LeNet5与MNIST-深度学习框架下的训练参数及非框架下前向验证参数(自定义函数验证)
LeNet5与MNIST-深度学习框架下的训练参数及非框架下前向验证参数(tensorflow训练)
LeNet5与MNIST-深度学习框架下的训练参数及非框架下前向验证参数(提取模型参数)
使用自定义函数实现卷积,池化,softmax等功能,甚至尽量不使用numpy中的功能,达到忘底层实现LeNet5并前向验证,主要为理解卷积神经网路的实现原理。
#LeNet5:[卷积层-池化层]-[卷积层-池化层]-全连接层-全连接层-全连接层#导入函数
#from numpy import *
import numpy as np
import cv2 #也可以使用pillow对图片操作
from struct import unpack#处理二进制数据,将字节流转换成python数据类型。它的函数原型为:struct.unpack(fmt, string)#========================加载处理数据集=======================================================
def __read_image(path):with open(path, 'rb') as f:magic, num, rows, cols = unpack('>4I', f.read(16))# 解析文件头信息# 文件头信息,依次为魔数、图片数量、每张图片高、每张图片宽# 因为数据结构中前4行的数据类型都是32位整型,所以采用i(int,8Byte)格式,但我们需要读取前4行数据,所以需要4个i。我们后面会看到标签集中,只使用2个ii。img = np.fromfile(f, dtype=np.uint8).reshape(num, 784)return imgdef __read_label(path):with open(path, 'rb') as f:magic, num = unpack('>2I', f.read(8))lab = np.fromfile(f, dtype=np.uint8)return labdef __normalize_image(image):img = image.astype(np.float32) / 255.0# 每个像素的像素值为0~255。将其归一化压缩到0~1return imgdef __one_hot_label(label):# 将标签变为独热编码格式lab = np.zeros((label.size, 10))for i, row in enumerate(lab):row[label[i]] = 1return labdef load_mnist(normalize=True, one_hot=True):# train_image_path, train_label_path, test_image_path, test_label_path,'''读入MNIST数据集Parameters----------normalize : 将图像的像素值正规化为0.0~1.0one_hot_label :one_hot为True的情况下,标签作为one-hot数组返回one-hot数组是指[0,0,1,0,0,0,0,0,0,0]这样的数组Returns----------(训练图像, 训练标签), (测试图像, 测试标签)'''train_image_path = 'MNIST_data/train-images.idx3-ubyte'train_label_path = 'MNIST_data/train-labels.idx1-ubyte'test_image_path = 'MNIST_data/t10k-images.idx3-ubyte'test_label_path = 'MNIST_data/t10k-labels.idx1-ubyte'image = {'train': __read_image(train_image_path),'test': __read_image(test_image_path)}label = {'train': __read_label(train_label_path),'test': __read_label(test_label_path)}if normalize:for key in ('train', 'test'):image[key] = __normalize_image(image[key])if one_hot:for key in ('train', 'test'):label[key] = __one_hot_label(label[key])return (image['train'], label['train']), (image['test'], label['test'])#==================softmax===============================================================
def softmax( f ):f -= np.max(f) # 防止数值上溢 # f becomes [-666, -333, 0]return np.exp(f) / np.sum(np.exp(f))#======================激活函数==============================================================
def relu(z):return np.maximum(0, z)# z[z < 0] = 0# return z#=========================最大池化实现======================================================
def max_pooling(x, pooling, strides=2, padding=0):""":param x: 卷积层矩阵,形状(N,C,H,W),N为batch_size,C为通道数:param pooling: 池化大小(k1,k2):param strides: 步长:param padding: 0填充#28/2=0>pad=0:return:"""N, H, W, C = x.shape# 零填充padding_z = np.zeros((N, H + 2 * padding, W + 2 * padding, C)) # 填充pad 后的维度padding_z[:, padding:padding + H, padding:padding + W, :] = x # 填充pad 后的x# 输出的高度和宽度out_h = (H + 2 * padding - pooling) // strides + 1out_w = (W + 2 * padding - pooling) // strides + 1pool_z = np.zeros((N, out_h, out_w, C))max_z = np.zeros((N, pooling, pooling, C))max_p = np.zeros((N, 1, C))for n in range(N):for c in range(C):for i in range(out_h):for j in range(out_w):for p in range(pooling):max_p[n,: ,c]=padding_z[n, strides * i, strides * j, c]for q in range(pooling): max_z[n, p, q, c]=padding_z[n, strides * i + p, strides * j + q, c]if max_z[n, p, q, c] > max_p[n,:,c]:#找出最大值max_p[n,:,c]=max_z[n, p, q, c]pool_z[n, i, j, c] = max_p[n, : , c]return pool_z # N,H, W, C#=============卷积实现===================================================================
def conv2d(x, w, b, Stride, Pad):"""- x: (N,H, W, C,)- w: (HH, WW,C,F)- b: (F,)- 'stride':移动步长- 'pad': 输入零填充的像素数- Output data:(N, F, H', W')"""out = NoneN, H, W, C = x.shape # N,H, W, CHH, WW, CC, F = w.shape # HH, WW, C,FHo = 1 + (H + 2 * Pad - HH) // Stride # 输出HWo = 1 + (W + 2 * Pad - WW) // Stride # 输出Wx_pad = np.zeros((N, H + 2 * Pad, W + 2 * Pad, C)) # 填充pad 后的维度x_pad[:, Pad:Pad + H, Pad:Pad + W, :] = x # 填充pad 后的xkernel= np.zeros((N, HH, WW, CC))#卷积out = np.zeros((N, Ho, Wo, F)) # 输出for f in range(F):for i in range(Ho):for j in range(Wo): # N*C*HH*WW, C*HH*WW = N*C*HH*WW, sum -> N*1for m in range(HH):for n in range(WW):kernel[:,m,n,:]=x_pad[:, i * Stride + m, j * Stride + n, :] * w[m, n, :,f]#卷积数据对应相乘out[:,i,j,f]=np.sum(kernel[:,:,:,:], axis=(1, 2,3) ) #把axis对应的维压缩相加。out[:, :, :, f] += b[f] # 加偏置return out # N,H,W,F#=================参数===========================================================================
input_node = 784 # 28*28
output_node = 10 # 0-9
image_size = 28 # 像素尺寸
num_channels = 1 # 通道数
num_labels = 10 # 标签数/类别数
conv1_deep = 32# 卷积层C1:深度及尺寸
conv1_size = 5
conv2_deep = 64# 卷积层C2:深度及尺寸
conv2_size = 5
fc_size1= 512# 全连接层
fc_size2= 256#=============导入权重偏置数据===================================================================
w1=np.loadtxt('w1.txt',dtype=np.float32)#卷积层+池化
w1=w1.reshape(conv1_size, conv1_size, num_channels, conv1_deep)
b1=np.loadtxt('b1.txt',dtype=np.float32)w2=np.loadtxt('w2.txt',dtype=np.float32)#卷积层+池化
w2=w2.reshape(conv2_size, conv2_size, conv1_deep, conv2_deep)
b2=np.loadtxt('b2.txt',dtype=np.float32)w3=np.loadtxt('w3.txt',dtype=np.float32)#全连接1
b3=np.loadtxt('b3.txt',dtype=np.float32)w4=np.loadtxt('w4.txt',dtype=np.float32)#全连接2
b4=np.loadtxt('b4.txt',dtype=np.float32)w5=np.loadtxt('w5.txt',dtype=np.float32)#全连接3
b5=np.loadtxt('b5.txt',dtype=np.float32)#=====================加载全部测试数据==========================================================
(x_train, y_train), (x_test, y_test) =load_mnist(normalize=True, one_hot=True)
x_test=np.reshape(x_test,[-1,28,28,1])#=====================输入单张图片===========================================================
# img = cv2.imread("./9.BMP", -1)
# img = np.array(img)/255 #增加维度,类似于将该数组外面在添加一个数组
# img = np.expand_dims(img, axis=0)
# x_test = np.expand_dims(img, axis=3)#[1,28,28,1]#======================layer1============================================================
"""conv1.shape=[None 28 28 32] pool1.shape=[None 14 14 32]"""
conv1=conv2d(x_test,w1,b1,Stride=1,Pad=2) #conv2d(x, w, b, Stride, Pad) #pad=2 >>Ho, Wo=28
relu1=relu(conv1)
pool1=max_pooling(relu1, pooling=2, strides=2, padding=0)#========================layer2==========================================================
"""conv1.shape=[None 14 14 64] pool2.shape=[None 7 7 64]"""
conv2=conv2d(pool1,w2,b2,Stride=1,Pad=2)#
relu2=relu(conv2)
pool2=max_pooling(relu2,pooling=2, strides=2, padding=0)#
#转换为全连接需要的形状
"""reshaped.shape=[ None 3136] nodes=3136"""
#pool_shape=pool2.get_shape().as_list()
pool_shape=pool2.shape#.tolist()
nodes=pool_shape[1]*pool_shape[2]*pool_shape[3]#矩阵拉直长度
reshaped=np.reshape(pool2,[pool_shape[0],nodes])#====================layer3================================================================
"""fc1.shape=[ None 512]"""
fc01= np.matmul(reshaped, w3)+b3
fc1=relu(fc01)#====================layer4================================================================
"""fc2.shape=[ None 256]"""
fc02= np.matmul(fc1, w4)+b4
fc2=relu(fc02)#=====================layer5==============================================================
"""fc3.shape=[ None 10]"""
fc3= np.matmul(fc2, w5)+b5#======================softmax=============================================================
y_=softmax(fc3)#=======================获取精度==========================================================
accuracy=np.mean(np.equal(np.argmax(y_,axis=-1),np.argmax(y_test,axis=-1)))#在pyhton中,-1代表倒数第一个
print("test accuracy: {}".format(accuracy))#.format()格式化字符串 把传统的%替换为{}来实现格式化输出,前面有“{}”#=======================单张判断数字==========================================================
# print(y_)
# num=np.argmax(y_,axis=1)
# print("the number is:{} ".format(num))
#===========================================================================================
相同10000张测试图片,精确度比tensorflow相同参数验证下减少约0.06。
按照理论来说,相同权重与偏置应该测试结果相同,暂时想不明白。
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
- 第六章 参数估计
这里写自定义目录标题6.1 点估计的几种方法 6.1 点估计的几种方法...
2024/4/30 0:38:53 - idea Alt+Enter点击了diasbled 后怎么办?
参考: https://blog.csdn.net/qq_26465035/article/details/80643694 https://blog.csdn.net/qq_26465035/article/details/80643694今天不小心点击上图的按钮 结果Create subclass 按钮就被关闭了解决方法就是在其他按钮中菜单中进入intention settings(如图所示)也可以在设…...
2024/4/30 0:38:49 - 【PyTorch】17:模型的保存与加载
文章目录1. 保存2. 加载3. 断点恢复模型保存与加载机制:1. 保存 torch.save主要参数:obj :对象; f :输出路径。法1: 保存整个 Module torch.save(net, path)法2: 保存模型参数 state_dict = net.state_dict() torch.save(state_dict , path)import torch import numpy as …...
2024/4/30 0:38:45 - 跟牛老师一起学WEBGIS——GIS基础(QGIS中数据的创建与编辑)
5.1 目的 不论是GIS还是WEBGIS,其核心是数据。实际中,我们获取数据的途径有很多种方法,但是“数字化”是一种比较常见也比较直接获取数据的方式,前面的文章数据的获取的时候也有提及。本节是一节实操课程,将如何在QGIS中如何创建、绘制以及编辑数据。希望通过本次课程,达…...
2024/4/30 0:38:41 - 6、SpringCloud微服务项目构建(Eureka、Ribbon、Hystrix、Feign、Zuul、Hystrix dashboard、Turbine、Config)
环境 IDEA+SpringBoot-2.3.1.RELEASE+SpringCloud-Hoxton.RELEASE SpringCloud介绍框架集合,将其他公司的框架组合,通过SpringBoot简化配置 服务发现注册(Eureka),微服务治理,服务注册和发现 配置中心(Config),集中管理配置文件 消息总线(Bus),消息总线, 配置刷新 …...
2024/4/30 0:38:37 - 安装TensorFlow遇到的DLL找不到模块的问题
https://blog.csdn.net/weixin_44944440/article/details/105836163...
2024/5/4 2:42:14 - Shell脚本:文件包含
绪论 有关Shell脚本的一篇文章。 Shell脚本也可以包含外部脚本,以后我们可以封装一些公用的方法提供别人使用。 正文 a.sh #!/bin/bash # 也可以使用. ./b.sh,不要丢掉点 source ./b.sh echo "b=$b"b.sh #!/bin/bash b=123结果使用sh a.sh命令时出现source: not fo…...
2024/4/30 0:38:30 - c++整盅之唬人武器-病毒的信
What???病毒给我寄信??? 也是唬人的,可以试试看哦,有点恐怖的。 #include<windows.h> #include<fstream> #include <iostream> using namespace std; int main() {cout<<"打开这个文件所在的路径(文件夹或盘)"; ofstream outfile(&…...
2024/4/30 0:38:26 - docker、docker-compose、docker swarm和k8s的区别
DockerDocker 这个东西所扮演的角色,容易理解,它是一个容器引擎,也就是说实际上我们的容器最终是由Docker创建,运行在Docker中,其他相关的容器技术都是以Docker为基础,它是我们使用其他容器技术的核心。Docker-ComposeDocker-Compose 是用来管理你的容器的,有点像一个容…...
2024/4/30 0:38:22 - 【Lintcode】421. Simplify Path
题目地址: https://www.lintcode.com/problem/simplify-path/description 给定一个Linux下的文件路径,要求对其进行简化。例如,遇到".."就回到上一层目录,遇到"."停留在原目录。如果已经在根目录,回到上一层目录意味着不动;返回的结果中,除非是根目…...
2024/4/30 0:38:17 - 一图看懂DQN(Deep Q-Network)深度强化学习算法
一图看懂DQN(Deep Q-Network)深度强化学习算法 DQN简介 DQN是一种深度学习和强化学习结合的算法,提出的动机是传统的强化学习算法Q-learning中的Q_table存储空间有限,而现实世界甚至是虚拟世界中的状态是接近无限多的(比如围棋),因此,无法构建可以存储超大状态空间的Q_ta…...
2024/4/30 0:38:14 - DDD--领域驱动设计笔记
文章目录概念 领域驱动设计:软件核心复杂性应对之道 概念 在MVC的编码过程中,我们关心的数据流的流动,更像是一种面向过程的实现。各个组件依托于Spring的单例进行方法调用。而且MVC的entity多是用lombok处理后的贫血模型。贫血模型将模型和操作进行分离,破坏了对象的封装性…...
2024/4/30 0:38:11 - C++设计模式——外观模式
前言在实际开发时,面对一个大的系统,总是会将一个大的系统分成若干个子系统,等子系统完成之后,再分别调用对应的子系统来完成对应的整体功能,这样有利于降低系统的复杂性;最终进行实现某个具体的功能时,我们将对应的子系统进行组合就好了;但是,子系统那么多,关系那么…...
2024/4/30 0:38:06 - spring_security 源码分析 一 认证过程
spring_security 介绍 spring_security 的分析主要包括认证和授权两个部分, 并且站在分析源码的角度探究整个执行过程以及原理。认证 授权组件版本spring boot 2.2.4.RELEASE springfox-swagger 2 2.4.0 spring-boot-starter-data-jpa 2.2.4.RELEASE mysql 5.7认证认证认证…...
2024/4/30 0:38:02 - B. Kay and Snowflake(重心的性质)
重心定义:去掉重心后,树分成若干个连通块,要使最大连通块最小\color{Red}重心定义:去掉重心后,树分成若干个连通块,要使最大连通块最小重心定义:去掉重心后,树分成若干个连通块,要使最大连通块最小 考虑x为根的树和x的一些儿子y考虑x为根的树和x的一些儿子y考虑x为根的树和x的一…...
2024/4/30 0:37:57 - TreeMap实现原理及源码浅析
一、简介 TreeMap是一个线程不安全,有序的键值对集合,因为TreeMap实现了SotredMap接口。底层是一个红黑树的数据结构,每个key-value都作为一个红黑树的节点。如果在调用TreeMap的构造函数时没有指定比较器,则根据key执行自然排序。这点会在接下来的代码中做说明,如果指定了…...
2024/4/30 0:37:55 - 青书学堂自动挂课插件
写在前面:此软件仅供学习使用,请勿商用! 软件介绍:软件自带:青书学堂刷课脚本,青书学堂考试脚本,无需手动配置。软件链接:https://wws.lanzous.com/b01hjelqj软件实现功能:支持自动挂机、切换窗口不暂停屏蔽视频内的题目、图片、PPT倍速播放、进度条拖动全自动挂机切换…...
2024/5/2 20:29:01 - 递归 733.图像渲染
733.图像渲染public int[][] floodFill(int[][] image, int sr, int sc, int newColor) {if (sr < 0 || sc < 0 || sr >= image.length || sc >= image[0].length || image[sr][sc] == newColor) return image;int ori = image[sr][sc];image[sr][sc] = newColor;i…...
2024/5/3 18:10:54 - hive安装
文章目录1.简述2. 安装过程1. mysql准备2. 安装hive1. 下载hive-1.1.02. 配置环境变量3. 创建hive-site.xml并配置4. 初始化数据库 今天在hadoop2.6.0的集群上安装了hive-1.1.0,感觉hive就是一个驱动层,只是连了连数据库,连了连hadoop 1.简述 整个安装步骤主要分为三步myslq…...
2024/4/30 0:37:46 - Android实战手册之命令
Android实战之命令手册...
2024/4/30 0:37:42
最新文章
- ubuntu搭建jupyter_notebook服务器
环境:ubuntu 22.04 目录 环境:ubuntu 22.04 一、创建一个anaconda用户 创建用户condaUser 为用户condaUser设置密码 开放opt文件夹的权限 登录condaUser用户 二、安装anaconda 下载anaconda 安装anaconda 三、添加环境变量 四、anaconda换源 …...
2024/5/4 6:55:01 - 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 - HTML——4.表格、列表、区块
一、表格 HTML 表格是用于展示结构化数据的重要元素,它允许将数据以行和列的形式组织和显示。 基本结构和常见元素: 1. <table> 元素 <table> 元素是 HTML 表格的根元素,它用于定义整个表格的开始和结束。 2. <thead>、…...
2024/5/2 17:43:56 - ARM FVP平台的terminal窗口大小如何设置
当启动ARM FVP平台时,terminal窗口太小怎么办?看起来非常累眼睛,本博客来解决这个问题。 首先看下ARM FVP平台对Host主机的需求: 通过上图可知,UART默认使用的是xterm。因此,我们需要修改xterm的默认字体设…...
2024/5/1 10:19:14 - 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…...
2024/5/3 11:50:27 - 【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…...
2024/5/2 16:04:58 - 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…...
2024/5/2 23:55:17 - 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,…...
2024/5/3 16:00:51 - 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&…...
2024/5/3 11:10:49 - 【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…...
2024/5/3 21:22:01 - 【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…...
2024/5/3 23:17:01 - 【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࿰…...
2024/5/2 23:47:43 - 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…...
2024/5/3 13:26:06 - 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…...
2024/5/3 1:55:15 - 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࿰…...
2024/5/4 2:14:16 - 【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-…...
2024/5/3 16:23:03 - 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…...
2024/5/3 1:55:09 - 【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…...
2024/5/2 8:37:00 - --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&…...
2024/5/3 14:57:24 - 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…...
2024/5/2 9:47:25 - 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…...
2024/5/4 2:00:16 - 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…...
2024/5/3 22:03:11 - 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࿰…...
2024/5/3 7:43:42 - 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…...
2024/5/3 1:54:59 - 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