手写数字识别神经网络完整代码,带详细注释。
神经网络使用的两个数据集:一个是训练集(60000条),一个是测试测试集(10000条),下载后直接放在程序目录下就可以了
mnist手写字体训练集6000条,mnist_train.csv
mnist手写字体测试集10000条,mnist_test.csv
神经网络文件(nn3l.py)
"""
@文件:nn3l.py
@功能:这是一个3层的神经网络
@作者:Kwina
@日期:2020年7月14日
@说明:传入数据和输出数据都为列表形式
"""
import numpy as np
import scipy.specialclass NeuralNetwork:"""神经网络"""def __init__(self, inputs, hiddens, outputs, learn_rate):self.inodes = inputs # 输入层节点数self.hnodes = hiddens # 隐藏层节点数self.onodes = outputs # 输出层节点数self.lr = learn_rate # 学习效率self.epoch = 0 # 迭代次数self.file_prefix = None # 上次保存的权重文件的前缀self.wih = None # 输入层至隐藏层的权重矩阵self.who = None # 隐藏层至输出层的权重矩阵def set_weight(self):"""设置权重"""# 初始权重矩阵if self.epoch == 0:self.wih = np.random.normal(0.0, pow(self.hnodes, -0.5), (self.hnodes, self.inodes))self.who = np.random.normal(0.0, pow(self.onodes, -0.5), (self.onodes, self.hnodes))else:self.wih = NeuralNetwork.txt2array2d(self.file_prefix + '_wih.txt')self.who = NeuralNetwork.txt2array2d(self.file_prefix + '_who.txt')def train(self, inputs_list, targets_list):"""训练网络:param inputs_list:训练源数据列表:param targets_list:正确结果列表"""inputs = np.array(inputs_list, ndmin=2).Ttargets = np.array(targets_list, ndmin=2).T# 隐藏层计算hidden_inputs = np.dot(self.wih, inputs)hidden_outputs = NeuralNetwork.sigmoid(hidden_inputs)# 输出层计算final_inputs = np.dot(self.who, hidden_outputs)final_outputs = NeuralNetwork.sigmoid(final_inputs)# 误差计算output_errors = targets - final_outputshidden_errors = np.dot(self.who.T, output_errors)# 反向传播更新权值self.wih += self.lr * np.dot((hidden_errors * hidden_outputs * (1.0 - hidden_outputs)), inputs.T)self.who += self.lr * np.dot((output_errors * final_outputs * (1.0 - final_outputs)), hidden_outputs.T)def query(self, inputs_list):"""识别未知数据:param inputs_list: 数据应该和训练源数据长度一样:param epoch: 使用迭代多少代的数据:return: 数据列表,数字最大就是识别结果"""# 输入inputs = np.array(inputs_list, ndmin=2).T# 隐藏层计算hidden_inputs = np.dot(self.wih, inputs)hidden_outputs = NeuralNetwork.sigmoid(hidden_inputs)# 输出层计算final_inputs = np.dot(self.who, hidden_outputs)final_outputs = NeuralNetwork.sigmoid(final_inputs)# 返回final_outputs是长度为self.onodes的列表return final_outputs@staticmethoddef sigmoid(x):"""这个函数的作用就是把数据压缩到0至1之间,成S型分布的曲线:param x::return: 0-1之间的小数,不包括0和1"""return scipy.special.expit(x)@ staticmethoddef array2d2txt(array2d, filename):"""将numpy矩阵(2维数组)存入txt文件:param array2d: 2维数组(矩阵):param filename: 保存的文件路径和名称"""txt = ''for i in range(len(array2d)):for j in range(len(array2d[i])):if j == len(array2d[i]) - 1:txt = "%s%f" % (txt, array2d[i][j])else:txt = "%s%f," % (txt, array2d[i][j])if i < len(array2d) - 1:txt = "%s\n" % txtwith open(filename, 'w') as fl:fl.write(txt) # 写入@staticmethoddef txt2array2d(filename):"""从txt文件中读取数据,并转化成numpy矩阵(2维数组):param filename: 文件名:return: numpy形式的2维数组(矩阵)"""result = []weight_file = open(filename, "r")weight_list = weight_file.readlines()weight_file.close()for w in weight_list:line_list = w.split(',')result.append(line_list)return np.asfarray(result)
操作文件(handwrite_number.py,整理数据,训练网络,识别数据)
"""
@文件:handwrite_number.py
@功能:利用神经网络识别手写数字
@作者:Kwina
@日期:2020年7月14日
@说明:训练数据2000条,测试数据50条。数据来源MNIST"""
import os
import nn3l # 引入定义好的神经网络文件
import time
import numpy as np
import matplotlib.pyplot as pltprogram_name = 'handwrite_number' # 用于保存权重文件
inputs_nodes = 784 # 输入节点,手写数字图片为28*28像素(784)每个像素对于一个节点
output_nodes = 10 # 输出数字是0-9,共10个。输出数组中,哪项值最大,对应索引就是该数字
hidden_nodes = 200 # 隐藏节点数,总性能随数字增加呈曲线上升,一般200性价比较高
learn_rate = 0.1 # 学习效率,一般在0.1-0.3之间较优
# 实例化神经网络
nn = nn3l.NeuralNetwork(inputs_nodes, hidden_nodes, output_nodes, learn_rate)# 训练网络**kwargs,epoch_start, epochs_end, hidden_nodes, learning_rate, train_file
def train_neural_network(nn, epoch_start=0, epochs_end=6, output_nodes=10, hidden_nodes=200,learning_rate=0.1, program_name='', train_file=''):"""训练神经网络,并将训练权重写入txt文件中:param nn: 神经网络实例:param epoch_start: 迭代的起始代,从1代开始:param epochs_end: 需要迭代(世代)的终止数。一般5-6代就可以了,再增加总性能升高很少(浪费时间):param output_nodes: 输出节点数,根据任务类型而定:param hidden_nodes: 隐藏节点数,可调节,会产生不同结果:param learning_rate: 学习效率,可调节,会产生不同结果:param program_name: 程序名称,用于保存权重文件:param train_file: 训练集文件,固定格式的(这里使用的是MNIST数据)"""# 加载数据train_data_file = open(train_file, "r")train_data_list = train_data_file.readlines()train_data_file.close()print("数据读取完毕,训练数据共%d条。" % len(train_data_list))hl_name = '%s_hn%d_lr%0.1f' % (program_name, hidden_nodes, learning_rate)# 建立一个文件夹存放这些权重文件if not os.path.exists(hl_name):os.makedirs(hl_name)# 加载权重文件,如果nn.epoch==0,会初始化权重if epoch_start > 1:nn.epoch = epoch_start - 1nn.weight_name = "%s\\%s" % (hl_name, hl_name)else:epoch_start = 1nn.set_weight() # 更新权重print("迭代任务:从%d代至%d代。" % (epoch_start, epochs_end))for e in range(epoch_start-1, epochs_end):print("正在迭代第%d代..." % (e + 1))start = time.time() # 开始计时count = len(train_data_list)for i in range(count):# 将字符串拆分成列表all_values = train_data_list[i].split(',')# 数据的第一项作为正确结果,所以这里切掉0位# 将1-255的像素值转化为0-1的小数数字# np.asfarray,将Python的列表(list)形式转换成numpy的小数数组形式inputs = (np.asfarray(all_values[1:]) / 255 * 0.99) + 0.01# 在正确的结果数据中先填充满0.01,正确位填充为0.99targets = np.zeros(output_nodes) + 0.01targets[int(all_values[0])] = 0.99# 输入整理后的手写数字数据,和正确结果数据训练“神经网络”nn.train(inputs, targets)process_bar(i+1, count) # 显示进度条# 计算用时end = time.time()min = int((end - start) / 60)sec = (end - start) % 60print("第%d代迭代完成。用时%d分%d秒" % (e + 1, min, sec))print("正在保存权重文件...")# 将训练的权重存放起来)ep_name = '%s_op%d_' % (hl_name, e + 1)nn3l.NeuralNetwork.array2d2txt(nn.wih, '%s\\%swih.txt' % (hl_name, ep_name))nn3l.NeuralNetwork.array2d2txt(nn.who, '%s\\%swho.txt' % (hl_name, ep_name))print("权重文件已存入txt文件。")def test_all_by_epoch(nn, epoch=6, hidden_nodes=200,learning_rate=0.1, program_name='', test_file=''):"""测试整个测试集:param nn: 神经网络:param epoch: 使用的迭代数:param hidden_nodes: 隐藏节点数,必须和相应的训练隐藏节点对应:param learning_rate: 学习效率,必须和相应的训练学习效率对应:param test_file: 测试数据集:return:"""start = time.time() # 开始计时test_data_file = open(test_file, "r")test_data_list = test_data_file.readlines()test_data_file.close()count = len(test_data_list)print("数据读取完毕,测试数据共%d条。" % count)print("正在测试第%d代..." % epoch)# 读取权重文件hl_name = '%s_hn%d_lr%0.1f' % (program_name, hidden_nodes, learning_rate)ep_name = '%s_op%d_' % (hl_name, epoch)nn.wih = nn3l.NeuralNetwork.txt2array2d('%s\\%swih.txt' % (hl_name, ep_name))nn.who = nn3l.NeuralNetwork.txt2array2d('%s\\%swho.txt' % (hl_name, ep_name))t_num = 0for i in range(count):all_values = test_data_list[i].split(',')y = all_values[0] # 将正确的数据放在第1项中# 将图片数据转化为数据矩阵values_array = np.asfarray(all_values[1:]) / 255 * 0.99 + 0.01# 得到识别结果(数组)result_list = nn.query(values_array)# print("神经网络输出数据:", result_list)# argmax,返回最大值的索引值y_pred = np.argmax(result_list)# print("图片中的数字是:%d(正确应该是%d)" % (int(y_pred), int(y)))# 识别正确if int(y) == int(y_pred):t_num += 1else:print("[第%d代]识别错误[编号%d]:识别结果为%d(正确应该是%d)" % (epoch, i, int(y_pred), int(y)))process_bar(i+1, count) # 显示进度条# 计算用时end = time.time()min = int((end - start) / 60)sec = (end - start) % 60print("第%d代测试完成。用时%d分%d秒" % (epoch, min, sec))print("测试准确率为%0.2f%%:", (t_num * 100.0 / count))return t_num * 100.0 / countdef test_one_by_epoch(nn, index, epoch=6, hidden_nodes=200,learning_rate=0.1, program_name='', test_file=''):"""测试整个测试集:param nn: 神经网络:param epoch: 使用的迭代数:param hidden_nodes: 隐藏节点数,必须和相应的训练隐藏节点对应:param learning_rate: 学习效率,必须和相应的训练学习效率对应:param test_file: 测试数据集:return:"""test_data_file = open(test_file, "r")test_data_list = test_data_file.readlines()test_data_file.close()count = len(test_data_list)print("正在测试第%d代..." % epoch)# 读取权重文件hl_name = '%s_hn%d_lr%0.1f' % (program_name, hidden_nodes, learning_rate)ep_name = '%s_op%d_' % (hl_name, epoch)nn.wih = nn3l.NeuralNetwork.txt2array2d('%s\\%swih.txt' % (hl_name, ep_name))nn.who = nn3l.NeuralNetwork.txt2array2d('%s\\%swho.txt' % (hl_name, ep_name))t_num = 0for i in range(count):if i == index:all_values = test_data_list[i].split(',')y = all_values[0] # 将正确的数据放在第1项中# 将图片数据转化为数据矩阵values_array = np.asfarray(all_values[1:]) / 255 * 0.99 + 0.01# 得到识别结果(数组)result_list = nn.query(values_array)# print("神经网络输出数据:", result_list)# argmax,返回最大值的索引值y_pred = np.argmax(result_list)print("[第%d代]图片中的数字是:%d(正确应该是%d)" % (epoch, int(y_pred), int(y)))# 窗口中显示手写数字的图片,显示会停止执行image_array = np.asfarray(all_values[1:]).reshape((28, 28))plt.imshow(image_array, cmap="Greys", interpolation='None')plt.show()def show_img(index, file=''):"""通过编号,显示数据集中的图片:param index: 图片编号:param file: 数据集文件"""test_data_file = open(file, "r")test_data_list = test_data_file.readlines()test_data_file.close()for i in range(len(test_data_list)):if index == i:all_values = test_data_list[i].split(',')# 窗口中显示手写数字的图片,显示会停止执行image_array = np.asfarray(all_values[1:]).reshape((28, 28))plt.imshow(image_array, cmap="Greys", interpolation='None')plt.show()def process_bar(now, length):"""简易进度条:param now: 当前数值:param length: 总任务"""pre = now / length * 100show_count = int(pre / 4)blank_count = 25 - show_countstr = "\r[%d/%d,%0.2f%%]<" % (now, length, pre)for i in range(show_count):str += "+"for i in range(blank_count):str += "-"str += ">"print(str, end='', flush=True)if now == length:print()if 1 == 11:# 训练网络train_neural_network(nn, epoch_start=0, epochs_end=7, output_nodes=output_nodes,hidden_nodes=hidden_nodes, learning_rate=learn_rate,program_name=program_name, train_file='mnist_train.csv')if 2 == 22:# 测试网络 e为迭代次数epoch = 1re = test_all_by_epoch(nn, epoch=epoch,hidden_nodes=hidden_nodes,learning_rate=learn_rate,program_name=program_name,test_file='mnist_test.csv')if 3 == 33:# 识别单张图片index = 8epoch = 6test_one_by_epoch(nn, index, epoch=epoch, hidden_nodes=hidden_nodes,learning_rate=learn_rate, program_name=program_name,test_file='mnist_test.csv')if 4 == 4:# 显示单张手写数字图片index = 8show_img(index, file="mnist_test.csv")pass
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- 28, 安全兜底:涉及钱时,必须考虑防刷、限量和防重
1, 开放平台资源的使用需要考虑防刷 短信验证码这种开放接口,程序逻辑内需要有防刷逻辑。 第一种方式,只有固定的请求头才能发送验证码。 也就是说,我们通过请求头中网页或App客户端传给服务端的一些额外参数,来判断请求是不是App发起的。其实,这种方式“防君子不防小 人…...
2024/4/8 23:45:53 - Ladon枚举远程主机网卡信息(OXID定位多网卡主机)
前言 OXID Resolver是在支持COM +的每台计算机上运行的服务。它执行两项重要职责: 存储与远程对象连接所需的RPC字符串绑定,并将其提供给本地客户端。 将ping消息发送到本地计算机具有客户端的远程对象,并接收在本地计算机上运行的对象的ping消息。我们只需要向远程主机发以…...
2024/4/8 4:52:26 - 痛切的人生思考。
人生思考这个东西每次碰触都会使人悲痛欲绝,大概不会有人愿意花那么大代价去隔三差五来个人生思考。但人性和现实往往不允许人恣意妄为,哪怕是自己的事情。前段时间美国尼苏达州明尼阿波利斯市白人警察跪杀黑人事件后沸沸腾腾闹起了黑人抗议事件,他们高举“black lives matt…...
2024/4/8 23:45:51 - 〖教程〗Ladon探测域名内网IP(只允许域名访问站点)
前言 在内网渗透中,有时候你会发现有些WEB无法通过IP访问,主要原因是目标对网站进行了域名绑定,尤其是同服上有多个域名站点的。这时候你访问可能报401、403、404等错误,或者也不报错返回IIS或APACHE等默认页面,如果认为目标未搭建网站,则可能因此错过一些存在漏洞的WEB。…...
2024/4/8 23:45:52 - OSG之读取模型文件
OSG之读取模型文件概述:代码示例:运行效果图:over:文末一句话: 概述: OSG简介: OpenSceneGraph是一个开放源码,跨平台的图形开发包,它为诸如飞行器仿真,游戏,虚拟现实,科学计算可视化这样的高性能图形应用程序开发而设计。它基于场景图的概念,它提供一个在OpenGL之…...
2024/4/16 21:58:32 - 你的window10 是bug10吗?
说起window 系统,最近又被推上了风口,特别是去年和今年更新的win10版本。先简单介绍一下window系统这几年的发展,自2015年推出正式版以来,就成了人们口中的bug代言人。因其不稳定性,少有人从window8换到window10。直到2018年微软停止对win8.1提供服务。Windows 10 系统版本…...
2024/4/8 22:45:29 - 基于区块链的投票系统以太坊fabric构建
新增单,多选择切换,ADSL反刷,CC反注入,时间反注入,自动反刷IP,Cookie反注入,SQL反注入,时间控制,IP封锁,最大有效票数控制,间隔控制,外部链接控制,投票控制等。 配置文件/include/config.asp数据文件/include/conn.asp授权 Internet 匿名用户写权限:关于发布提示:…...
2024/4/10 23:57:27 - zookeeper3.6.1客户端指令
1.客户端连接 zkCli.sh zkCli.sh -server host:port2.显示帮助信息 help3.显示节点信息 -s状态 -w监听器 -R递归 ls [-s] [-w] [-R] path4.创建节点 -s加序列号 -e临时节点 create [-s] [-e] path [data]5.获取节点值 -s状态 -w监听器 get [-s] [-w] path6.设置节点值 -s状…...
2024/4/8 22:45:29 - 人工智能的伦理问题(工程伦理作业)
人工智能的伦理问题 王xt 230 0000000@xmu.edu.cn (厦门大学信息学院,福建 厦门 361005) 1.引言 帕斯卡曾说过:人是一根能思想的苇草。 人类的聪明之处,在于其对世界万物,生存的、死去的、可知的、不可知的东西,都能够在头脑里想象到存在的模样,或者说,想象到其可能存…...
2024/4/12 22:56:30 - NISP一级模拟题(01)
1 我国的( )主要规定了关于数据电文、电子签名与认证及相关的法律责任A.《中华人民共和国宪法》;B.《中华人民共和国网络空间安全法》;C.《中华人民共和国电子签名法》;D.《商用密码管理条例》正确答案是:C 你的答案是:C 此题得分:22 传输层用于控制数据流量…...
2024/4/8 23:45:48 - matlab中怎样生成随机数——随机数生成函数rand家族
随机数的生成在算法编程中非常常用,在matlab中rand(random的缩写)家族经常被使用。 小白一枚,敬请大神指教 rand家族成员randMatrix = rand(x, y) randMatrix = randn(x, y) randMatrix = randi(x, y) randMatrix = randperm(x, y) rng 使用方法rand 随机生成一组数,数值范围…...
2024/4/8 23:45:47 - XPath 结合 requests 爬取网站 存储格式可选 有json、csv、txt
因为项目需要,最近在爬取非遗相关的网站,但目标url 有做源码的保护,不同元素的辨识度特别低,点开审查网页,好几个关键字都是cye-Im-tag 就打算用XPath获取节点信息 嘻嘻,这边引用大佬wsmrzx的爬取猫眼电影TOP250电影信息 废话不多说,上链接 猫眼爬取 大佬写得很详细,u…...
2024/4/8 23:45:46 - 《普林斯顿微积分读本》笔记-第3章极限导论
第 3 章 极限导论 如果没有极限的概念,,那么微积分将不复存在。对于极限是什么的一个直观概念; 左、右与双侧极限, 及在 ∞ 和 -∞ 处的极限; 何时极限不存在; 三明治定理(也称作“夹逼定理”)。3.1 极限:基本思想 limx→af(x)=L \lim_{x\rightarrow a}f(x) = L x→alim…...
2024/4/8 23:45:45 - 字节跳动夏令营 估计凉凉 总结一下
这次2020字节跳动夏令营,我笔试前三天才报名,然后仅仅准备了一个下午和一个晚上,最后编程题一道也没有做出来,害,这里总结一下,也要明白自己的差距。 这次笔试题目有选择,多选,填空题,涉及数据结构与算法,进程线程(读写什么的),概率论等题目。 其实我挺久没有复习数…...
2024/4/8 23:45:44 - 关于VUE打包后index.html缓存问题解决
前后端分离项目上线,前端直接通过mstsc命令远程连接,然后直接把VUE打包后的dist文件夹直接拷贝到生产环境,并且在此之前,将原来的dist目录直接重命名为以日期命令的新目录(当时觉得这样方便,直接在一个文件夹内,可以随时回滚BUG导致的问题),于是,悲剧就发生了,复制粘…...
2024/4/8 15:53:57 - 关于这个专栏
这是我的第一篇游戏制作文章,到时候大家订阅后,我会把链接给大家,大家去借鉴...
2024/4/8 23:45:42 - 别问我[vue],VNode、elm、context、el是个啥?
vue越来越熟练,但是一些基础的概念却渐渐模糊。模糊中又会变得自我怀疑,然后重新梳理,重新认识、深入了解 ~ VNode、elm、context、el ~他们是个啥,担任着什么样子的角色 ? vnode源码地址 /* @flow */ export default class VNode {tag: string | void; /** 当前标签如…...
2024/4/19 21:21:04 - HCIE笔记-第七天
OSPF的“口”字型规划和架构 一、实验拓扑二、实验情景 在R1、R2和R5上分别两个部门:业务部和办公部。如图所示,在全网可达是前提下,要求两个部门走各自专有的线路,互相不影响。当有任何一条链路发生故障的时候,都能及时切换到专用备用线路下进行通信。保证整个网络具有良…...
2024/4/8 23:45:41 - 今日头条面试题
记一次今日头条Android资深工程师面试;谈下offer是60W 2020 最新 - 今日头条 Android 面试题及答案 (已拿到 offer)...
2024/4/8 23:45:39 - Cobbler自动装机安装实验
文章目录实验目的:实验环境:推荐步骤: 实验目的: 通过实验cobbler工具实现自动装机I(最小化安装) 实验环境:一台Centos7.6系统的cobbler服务器,一台新的虚拟机作为系统安装验证 cobbler软件包在epel源中,所以安装cobbler前需要先安装epel-release推荐步骤: 1.再安装c…...
2024/4/8 23:45:38
最新文章
- 适用于Windows的最佳数据恢复软件合集(免费和付费)
任何数据恢复尝试的结果都取决于您使用的文件恢复软件。作为 Windows 用户,您可以从许多不同的免费和付费应用程序中进行选择,以至于很容易遇到决策瘫痪并浪费宝贵的时间,而这些时间本来可以更好地用于恢复数据。 为了帮助您做出正确的选择&…...
2024/4/20 14:19:38 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - python爬取B站视频
参考:https://cloud.tencent.com/developer/article/1768680 参考的代码有点问题,请求头需要修改,上代码: import requests import re # 正则表达式 import pprint import json from moviepy.editor import AudioFileClip, Vid…...
2024/4/20 10:21:54 - Jenkins 使用 Description Setter
想要的效果如图: 在打包完成之后直接在构件历史的部分展示出来构建的docker镜像名,这样就不需要去找日志了。 首先安装插件 Description Setter, 如何安装就不在此赘述了。 安装完成之后,在构件后操作选项添加一个流程, 有两个字段: regular expressi…...
2024/4/16 22:21:17 - 416. 分割等和子集问题(动态规划)
题目 题解 class Solution:def canPartition(self, nums: List[int]) -> bool:# badcaseif not nums:return True# 不能被2整除if sum(nums) % 2 ! 0:return False# 状态定义:dp[i][j]表示当背包容量为j,用前i个物品是否正好可以将背包填满ÿ…...
2024/4/19 19:02:10 - 【Java】ExcelWriter自适应宽度工具类(支持中文)
工具类 import org.apache.poi.ss.usermodel.Cell; import org.apache.poi.ss.usermodel.CellType; import org.apache.poi.ss.usermodel.Row; import org.apache.poi.ss.usermodel.Sheet;/*** Excel工具类** author xiaoming* date 2023/11/17 10:40*/ public class ExcelUti…...
2024/4/19 11:51:49 - Spring cloud负载均衡@LoadBalanced LoadBalancerClient
LoadBalance vs Ribbon 由于Spring cloud2020之后移除了Ribbon,直接使用Spring Cloud LoadBalancer作为客户端负载均衡组件,我们讨论Spring负载均衡以Spring Cloud2020之后版本为主,学习Spring Cloud LoadBalance,暂不讨论Ribbon…...
2024/4/19 11:33:34 - TSINGSEE青犀AI智能分析+视频监控工业园区周界安全防范方案
一、背景需求分析 在工业产业园、化工园或生产制造园区中,周界防范意义重大,对园区的安全起到重要的作用。常规的安防方式是采用人员巡查,人力投入成本大而且效率低。周界一旦被破坏或入侵,会影响园区人员和资产安全,…...
2024/4/19 11:52:08 - VB.net WebBrowser网页元素抓取分析方法
在用WebBrowser编程实现网页操作自动化时,常要分析网页Html,例如网页在加载数据时,常会显示“系统处理中,请稍候..”,我们需要在数据加载完成后才能继续下一步操作,如何抓取这个信息的网页html元素变化&…...
2024/4/20 9:42:32 - 【Objective-C】Objective-C汇总
方法定义 参考:https://www.yiibai.com/objective_c/objective_c_functions.html Objective-C编程语言中方法定义的一般形式如下 - (return_type) method_name:( argumentType1 )argumentName1 joiningArgument2:( argumentType2 )argumentName2 ... joiningArgu…...
2024/4/20 7:01:14 - 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】
👨💻博客主页:花无缺 欢迎 点赞👍 收藏⭐ 留言📝 加关注✅! 本文由 花无缺 原创 收录于专栏 【洛谷算法题】 文章目录 【洛谷算法题】P5713-洛谷团队系统【入门2分支结构】🌏题目描述🌏输入格…...
2024/4/19 11:52:49 - 【ES6.0】- 扩展运算符(...)
【ES6.0】- 扩展运算符... 文章目录 【ES6.0】- 扩展运算符...一、概述二、拷贝数组对象三、合并操作四、参数传递五、数组去重六、字符串转字符数组七、NodeList转数组八、解构变量九、打印日志十、总结 一、概述 **扩展运算符(...)**允许一个表达式在期望多个参数࿰…...
2024/4/19 18:52:15 - 摩根看好的前智能硬件头部品牌双11交易数据极度异常!——是模式创新还是饮鸩止渴?
文 | 螳螂观察 作者 | 李燃 双11狂欢已落下帷幕,各大品牌纷纷晒出优异的成绩单,摩根士丹利投资的智能硬件头部品牌凯迪仕也不例外。然而有爆料称,在自媒体平台发布霸榜各大榜单喜讯的凯迪仕智能锁,多个平台数据都表现出极度异常…...
2024/4/19 23:08:02 - Go语言常用命令详解(二)
文章目录 前言常用命令go bug示例参数说明 go doc示例参数说明 go env示例 go fix示例 go fmt示例 go generate示例 总结写在最后 前言 接着上一篇继续介绍Go语言的常用命令 常用命令 以下是一些常用的Go命令,这些命令可以帮助您在Go开发中进行编译、测试、运行和…...
2024/4/20 0:22:23 - 用欧拉路径判断图同构推出reverse合法性:1116T4
http://cplusoj.com/d/senior/p/SS231116D 假设我们要把 a a a 变成 b b b,我们在 a i a_i ai 和 a i 1 a_{i1} ai1 之间连边, b b b 同理,则 a a a 能变成 b b b 的充要条件是两图 A , B A,B A,B 同构。 必要性显然࿰…...
2024/4/19 23:04:54 - 【NGINX--1】基础知识
1、在 Debian/Ubuntu 上安装 NGINX 在 Debian 或 Ubuntu 机器上安装 NGINX 开源版。 更新已配置源的软件包信息,并安装一些有助于配置官方 NGINX 软件包仓库的软件包: apt-get update apt install -y curl gnupg2 ca-certificates lsb-release debian-…...
2024/4/20 1:12:38 - Hive默认分割符、存储格式与数据压缩
目录 1、Hive默认分割符2、Hive存储格式3、Hive数据压缩 1、Hive默认分割符 Hive创建表时指定的行受限(ROW FORMAT)配置标准HQL为: ... ROW FORMAT DELIMITED FIELDS TERMINATED BY \u0001 COLLECTION ITEMS TERMINATED BY , MAP KEYS TERMI…...
2024/4/19 3:53:57 - 【论文阅读】MAG:一种用于航天器遥测数据中有效异常检测的新方法
文章目录 摘要1 引言2 问题描述3 拟议框架4 所提出方法的细节A.数据预处理B.变量相关分析C.MAG模型D.异常分数 5 实验A.数据集和性能指标B.实验设置与平台C.结果和比较 6 结论 摘要 异常检测是保证航天器稳定性的关键。在航天器运行过程中,传感器和控制器产生大量周…...
2024/4/19 19:50:16 - --max-old-space-size=8192报错
vue项目运行时,如果经常运行慢,崩溃停止服务,报如下错误 FATAL ERROR: CALL_AND_RETRY_LAST Allocation failed - JavaScript heap out of memory 因为在 Node 中,通过JavaScript使用内存时只能使用部分内存(64位系统&…...
2024/4/20 1:43:00 - 基于深度学习的恶意软件检测
恶意软件是指恶意软件犯罪者用来感染个人计算机或整个组织的网络的软件。 它利用目标系统漏洞,例如可以被劫持的合法软件(例如浏览器或 Web 应用程序插件)中的错误。 恶意软件渗透可能会造成灾难性的后果,包括数据被盗、勒索或网…...
2024/4/20 13:55:02 - JS原型对象prototype
让我简单的为大家介绍一下原型对象prototype吧! 使用原型实现方法共享 1.构造函数通过原型分配的函数是所有对象所 共享的。 2.JavaScript 规定,每一个构造函数都有一个 prototype 属性,指向另一个对象,所以我们也称为原型对象…...
2024/4/19 23:35:17 - C++中只能有一个实例的单例类
C中只能有一个实例的单例类 前面讨论的 President 类很不错,但存在一个缺陷:无法禁止通过实例化多个对象来创建多名总统: President One, Two, Three; 由于复制构造函数是私有的,其中每个对象都是不可复制的,但您的目…...
2024/4/19 10:00:05 - python django 小程序图书借阅源码
开发工具: PyCharm,mysql5.7,微信开发者工具 技术说明: python django html 小程序 功能介绍: 用户端: 登录注册(含授权登录) 首页显示搜索图书,轮播图࿰…...
2024/4/20 6:45:17 - 电子学会C/C++编程等级考试2022年03月(一级)真题解析
C/C++等级考试(1~8级)全部真题・点这里 第1题:双精度浮点数的输入输出 输入一个双精度浮点数,保留8位小数,输出这个浮点数。 时间限制:1000 内存限制:65536输入 只有一行,一个双精度浮点数。输出 一行,保留8位小数的浮点数。样例输入 3.1415926535798932样例输出 3.1…...
2024/4/20 3:28:04 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57