ubuntu12.10:通过锐捷认证使用校园网

在校园网中使用mentohust连接锐捷 mentohust是华中科技大ubuntu社团编写的校园网登录软件,适用性极广,名校就是不一样,为了解决所有学校的校园网锐捷登录问题,编写了这么复杂的配置程序,当然如果你希望使用傻瓜软件,那还是用windows吧------小猎隼首先讲解各种参数(可略过)打开终端,输入以下命令sudo mentohust -h将显示如下内容:欢迎使用MentoHUST 版本: 0.3.4Copyright (C) 2009-2010 HustMoon Studio人到华中大,有甜亦有辣。明德厚学地,求是创新家 阅读详情

参考:

锐捷、赛尔认证MentoHUST

校园网使用锐捷上网

ubuntu12.10校园网锐捷认证上网(华农实测)

Linux基本网络配置



关于MentoHUST的介绍,在锐捷、赛尔认证MentoHUST 就有详细的,这里就不赘述了,直接说如何安装使用。

(1)下载deb安装包:

项目主页下载地址:https://code.google.com/p/mentohust/downloads/list

无法登陆google code的可以在ubuntu12.10校园网锐捷认证上网(华农实测)这里下载。


(2)下载好了之后打开终端,cd到对应目录,然后运行如下命令进行安装:

sudo dpkg -i mentohust_0.3.4-1_amd64.deb
由于权限问题,所以直接双击deb包进行安装的话,可能会报错。


(3)安装好了之后,进行设置:

执行如下命令启动mentohust:

sudo mentohust
接下来会出现提示让你输入用户名和密码,选择组播地址、DHCP方式,如无意外,就可以上网了。

ps:a. 可能会在输入用户名密码之前让你选择使用哪个网卡来进行连接:eth0表示第一个ethernet网络接口(即有线接口),wlan0表示第一个无线接口。按需选择。

         b. 我学校是用锐捷的,所以组播地址选择1(锐捷)。

         c. DHCP方式的选择:使用动态ip的应该在这里正确设置,一般不是1就是2,如果用3认证成功却无法上网,改为1试试。使用静态ip的应该设为0。

         d. 关于其他参数的详细介绍,请看这里。

         e. 这里有列出mentohust支持的院校

          f. 如果遇到提示说认证失败,要安装学校提供的官方客户端,则把8021x.exe和W32N55.dll两个文件copy到/etc里,具体参见ubuntu12.10校园网锐捷认证上网(华农实测)。


(4)设置好后如果出现如下:

>> 发送用户名...
>> 发送密码...
>> 认证成功!
>> 发送心跳包以保持在线...
通常就是可以上网了,不过不能关掉这个终端,否则连接会中断掉。如果希望这个进程在后台跑,那么可以通过设置mentohust的参数-b:

-b 是否后台运行: 0(否) 1(是,关闭输出) 2(是,保留输出) 3(是,输出到文件) [默认0]

通过使用以下命令来设置:
sudo mentohust -b1

合理来说,也可以通过

sudo mentohust &
来让该进程在后台跑,可是我自己在试的时候,虽然查看进程能看到mentohust在跑,可是却上不了网。

如果有谁知道原因的,麻烦跟我说下,谢啦~~


ubuntu下使用锐捷客户端链接校园网 2018年1月10日更新:几年没使用优快云,今天登录了一下发现有一些问如何在ubuntu下使用校园网的问题。我在这里推荐一个更优的选择:mentohust, MentoHUST是一个支持Windows、Linux、Mac OS下锐捷认证的程序,详细的介绍以及下载链接请点这里 。 对于linux学习者来说,并当他们是中国大陆的在校学生时,在学习linux的路程上他们遇到的第一个问题往往是如何连接... 阅读详情

相关推荐

linux折腾日记:校园网锐捷上网设置

这篇文章是基于中山大学校园网,以及Ubuntu 17.10桌面版操作系统演示的,其他校园网和其他linux发行版可公参考。一、有线上网设置1. 创建Software目录在你想要创建目录的地方,右键新建文件夹,创建Software目录。mkdir Software2. 下载锐捷客户端打开中山大学网络与信息技术中心IT服务帮助台 的锐捷下载页面,下载linux版锐捷客户端(锐捷认证客户端 v4.90

m0_38080253的博客 5850

Ubuntu使用mentohust认证有线校园网

1.下载mentohust点此下载 2.安装 使用命令sudo dpkg -i mentohust-name进行安装 3.配置 sudo mentohust -uname -ppassword -n网卡使用此命令进行配置,其中-uname是-u与用户名连在一起的写法,其他类似,此步骤需要主要网卡的配置,可以再设置-网络-有线连接中找到网卡名,也可以通过ifconfig命令找到网卡名.配置完成后就可...

xin凝的博客 740

linux下通过mentohust登录锐捷校园网

前言博主前段时间,把室友不用的电脑装了个双系统(win7+ubuntu16.04)。在此十分感谢室友对我倾力帮助。装机过程挺简单,应该和大家都差不多。先进PE分区,重装win7。然后压缩卷,再装ubunut,大功告成。以后这个电脑主要就用于在linux底下的测试开发。在linux的环境下部分还在学校使用校园网,如锐捷的同学们,对于上网还是挺头疼的。锐捷自己的linux客户端好像很久未更新了,不太能用

Stay hungry,stay foolish. 6534

Ubuntu8.04下Dr.com上网验证方法[图文教程]

校园网使用Dr.com上网验证的方法[图文教程](例:Ubuntu8.04)很多校园都是使用上网客户端验证的,其中,drcom是比较常见的一种。 对于初学者来说硬盘安装ubuntu8.04使用drcom上网验证确实是比较痛苦的。 我当初就是深受其害的一员,这里分享下我使用drcom的一些经验。 PS:这个编译安装过程,其实可以全程用命令进行Copy codesudo mount

井中明月 1384

linux(Ubuntu)系统解决校园网锐捷客户端联网问题

1、下载锐捷客户端linux版,一般学校校园网会有下载链接。 2、解压后会显示如下四个文件: 此时回到桌面,打开终端,顺序输入以下两行命令: sudo chmod +x ./rjsupplicant.sh sudo ./rjsupplicant.sh -u 用户名 -p 密码 -d1 运行后会显示认证成功,此时即连接成功。 注意:运行过程中不可关闭该终端,并且该脚本会关NetworkManager服务, 在终端输入: serviceNetworkManagersta...

求知者的博客 1849

Ubuntu锐捷校园网连接不上问题,认证成功但是上不去网。

最近刚装上Win10+Ubuntu16.04双系统,但是被锐捷校园网问题折腾了好久,一开始不能认证,后来认证成功但上不去网。 我把锐捷文件夹放在/home主目录下,进入主目录 cd ~/ 以管理员身份运行rjsupplicant.sh脚本 sudo ./rjsupplicant.sh -u 1111111 -p 2222222 -d 1 -u后面是自己的用户名,-p是密码。这时发现有...

NEU-LC的博客 2800

如何在ubuntu上连接校园网

如何在ubuntu上连接校园网 1、键入命令 设置pppoe连接,并设置连接名:nmcli con edit type pppoe con-name "zdh" 本次添加了一个pppoe连接,并设置该连接名为zdh 设置pppoe连接的用户名信息(校园网账号)set pppoe.username = 20111111" 保存 save 然后quit。 最后在用户网界面右上角找到有线连接图标,点进去可以查看到zdh这个有线连接。 设置parent interface为ppp0,然后service填如上

a15802025636987的博客 4694

【Linux】ubuntu锐捷客户端连接四川大学校园网

折腾了一个小时,终于登上校园网了,写博客记录一下过程,以便自己以后查阅,希望能够为SCU有需要的同学提供帮助。 为了方便使用ubuntu自带的截图软件,我先设置了快捷键来方便使用,截图会自动保存到图片文件夹: 下载锐捷客户端Linux版本,此项自行百度 解压后为rjsupplicant文件夹,可以将文件夹重命名为一个简单的名字,方便自己cd,我改为rjnet 开始踩着坑联网! ...

要恰饭得嘛 2719

ubuntu系统下锐捷认证连接校园网(保姆级别)以华南农业大学为例

6.认证成功后会出现network-manager被仅用了。一定要输入:-s 有线1x认证,否则会出现认证方式错误。1.先下载安装包(华农信息网络中心)3.cd到文件夹目录。

weixin_45363016的博客 1983

Amesim与Simulink联合仿真:S-Function接口配置与实战避坑指南

本文详细介绍了Amesim与Simulink联合仿真中S-Function接口的配置方法与实战避坑指南。从环境搭建、编译器配置到S-Function接口实战,逐步解析关键步骤与常见问题解决方案,帮助工程师高效实现多领域系统仿真,特别适合汽车、航空航天等复杂系统建模场景。

weixin_29173777的博客 345

鸿蒙设备部署轻量级Web服务器NexServer实践

Web服务器作为互联网基础设施的核心组件,其轻量化部署在移动终端领域具有重要实践价值。本文以鸿蒙操作系统为技术载体,深入解析微内核架构如何通过资源隔离和分布式软总线实现服务高可用。重点探讨NexServer这一专为嵌入式场景设计的轻量级服务器,其ARM原生支持特性与15MB级内存占用,在HTTP/2协议处理与WebSocket通信中展现出独特优势。在智能家居控制面板、边缘计算节点等物联网典型场景中,鸿蒙设备结合NexServer的方案相比传统Nginx部署可降低60%资源消耗。通过实测数据对比,该组合在50

weixin_30411239的博客 484

Linux下校园网锐捷认证(以湖南农业大学校园网为例)

inux下校园网(锐捷)连接的方法 以湖南农业大学校园网为例

小磊的专栏 6192

52页PPT智慧矿山数字化工业大数据平台建设方案

致力于为煤炭企业构建“全”、“统”、“通”、”智”的(大数据平台/数据中台)体系,基于“数字新基建”时代的数据价值思考,构建全域数字化矿区共享能力中心,助力煤炭企业实现数字化转型,打通底层系统之间数据壁垒,加强公司整体管理和安全生产系数,为运营提供数据统筹模型,实现重点数据实时监控和数据共享开放服务。综上所述,智慧矿山数据治理是一个系统性的工程,需要煤炭企业内各部门连同行业和政府监管部门通力协作,制定数据标准和管理规范,重塑煤炭企业数据架构和数据传输链路,打通智慧矿山数据壁垒,保障数据质量和数据安全。

zuoan1993的博客 1055

ubuntu18.04系统下使用锐捷校园网两种方法:锐捷客户端登陆和Mentohust登陆方法

ubuntu18.04系统下使用锐捷校园网两种方法:锐捷客户端登陆和Mentohust登陆方法 这是我的第一篇博客,记录一下自己在平时学习中遇到的问题,分享给大家自己学习中遇到的一些坑,同时给出摸索之后得到的安装方法和步骤,如果有错误不当的地方,希望得到大家的批评指正。 Linux系统使用校园网的方法不同于Windows系统,一般Windows下我们只要安装相应的锐捷客户端就可以使用校园网账号密码...

weixin_43199184的博客 2401

SpringBoot项目实战:5分钟搞定豆包大模型API接入(附完整代码)

本文详细介绍了如何在SpringBoot项目中快速集成豆包大模型API,仅需5分钟即可完成。从环境准备、依赖配置到核心服务封装和控制器层实现,提供了完整的代码示例和实战技巧,帮助开发者高效接入大模型能力,提升智能客服等应用的开发效率。

weixin_30566063的博客 442

咨询进阶——解读40页公司战略解码方法【附全文阅读】

战略解码是将企业战略转化为可执行计划的关键过程,强调垂直和水平一致性原则。通过KPI指标设计和目标分解,确保战略在各部门和岗位有效落地。解码过程包括战略澄清、目标牵引、绩效分解和承诺签订,输出战略解码图等文件。不同部门根据责任定位(如利润中心、绩效中心)采用差异化考核方式,实现战略有效执行。

cdfunlove的博客 150

Linux下校园网锐捷认证方法

目前在LINUX下使用校园网的主要是使用10.04版本以上的学生用户,所以在此主要讲解Ubuntu Linux的配置方法: 我们并不使用锐捷公司的官方工具,因为它限制了用户的多网卡功能。 我们使用的是LINUX下,由华中大开发的mento hust 开源认证客户端,使用简单便捷。 1, 首先,请到:   https://code.google.com/p/mentohust/   下

Aurora极光城 4907

芒果YOLOv1改进35:主干Backbone篇之MobileViTv3:全网首发最新 MobileViTv3 系列最强改进版本(三)|轻量化Transformer视觉转换器,简单有效地融合了本地全局

芒果YOLOv1改进35:主干Backbone篇之MobileViTv3:全网首发最新 MobileViTv3 系列最强改进版本(三)|轻量化Transformer视觉转换器,简单有效地融合了本地全局

包括YOLOv5、YOLOv7、YOLOv8等模型改进 433

Ubuntu 10.10 通过锐捷 连接校园网

Ubuntu 10.10 通过锐捷 连接校园网 昨天安装了Ubuntu10.10,安装方法如同安装软件一样简单,本文就不再赘述,介绍一则校园网用户如何通过锐捷上网的方法。 一、需要用到的软件: 1.xrgsu(Linux版的锐捷) 2.libstdc++5_3.3.6-20_i386.deb 3.libpcap0.8_1.1.1-2_i386.deb ...

dinglangwei5539的博客 656

SAP_SD模块路径及运输功能后台配置简介

后台路径:SPRO—后勤执行—装运—基本发运功能—定义路线—定义传输模式根据实际运输过程运输地理的类型:海运、公路运输、空运后台路径:SPRO—后勤执行—装运—基本发运功能—定义路线—定义发运类型根据实际运输过程运输方式:汽车、卡车、火车、轮船、飞机后台路径:SPRO—后勤执行—装运—基本发运功能—路径—定义路线—定义运输连接点指在运输过程中需要中转的地区可以维护中转地区的停留的时间后台路径:SPRO—后勤执行—装运—基本发运功能—路径—定义路线—定义路径和阶段。

我小时候很黑的博客 1402

第 10 篇:深度学习的“军火库”——CNN、RNN与Transformer,AI如何看懂世界?

深度学习的革命,不是依赖单一的通用大脑,而是为不同任务打造了专属“军火库”:CNN用“局部感知”看懂图像,RNN用“循环记忆”理解序列,而Transformer则用“全局注意力”开启了AIGC时代。理解这些架构,不是记忆孤立的技术,而是洞察AI从“专才”走向“通才”的进化脉络。

maqh_csdn的博客 787

Ubuntu系统上使用锐捷客户端有线连接校园网

Ubuntu系统上使用锐捷客服端连接校园网(这里使用的是Ubuntu18.04系统),以华南农业大学为例,具体步骤如下: 下载校园网锐捷认证客户端(Linux版)(校园网锐捷认证客户端(Linux版)) 解压文件。(这里是在window上解压后拷在U盘中) 打开终端,在终端运行以下命令:cd +(锐捷(rjsupplicant)客服端存放的路径) (可右击后点击属性查看位置) 配置脚本,在终端运行以下命令:sudo chmod a+x ./rjsupplicant.sh 查..

weixin_42795788的博客 2529

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

Ubuntu下校园网锐捷客户端的连接

目前正在学习Linux,之前在Windows的虚拟机中安装了一个Redhat系列的CentOS6.3,但总觉得在虚拟机跟主机之间来回切换很不方便,后来又装了一些远程控制软件,比如secureCRT或者Putty等,虽然切换起来方便一些了,但总觉得既然要学习Llinux,就干脆放弃Windows,在电脑上只装一个Linux.由于怕纯字符界面对于我这个菜鸟来说会太难,所以在网上百度一波之后,就选择了Ub

tsmotlp的博客 1433

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

【免费下载】 Linux系统中进行锐捷有线校园网认证 + 开机启动认证

Linux系统中进行锐捷有线校园网认证 + 开机启动认证 【下载地址】Linux系统中进行锐捷有线校园网认证开机启动认证 Linux系统中进行锐捷有线校园网认证 + 开机启动认证本仓库提供了一套详细的指南,专为解决Linux系统用户在校园网环境中遇到的认证问题 ...

gitblog_06596的博客 841

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")

Ubuntu12.04网络配置级校园网锐捷使用

安装好Ubuntu之后,首先要设置好网络配置。(我用的是12.04LTS) 网络配置一般有两种方法, 1、通过配置文件配置 1)配置IP网关:sudo gedit/etc/network/interfaces 里面添加 自动获取ip的,将文件修改如下: auto lo iface lo inet loopback auto eth0 iface eth0 inet dhcp  

镇长的博客 1801

锐捷校园网:小米mini路由刷Padavan固件实现wifi上网

校园网不能电脑手机同时在线,这让我非常困扰。最重要的是联网时每次都要启动客户端程序!!!简直麻烦透了(即使设置自启动也一样地烦)。为此我特意买了个小米mini路由,打算自己放个wifi出来。通过学习各种刷机教程,终于实现了路由wifi上网。这是我第一次弄路由器,所以写点东西留念一下。 一. 基本配置工作环境 系统:Unbuntu 网络:联网 软件:ssh(远程登录),scp(远程复制) 浏览器:Ch

u013447565的博客 2万+
上一篇: !LaTeX Error:File 'moderncv.cls' not found.
下一篇: Your 64-bit guest will fail to detect a 64-bit CPU and will not be able to boot.
xjwJava
博客等级 码龄16年 19粉丝 48原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 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