avatar
文章
99
标签
36
分类
17

首页
时间轴
标签
分类
友链
十万个为什么
好文推荐
关于
戴晶明的个人博客
搜索
首页
时间轴
标签
分类
友链
十万个为什么
好文推荐
关于

戴晶明的个人博客

|
文献阅读指令集
发表于2024-09-08
指令集 指令1 请你阅读井理解这篇文献,然后将该篇文章的标题作为一级标题,将摘要和各个大标题作为二级标题,将小标题作为三级标题,将小标题下每一部分内容作为四级标题,给我以markdown的语言输出中文的翻译。去掉致谢和参考文献的部分。 指令2 请你以“该篇文章的笔记“为一级标题别以"该篇文章的研究目的”、“2.该篇文章的研究方法”、”3该篇文章的研究内容”、“4该篇文章的最大创新点”、“5该篇文章给我们的启发“为二级标题,总结的这五部分内容作为三级表题,给我总结后以markdown的语言输出。 指令3 请你对该文章中的所有的图例和表例按照顺序给我依次翻译成中文。 指令4 这是图X,请你结合该篇文章内容,首先给我介绍每个图中的横坐标和纵坐标各自表示的含义,然后针对每一个图给我详细的解释。 指令5 我对XX内容”不是很理解,请你用通俗的语言给我解释,并给我举出一个实例以让我更加深刻的理解。
gcc环境配置
发表于2024-06-27
Windows 来到mingw官网, 根据自己的喜好选择, 我这里选择mingw64 进去之后点击GitHub链接来到下载页面 i686 和 **x86_64 **分别代表32位和64位 posix 和 win32 代表默认使用线程库, 其实就是编译器默认参数选择, 如果是posix 链接的时候就回默认带上 -lpthread, 其实无论怎么选, pthread库都是包含的 msvcrt 和 ucrt 代表不同的运行时库, 就是一些基础函数, 库函数 配置环境变量
linux常用命令和工具
发表于2024-06-19
Linux 场景解决方案
发表于2024-06-18
前言 用于记录Linux使用的时候遇到的一些特殊场景, 以及对应的解决方案 多用户同时使用图形界面 机房有一台很好配置的服务器, 但是同学们不太会直接使用命令行界面, 都需要图形化的使用, 这个时候我们就需要多个用户同时使用, 就不用等某个同学的使用了 解决方案: vnc+内网穿透 或者 vnc+向日葵 (这个可能有点问题, 我尝试没成功) 要在CentOS服务器上设置VNC以便远程多用户访问,您可以按照以下步骤进行: VNC安装 1. 安装VNC Server和桌面环境 首先,您需要安装一个VNC服务器和一个桌面环境。这里以TigerVNC和GNOME桌面环境为例: 123sudo yum install epel-release -ysudo yum install tigervnc-server -ysudo yum groupinstall "GNOME Desktop" -y 2. 设置VNC Server 创建VNC Server的配置文件: 1sudo cp /lib/systemd/system/vncserver@.service /etc/sy ...
office办公软件
发表于2024-06-17
word Excel PPT
office办公软件安装
发表于2024-06-16
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
谷歌使用
发表于2024-06-06
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
windows
发表于2024-06-02
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
linux问题记录
发表于2024-05-30
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 ...
人工智能学习
发表于2024-05-23
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 ...
123…10
avatar
戴晶明
不积跬步,无以至千里
文章
99
标签
36
分类
17
公告
欢迎光临
最新文章
内网穿透2025-04-28
transformer及其变体学习2025-04-10
python场景方案解决2025-04-03
python常用包学习2025-03-09
目标检测领域的经典模型2024-12-11
分类
  • 4081
  • English1
  • windows1
  • 云原生1
  • 基础课程2
  • 实用软件1
  • 工具4
    • git1
标签
MFC需要复习windowsc++c语言English英语gitGohexodockerjavajsoupHttpClientspringlinux网络linuxmakefilepythontasksk8svue云计算机网络maven工具的使用工具汇编高等数学命令总结tomcatnode操作系统数据结构计算机组成原理UML
归档
  • 四月 20253
  • 三月 20251
  • 十二月 20241
  • 十一月 20243
  • 九月 20243
  • 六月 20247
  • 五月 20244
  • 四月 20242
网站资讯
文章数目 :
99
已运行时间 :
911 天
本站总字数 :
459.6k
本站访客数 :
5623
本站总访问量 :
6182
最后更新时间 :
18 天前
©2022 - 2025 By 戴晶明
框架 Hexo|主题 Butterfly
搜索
数据库加载中