而是在更大屏幕的电脑上，用你的鼠标、键盘。此前，微软只在Win...
android 默认相机黑色,安卓手机如何设置默认相机应用？
安卓手机如何设置默认相机应用？华为、小米、vivo、oppo手机，设置默认相机的操作步骤。安卓手机今日水印相机App1图中华为手机系统环境：EMUI9.1.0在手机桌面点击“设置”2点击“应用”3点击“默认应用”4点击“相机”5选择你想设置的相机即可。图示为“今日水印相机”App1图中小米手机系统环境：MIUI 11.0.2在手机桌面点击“设置”2点击“应用设置”3点击“应用管理”4点击右上角5点...
一文总结在不安装 Android Studio 的情况下在安卓手机上运行 Flutter 应用
如果你尚未安装 Flutter，请先下载并解压 SDK：访问 [Flutter 官网](https://flutter.dev/?
Android(安卓)系列手机怎么通过电脑安装手机应用程序？
很多朋友刚拿到Android(安卓)系列手机的时候大概首先就是要往里面装软件了，在ANDROID平台下安装文件的后缀名为“.apk”，就好像PC上的安装文件的 后缀名为“.exe”塞班平台安装文件的后缀名为“.sis”一样，所以我们一般称ANDROID平台下安装文件为“APK”。 手机上首先要进行一些设置: 设置——应用程序——勾选“未知源”
把安卓手机当作短信猫的三款ANDROID应用
把安卓手机当作短信猫，性能稳定，管理方便，最近研究了一下相关的ANDROID短信猫应用，推荐一下三款：虫虫云猫，SMSSync，中文版SMS Gateway，下面做分别做介绍。 1、虫虫云猫： 收到短信后，接收到短信后，立刻转发到网站；主动定时从网络请求页面，获取待发短信列表，然后发出短信；发出短信的状态给予报告更新到网站，可方便控制哪些没有发送成功，需要重发。 缺点：作者好久没更新了，我用
android删除自带应用程序,安卓手机自带软件怎么卸载？无需root卸载安卓手机自带软件方法...
当我们入手一台新安卓手机的时候，会发现里面有很多预装应用，而且我们并不常用，那么安卓手机自带软件怎么卸载呢?今天绿茶小编就为大家介绍无需root卸载安卓手机自带软件的方法。25.55MB / 手机工具刷机精灵提供的卸载预装应用功能，通过简单的操作，让用户轻松卸载手机自带应用，释放内存空间，加速手机系统，延长手机待机时间，避免恶意软件产生的恶意扣费、恶意扣流量，甚至窃取用户个人隐私等危害。使用步骤如...
安卓Android手机用adb命令如何卸载系统自带应用
------------------------------------------------华丽分割线----------------------------------------.\adb uninstall --user 0 com.xiaomi.gamecenter.sdk.service --游戏服务。.\adb uninstall --user 0 com.xiaomi.gamecenter --游戏中心。-k 命令会保留用户数据，若不包含-k则不会保留用户数据，清除的会较彻底。
android 文档查看应用程序,安卓手机怎么查看文档
安卓手机怎么查看文档安卓手机不能安装软件其实有很多的原因，排除可以避免的原因(google授权)，其他的硬件设施的支持，也可能出现软件不能安装的现象。那么，安卓手机安装不了软件原因和方法有哪些呢?下面jy135小编为大家收集整理了安卓手机安装不了软件原因和方法，希望能为大家提供帮助!安卓手机安装不了软件原因和方法1、最常见的就是，未知软体安装失败。这个其实在塞班手机的时候就有这个权限，这个也只要在...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
279
扫一扫
