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
734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
用IDEA编写helloworld的步骤
快速生成main()方法：psvm，回车
快速生成输出语句：sout，回车
Ctrl+Alt+space(内容提示，代码补全等)
单行：选中代码，Ctrl+/，再来一次，就是取消 //单行注释
多行：选中代码，Ctrl+Shift+/，再来一次，就是取消 /*多行注释*/
Ctrl+Alt+L
Ctrl+Alt+V
Alt+Insert
CANdb++实战：5步搞定汽车电子DBC文件创建（附信号映射技巧）
本文详细介绍了使用CANdb++高效创建汽车电子DBC文件的五步实战流程，涵盖信号批量创建、报文关联、节点映射等核心技巧。文章重点解析了信号映射中的Motorola/Intel格式选择、多路复用信号处理等高级应用，并提供了从通信矩阵到可测试DBC的完整案例，帮助工程师大幅提升工作效率。
idea快捷键最全最新最好
常用快捷键 返回最顶头： home 返回最末尾：end Alt+Insert 可以新建类，文件，get或set方法，此快捷键又名创造一切 编辑区和文件区的跳转。 alt + 1 ：编辑区跳转至文件区 esc：文件区跳转回到编辑区 关闭当前打开的.........
电池管理系统（BMS）系列（四）—数据采集之温度
属于BMS系列文章，介绍了电池包温度采集相关方式
IDEA常用快捷键
一、查找类的快捷键 1、在项目中查找某个自定义类 Ctrl + Shift + r 2、在源码中查找某个类 Ctrl + Shift + n 二、大小写切换 Ctrl + Shift + u 三、查看类图 1、先找到那个类（一里面的快捷键） 2、查看本类继承体系（Ctrl + Alt + Shift + u 或者Ctrl + Alt + u ） 3、查看子类继承关系（Ctrl + Alt + b） 4、 查看要展示的子类继承 ...
《UDS协议从入门到精通》系列——到底什么是DTC？
到底什么是DTC？看这里，深度图解DTC格式，详述DTC状态位、快照信息和扩展信息！！
如何使用 ABAP 代码调度一个 ABAP 程序，让其以后台作业的方式运行
笔者之前的教程，介绍了如何使用 SM36 一系列事务码，将一个 ABAP 程序，调度成以后台作业方式运行的详细步骤。 38. 如何让 ABAP 报表在后台作业的模式下运行 大家如果照着上述文章的步骤走一遍，会发现这些手动执行的步骤还是有些繁琐的。 有没有可能让这一切都自动化起来，即通过 ABAP 代码去完成呢？当然可以。
分享干货：idea常用快捷键分类总结（适合速查~~建议收藏♥）
一、IDEA常用好用快捷键分类 1、常用组合类 Ctrl+Alt+L：格式化代码 Ctrl+Alt+O：优化导入的类，可以对当前文件和整个包目录使用 Ctrl + Shift + / 代码块注释 （必备） 2、常规类 Alt+1：打开或隐藏Project选项卡 Alt+4：打开或隐藏控制台 Alt+7：打开当前类的Structure结构 Alt+←/→：打开当前文件的左边/右边那个文件（方便快速切换） Ctrl + 左键单击：在打开的文件标题上，弹出该文件路径 3、查找类
智能水下机器人设计： 基于MATLAB的水下机器人动力学建模和控制系统设计，包括水下环境感知、路径规划和任务执行等
智能水下机器人是指能够在水下自主完成各种任务的机器人，例如探测、勘察、救援等。它具有广阔的应用前景，可用于海洋环境监测、水下考古、海上作业等领域。基于MATLAB的水下机器人设计可以为科研人员和工程师提供强大的建模和仿真工具，帮助他们设计更智能、更高效的水下机器人。智能水下机器人是未来海洋科技发展的重要方向，它将为海洋科学研究、水下考古和海上作业等领域带来新的机遇。MATLAB是一种功能强大的数学和科学计算软件，它可以为智能水下机器人设计提供强大的工具和支持。
IDEA的实用快捷键大全
像 Ctrl + C 复制， Ctrl + V 粘贴， Ctrl + S保存文件， Ctrl + X剪切，这种过于基础的快捷键这里不多赘述。光标移至下一行，就不会出现图（1-1）的情况了。以上为我个人的小分享，如有问题，欢迎讨论！（8） Ctrl + Shift +箭头上下。（14）psvm + 回车/main + 回车。都看到这了，不如关注一下，给个免费的赞。与Ctrl + Z相对，返回下一步。（22）shift+alt+鼠标左键。（23） Ctrl + 鼠标点击。通用快捷键，撤销，返回上一步。
补丁1.0：使用Eviews做ADF检验
补丁1.0：使用Eviews做ADF检验
[解决] PDF转图片,中文乱码或显示方框的解决方案
在Java开发中，将PDF文件转换为图片是一项常见的需求，但过程中可能会遇到中文乱码或显示方框的问题。本文将深入探讨这一问题，并提供详细的解决方案，帮助开发者顺利地完成PDF到图片的转换。
idea快捷键大全（纯干货版）
idea快捷键大全
【AI大模型应用开发】【LangChain系列】实战案例6：利用大模型进行文本总结的方法探索，文本Token超限怎么办？
假设有一组文档（PDF、Notion页面、客户问题等），你想要总结内容。可以利用大模型来帮你。今天来系统看下利用大模型来对文本进行总结的方法，以LangChain的使用为例。
eclipse与idea区别-项目结构和快捷键
idea的项目结构的叫法跟eclipse不同。 eclipse中我们在一个workspace下建立多个project。idea则是在一个project下建立多个module。 可以理解成，idea中的project对应eclipse中的workspace，idea中的module对应eclipse中的project。 eclipse中的package有专门图标，idea则直接用文件夹来展示。 常用快捷键区别 导包 eclipse CTRL+SHIFT+O idea Alt+Enter idea还支持
数学建模模型总结
这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！
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")
二、IDEA设置、快捷键和代码模板
博客说明： 仅是作为学习过程中的记录笔记，便于后期复习并不断修改完善 欢迎阅读、沟通和指正，谢谢 资料来源：包括但不限于B站、博客、淘宝、书籍等 IDEA 一、IDEA概述 IDEA全程IntelliJ IDEA,是用于Java语言开发的集成环境，它是业界公认的目前用于Java程序开发最好的工具。 集成环境：把代码编写、编译、执行、调试等多种功能综合到一起的开发工具 工欲善其事必先利其器，总得找个好的地方写代码 IDEA中的工具栏 在View下的Appearance出勾选 st
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
IDEA的项目结构和常见配置
一 IDEA的项目结构
SAP B1中文培訓教材_SDK
公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说
intelij idea 和 eclipse 使用上的区别
一、项目创建区别 使用基于IntelliJ的IDE，都会对project和module的关系比较糊涂。用简单的一句话来概括是： IntelliJ系中的Project相当于Eclipse系中的workspace。IntelliJ系中的Module相当于Eclipse系中的Project。IntelliJ中一个Project可以包括多个ModuleEclipse中一个Workspace可...
IDEA中的项目结构以及内容辅助见和快捷键
IDEA中的项目结构以及内容辅助见和快捷键
【一看就懂的java学习】之 idea快捷键和项目结构
4 idea快捷键，项目结构 1 idea快捷键 注释： 单行：选中代码，Ctrl+/ ，再来一次则取消 多行：选中代码，Ctrl+Shift+/，再来一次则取消 格式化： Ctrl+Alt+L（qq挂着的时候会冲突，可以改掉qq的快捷键） 快速生成语句： 快速生成main（）方法：psvm，回车 快速生成输出语句：sout，回车 快速生成构造方法等 Alt+Ins 内容 内容辅助键： Ctrl+Alt+space（内容提示，代码补全等） 2 项目结构 ...
IntelIiJ IDEA使用 基本设置 快捷键 （一）
文章目录IDEA的使用IDEA的项目结构IDEA中的基本配置IDEA中快捷键的设置IDEA中的快捷键基本快捷键的使用搜索功能实用到快捷键模板设置总结 IDEA的使用 从Ecplise更换到IDEA还是用挺大的不同的，IDEA更加智能，设置更加人性化，具体看看如何使用吧~ IDEA的项目结构 IDEA中地项目结构分为project 和moudle，以及moudle下的package，IDEA中的项目...
java入门：IDEA介绍，IDEA的快捷键，IDEA中创建项目
IDEA：java语言开发的集成环境。 集成环境：把代码的编写，编译，执行，调试等多种功能综合到一起的开发工具。 IDEA中HelloWorld步骤： 创建空项目 创建一个新模块 在模块下创建一个包 在包下面创建一个类 编写代码 执行程序 IDEA项目结构 一个项目Project包含许多模块，模块下有包，包下面有类 IDEA内容辅助键： 快速生成语句：快速生成main()方法：psvm，回车 快速生成输出语句：sout，回车 内容辅助...
IntelliJ IDEA初级教程
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录IDEA一、IDEA概述和安装1.1IDEA概述1.2IDEA的下载和安装二、IDEA中的HelloWorld2.1IDEA中的HelloWorld步骤三、IDEA中的项目结构四、IDEA中内容辅助键和快捷键4.1内容辅助键4.2快捷键五、IDEA中的模块操作5.1新建模块5.2删除模块5.3导入模块 IDEA 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习
idea常用快捷键及配置
快捷键 Intellij idea 操作 Ctrl + Alt + S 打开设置 Shift + F6 选择文件重命名，rename file 可以改后缀名 Esc 返回代码编辑框 搜索 Shift 连按两次 搜索所有 Ctrl + Shift + N 搜索文件 Ctrl + N 搜索类 Ctrl + E 显示最近文件 代码补全 main so...
idea 常用快捷键
之前使用的myeclipse，习惯使用快捷键，刚到公司开始接触idea，因此将使用过的，常用的快捷键进行整合 1.移动一行：Alt+Shift+上/下 2.在包或者文件夹下面新增class之类的文件：Alt+Insert 3.打开settings设置目录：Ctrl+Alt+S 4.打开项目结构：Shift+Ctrl+Alt+S 5.重命名：Shift+F6 6.启动：Shift+F10
IDEA和数组
目录01-IDEA的概述和安装02-IDEA的项目结构03-IDEA中的第一个代码04-IDEA的常用快捷键05-IDEA操作模块06-IDEA打开关闭项目-类名包名修改07-数组介绍08-数组的定义格式09-数组的动态初始化10-数组元素访问11-java内存分配一个数组内存图12-两个数组内存图13-多个数组指向相同内存图14-数组的静态初始化15-数组操作的两个常见问题16-数组遍历17-数组获取最大值18-数组元素求和19-数组基本查找20-评委打分
Java基础学习笔记5——IDEA的安装和使用
1、IDEA概述和安装 IDEA（IntelliJ IDEA），是用于Java语言开发的集成环境，它是业界公认的目前用于Java程序开发最好的工具。 下载地址：https://www.jetbrains.com/idea/ 安装步骤选择完安装路径，一直点next即可。第一次打开IDEA，选择Do not import settings，点击OK。 2、IDEA中创建项目 创建一个空项目（JavaSE_Code）； 创建一个新模块(idea_test)； 在idea_test模块下的src下创建
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
944
扫一扫
