戴晶明的个人博客

word Excel PPT

方式一 参考链接 如果直接在网上搜索office安装, 弹出的基本要么是官方的先购买才能安装, 要么就是office tool plus 安装, 后者有时候会下载失败, 就很傻逼, 我就干脆自己直接下载 官网下载 Office Deployment Tool, 打开后会选择一个文件夹,东西会放在这里 配置config文件, 官网导出config.xml 到上一步选择的文件夹 进入到第一步选择的文件夹执行下面命令: setup.exe /download config.xml 12345 这里是在下载应用* ``` setup.exe /configure config.xml 进行安装 这样就完成了下载, 后续就是破解了 方式二 直接使用office tool plus 安装, 这个其实就是软件帮我们集成了上面的操作, 我们只需要使用这个软件来安装即可, 但是这样有时候会下载不了东西导致超时从而下载失败 地址 破解 方式一 通过这个地址下载压缩包打开, 然后运行里面程序 选择激活office即可 方式二

备份 我们知道Google自带了云备份, 但是这里的云备份删除的时候是不需要密码的, 这就存在潜在隐患, Google里面保存了我很多的密码, 万一别人或者自己不小心删掉了, 这你找谁说理去, 而且貌似也没有看到如何恢复, 与其这样, 不如自己搞个备份来的稳妥 在Google页面输入 1chrome://version 上面显示了个人资料路径找到这个路径备份就行, 下次可以直接用这里面的东西覆盖, 这样就能直接使用了 里面其实很多东西不需要备份, 比如说 缓存啊, 索引数据啊, 我们都可以直接删除了 再备份, 这样就小很多

问题记录 启动变得很慢 我的磁盘测试了, 没有问题 安全启动也很慢 启动日志总是循环加载一个驱动不成功 我的解决方法就是更新系统, 然后就遇到了无法更新的问题, 可以参照下面, 更新成功后, 就没有任何问题了 无法更新 报错信息 针对 Windows 10 的功能更新，版本 22H2 - 错误 0xc1900204 这个大概率是我们的默认安装路径换到其他盘去了, 然后导致更新失败, 我们只需要换回来就行 win + r 然后输入 regedit 然后输入框输入 这个: 计算机\HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows\CurrentVersion 将其他盘的改成C盘即可, 然后就可以安装成功了

服务器用户家目录空间不足 服务器出现问题的时候磁盘情况 1df -h 输出如下:(具体数值我记不上了, 情况是这么个情况) 123456789101112131415[root@localhost ~]# df -h文件系统 容量 已用 可用 已用% 挂载点devtmpfs 63G 0 63G 0% /devtmpfs 63G 0 63G 0% /dev/shmtmpfs 63G 12M 63G 1% /runtmpfs 63G 0 63G 0% /sys/fs/cgroup/dev/mapper/centos-root 50G 23G 27G 17% //dev/sda2 1014M 414M 601M 41% /boot/dev/sda1 200M ...

学习路线图 用一张黑马的图来看看具体有些什么东西吧 术语 参数 (Parameters) 参数是模型在训练过程中通过数据学习得到的值。这些值直接影响模型的预测能力。不同类型的模型有不同的参数。例如： 线性回归中的参数是回归系数（权重）和偏置项。 神经网络中的参数是权重和偏置项。 在模型训练过程中，这些参数通过优化算法（如梯度下降）进行调整，以最小化损失函数，从而提高模型的预测精度。 超参数 (Hyperparameters) 超参数是在模型训练之前设置的值，它们不会在训练过程中通过数据学习到，而是需要通过实验或交叉验证等方法来选择。超参数控制模型的训练过程和模型的复杂度。常见的超参数包括： 学习率（learning rate）：控制梯度下降算法中步长的大小。 正则化参数（regularization parameters）：控制正则化项的强度，以防止过拟合。 决策树中的深度（depth of decision tree）：控制树的最大深度。 神经网络中的隐藏层数（number of hidden layers）和每层的神经元数目（number of neurons per la ...

安装miniconda 找到地址, 下载对应版本, 我这里选择Windows 以及 python3.8 下载后安装, 记得勾选添加到环境变量, 这样就能在控制台使用conda 创建yolov8虚拟环境 1conda create -n yolov8 python=3.9 激活和退出 12conda activate yolov8 conda deactivate 安装pytorch 首先先激活使用虚拟环境 1conda activate yolov8 找到显卡版本 1nvidia-smi 安装pytorch 去官网搜索找到自己对应的版 我这里是11.0 1conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=10.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 安装yolov8 pip直接安装 这种安装方式无法修改源码, 不推荐 1pip install ultralytics 然后 ...

基础知识 字符集 我觉得字符集这里要分为两个部分: 字符集编码: 一个字符对应一个数字值, 不同的字符集对应的编码是不一样的 比如 ascll 编码 和 Unicode 和 ansi 编码方案: 如何转换计算机里面的字节数据到编码 比如 Unicode的转换就有 UTF-8 UTF-16 UTF-32 asni编码 根据不同国家对应的编码方案是不同的, 字符集也不同 字符和宽字符 宽字符使用Unicode编码 统一两个字节 字符的话一般使用多字节编码ansi 12wchar* "c语言" // 在Unicode下面这个是8字节char* "c语言" // 在ansi 里面是6字节 c一个 \0 一个 其他都是双字节 注意区分代码编码 和 变量本身编码 这是两个不同的东西, 代码的编码取决于你的选择, 但是变量的编码一般不是你决定的, 但是你的代码编码会影响到变量里面的值 比如 你的代码文件采用的是asni 但是对于 wchar* “c语言” 文件里面它是6字节 但是内存里面它是8字节 (可以这样理解), 如果代码文件编码 ...

设计模式 一 创建型模式 创建对象时隐藏创建逻辑,而不是直接使用new的方式创建对象,可以根据程序判定创建什么样的对象,这样会很灵活 1.工厂模式 在工厂模式中,不对外暴露对象创建的过程,用户需要什么跟工厂要就行. 优点: 不需要知道产品内部实现细节,只需要知道产品对应的接口能干嘛就行 扩展性高,增加一类产品只需要多写一个工厂类就行 缺点: 每次创建一类产品,都需要增加一个工厂类,而多增加一个产品,需要更改工厂类的代码 举例说明: ​ 我们买车只需要直接告诉造车工厂我们需要什么车就行,不需要知道车怎么造出来的,如果我们需要买飞机,我们就需要告诉造飞机的工厂, ​ 车:接口 ​ 奥迪:具体实现类 ​ 造车工厂:工厂类 ​ 我们知道车可以干嘛,然后我们可以根据喜欢向工厂要什么样的车. ​ 每多一个接口,就需要多 一个工厂类,每多一个具体实现类,工厂类里面就需要多些一段代码. 何时使用: 明确知道不同条件下需要创建什么对象,如果创建对象本来就很简单,我们还是直接new比较好 2.抽象工厂模式(---------) 抽象工厂是工厂的工厂,它可以创建工厂类对象,创建的工厂又可以提供创建 ...

实模式下的中断向量 占4个字节 段基址+段偏移地址(中断处理程序地址) 中断向量表最多1024 字节, 因此最多256中断处理程序