通过网格搜索确定手写数字识别的最优超参数(paddlepaddle)
上一篇文章讲了超参数调节的一些理论基础,相信你已经对超参数有了一定的认识,对于手动调整超参数的方法,文章里也算是提供了一些启发式的方法:
从入土到入门学习超参数的调整
这篇文章,我们重点来探讨一下自动调参的方法,我们先从网格搜索开始,并结合手写数字识别作为案例,框架用的是paddlepaddle,完整项目我已经在AI Studio公开:
https://aistudio.baidu.com/aistudio/projectdetail/511378
下面是具体步骤:
- 导入相关库
- 定义超参数
- 配置网格搜索
- 寻找最优超参数
1. 导入相关库
导入库这块就不用多说了吧,这不是本篇文章的重点:
import numpy as np
import paddle as paddle
import paddle.fluid as fluid
from PIL import Image
import matplotlib.pyplot as plt
import os
2. 定义超参数
这里我选择了5种超参数,其实准确说应该更多:
# 定义超参数
BUF_SIZEs = np.arange(64,640,64,dtype=int) #512
BATCH_SIZEs = np.arange(64,640,64,dtype=int) #128
ActivationFunctions = ['relu', 'softmax' ,'tanh'] #[ 'elu', 'relu6', 'pow', 'stanh', 'hard_sigmoid', 'swish', 'prelu', 'brelu', 'leaky_relu', 'soft_relu', 'thresholded_relu', 'maxout', 'logsigmoid', 'hard_shrink', 'softsign', 'softplus', 'tanh_shrink', 'softshrink', 'exp']
LearningRates = np.arange(0.01,0.12,0.04,dtype=float) #0.01
EPOCH_NUMs = np.arange(1,2,1,dtype=int)
先来讲讲每个超参数的含义
BUF_SIZEs
BUF_SIZEs表示每次缓存BUF_SIZEs个数据项,并进行打乱
这里我给定的范围是64-640,间隔64,也就是说,区间大小是9
当然,这里可以把范围设置成1-1000,间隔为1,那么区间就是1000
BATCH_SIZEs
BATCH_SIZEs表示每BATCH_SIZEs组成一个batch
这里可以理解为一个批次读取的数据大小
我这里把BATCH_SIZE的范围设置成跟BUF_SIZE一样,当然你也可以选择把区间扩大
ActivationFunctions
PaddlePaddle Fluid 对大部分的激活函数进行了支持,一共有22种:
relu, tanh, sigmoid, elu, relu6, pow, stanh, hard_sigmoid, swish, prelu, brelu, leaky_relu, soft_relu, thresholded_relu, maxout, logsigmoid, hard_shrink, softsign, softplus, tanh_shrink, softshrink, exp。
我把这22个激活函数都放在了一个列表里,但是我实际训练时只用3个,具体原因我将在下面详细说明
LearningRates
代码里使用Adam算法对学习率进行了优化,这里给的学习率是初始学习率
Adam 的优化器是一种自适应调整学习率的方法,能自动的调整初始学习率,让学习率随着训练的进行逐渐降低
学习率我也给定了一个范围,要想精度更高的话,可以把区间设置得密一些
EPOCH_NUMs
EPOCH_NUMs是迭代的次数,这个超参数应该是大家最熟悉的超参数吧
因为我们现在只是寻找最优的超参数,迭代次数可以不用设的太高,当然也要根据你做的模型选择合适的迭代次数,不过一般在前几轮就能发现某些超参数到底好不好,所以其实也没有必要设置得太高
3. 配置网格搜索
这里我写成了一个类,方便我读取超参数,也便于大家理解:
class GridSearch(object):def __init__(self, BUF_SIZE, BATCH_SIZE, HiddenActivationFunction, PredictionActivationFunction, LearningRate, EPOCH_NUM):self.BUF_SIZE = BUF_SIZEself.BATCH_SIZE = BATCH_SIZEself.HiddenActivationFunction = HiddenActivationFunctionself.PredictionActivationFunction = PredictionActivationFunctionself.LearningRate = LearningRateself.EPOCH_NUM = EPOCH_NUMself.best_accs = 0self.best_costs = 10# 定义多层感知器 def multilayer_perceptron(self, input): # 第一个全连接层,激活函数为ReLU hidden1 = fluid.layers.fc(input=input, size=100, act=self.HiddenActivationFunction) # 第二个全连接层,激活函数为ReLU hidden2 = fluid.layers.fc(input=hidden1, size=100, act=self.HiddenActivationFunction) # 以softmax为激活函数的全连接输出层,输出层的大小必须为数字的个数10 prediction = fluid.layers.fc(input=hidden2, size=10, act=self.PredictionActivationFunction) return prediction def toString(self):parameter = self.model_train()self.best_accs = parameter[1]self.best_costs = parameter[0]OptimalHyperparameter = ["BUF_SIZE:", BUF_SIZE, " BATCH_SIZE:", BATCH_SIZE, " HiddenActivationFunction:", HiddenActivationFunction, " PredictionActivationFunction:", PredictionActivationFunction, " LearningRate:", LearningRate, " EPOCH_NUM:", EPOCH_NUM, " test_costs:", self.best_costs, " test_acc:", self.best_accs]return OptimalHyperparameterdef model_train(self):#用于训练的数据提供器,每次从缓存中随机读取批次大小的数据train_reader = paddle.batch(paddle.reader.shuffle(paddle.dataset.mnist.train(),buf_size=self.BUF_SIZE),batch_size=self.BATCH_SIZE)#用于训练的数据提供器,每次从缓存中随机读取批次大小的数据test_reader = paddle.batch(paddle.reader.shuffle(paddle.dataset.mnist.test(),buf_size=self.BUF_SIZE),batch_size=self.BATCH_SIZE)# 输入的原始图像数据,大小为1*28*28image = fluid.layers.data(name='image', shape=[1, 28, 28], dtype='float32')#单通道,28*28像素值# 标签,名称为label,对应输入图片的类别标签label = fluid.layers.data(name='label', shape=[1], dtype='int64') #图片标签# 获取分类器predict = self.multilayer_perceptron(image)#使用交叉熵损失函数,描述真实样本标签和预测概率之间的差值cost = fluid.layers.cross_entropy(input=predict, label=label) # 使用类交叉熵函数计算predict和label之间的损失函数avg_cost = fluid.layers.mean(cost)# 计算分类准确率acc = fluid.layers.accuracy(input=predict, label=label)#使用Adam算法进行优化, learning_rate 是学习率(它的大小与网络的训练收敛速度有关系)optimizer = fluid.optimizer.AdamOptimizer(learning_rate=self.LearningRate) opts = optimizer.minimize(avg_cost)# 定义使用CPU还是GPU,使用CPU时use_cuda = False,使用GPU时use_cuda = Trueuse_cuda = Trueplace = fluid.CUDAPlace(0) if use_cuda else fluid.CPUPlace()# 获取测试程序test_program = fluid.default_main_program().clone(for_test=True)exe = fluid.Executor(place)exe.run(fluid.default_startup_program())feeder = fluid.DataFeeder(place=place, feed_list=[image, label])# 模型训练model_save_dir = "/home/aistudio/work/hand_inference.model"for pass_id in range(self.EPOCH_NUM):# 进行训练for batch_id, data in enumerate(train_reader()): #遍历train_readertrain_cost, train_acc = exe.run(program=fluid.default_main_program(),#运行主程序feed=feeder.feed(data), #给模型喂入数据fetch_list=[avg_cost, acc]) #fetch 误差、准确率 # 每200个batch打印一次信息 误差、准确率if batch_id % 200 == 0:print('Pass:%d, Batch:%d, Cost:%0.5f, Accuracy:%0.5f' %(pass_id, batch_id, train_cost[0], train_acc[0]))# 进行测试test_accs = []test_costs = []#每训练一轮 进行一次测试for batch_id, data in enumerate(test_reader()): #遍历test_readertest_cost, test_acc = exe.run(program=test_program, #执行训练程序feed=feeder.feed(data), #喂入数据fetch_list=[avg_cost, acc]) #fetch 误差、准确率test_accs.append(test_acc[0]) #每个batch的准确率test_costs.append(test_cost[0]) #每个batch的误差# 求测试结果的平均值test_cost = (sum(test_costs) / len(test_costs)) #每轮的平均误差test_acc = (sum(test_accs) / len(test_accs)) #每轮的平均准确率print('Test:%d, Cost:%0.5f, Accuracy:%0.5f' % (pass_id, test_cost, test_acc))#保存模型# 如果保存路径不存在就创建if not os.path.exists(model_save_dir):os.makedirs(model_save_dir)print ('save models to %s' % (model_save_dir))fluid.io.save_inference_model(model_save_dir, #保存推理model的路径['image'], #推理(inference)需要 feed 的数据[predict], #保存推理(inference)结果的 Variablesexe) #executor 保存 inference modelprint('训练模型保存完成!')return test_cost,test_acc
我把数据读取,定义优化器,训练代码等写到了这个名为model_train得方法里,更换新的超参数时,我们直接调用这一个方法即可,目的就是为了简洁明了
toString方法是用来保存超参数的配置的,找到超参数以后还需要做个记录,这也是我们的目的
4. 寻找最优超参数
下面是最关键的核心部分:
Hyperparameters = []
OptimalHyperparameter = []
best_acc = 0
best_cost = 10for BUF_SIZE in BUF_SIZEs:# print(BUF_SIZE)for BATCH_SIZE in BATCH_SIZEs:for HiddenActivationFunction in ActivationFunctions:for PredictionActivationFunction in ActivationFunctions:for LearningRate in LearningRates:for EPOCH_NUM in EPOCH_NUMs:print("BUF_SIZE:", BUF_SIZE, " BATCH_SIZE:", BATCH_SIZE, " HiddenActivationFunction:", HiddenActivationFunction, " PredictionActivationFunction:", PredictionActivationFunction, " LearningRate:", LearningRate, " EPOCH_NUM:", EPOCH_NUM)grid = GridSearch(BUF_SIZE, BATCH_SIZE, HiddenActivationFunction, PredictionActivationFunction, LearningRate, EPOCH_NUM)# grid.model_train()Hyperparameters.append(grid.toString())if (grid.best_accs > best_acc and grid.best_costs < best_cost and grid.best_costs >= 0):OptimalHyperparameter = grid.toString()best_acc = grid.best_accsbest_cost = grid.best_costsprint(OptimalHyperparameter)for Hyperparameter in Hyperparameters:print(Hyperparameter)print(OptimalHyperparameter)
我定义了两个列表,分别用来存储所有超参数的组合和最优的超参数组合
另外,怎么确定最优超参数组合呢?
自然是看测试时的cost和accuracy了,这里我先把cost和accuracy分别设置为10和0,即最低标准
然后来6个for循环,组合出所有的超参数组合
到这里,你应该明白我为什么没有把超参数的范围设置太大的原因了吧?
如果范围设置的过大,且精度高的话,这计算量是非常大的
比如我们有6个超参数,每个范围都是1-100且精度是1的话,那么我们所需的搜索次数是100 * 100 * 100 * 100 = 100^4
如果再增加一个超参数,那么所需的搜索次数是100^5,搜索时间指数级上升,如果模型再复杂一点,这计算量是非常大的,我运行手写数字识别的时候用的是GPU v100,每一次搜索的时间都要在1分钟左右。
我没有完全地运行完,不过我找到了一组还算可以的超参数,因为它好几个回合都没有被刷下来:
[‘BUF_SIZE:’, 64, ’ BATCH_SIZE:’, 128, ’ HiddenActivationFunction:’,
‘relu’, ’ PredictionActivationFunction:’, ‘softmax’, ’ LearningRate:’,
0.01, ’ EPOCH_NUM:’, 1, ’ test_costs:’, 0.26291061633655544, ’ test_acc:’, 0.9176226265822784]
有图为证:
当然大家也可以fork我的项目自己去体验一下效果:
手写数字识别(超参数调节之网格搜索)
不过要真正应用在模型调优上的话,我不建议使用网格搜索法,毕竟太耗资源了,时间也是个问题
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
- PAT简单实用的测试小技巧
用文本数据实现输入输出 #define LOCAL #include <iostream> #include <cstdio> #include <string.h> #include <string>using namespace std;int main(int argc, char** argv) { #ifdef LOCALfreopen("data.txt","r",stdin);freo…...
2024/4/24 9:08:17 - 3/4:数据类型
4、数据类型4.1:typeof操作符“undefined”——如果这个值未定义;“boolean”——如果这个值是布尔值;“string”——如果这个值是字符串;“number”——如果这个值是数值;“object”——如果这个值是对象或null;“function”——如果这个值是函数var message="some…...
2024/4/24 9:08:16 - Calendar之商品促销活动
Calendar之商品促销活动日期 直接看题目: 计算商品促销日期: 商场需要在一件商品过期的前两周的周五开始做促销 计算商品过期日期往前推两周的周五的日期 public class ShangPinCuXiao {public static void main(String[] args) {//定义一个键盘扫描器Scanner in = new Scanner…...
2024/4/24 9:08:15 - vue npm run build打包报错Error: EPERM: operation not permitted, mkdir
打包时,发现出现了这个问题:查了以后发现是因为,xftp文件传输的里面打开了dist这个文件夹,但是要打包的时候,dist肯定会重新生成,所以相当于正在占用,以至于权限不允许,将xftp里面打开dist的路径关闭就好啦~就上面的dist这里关闭就好了,或者路径还一个其他的~~...
2024/4/16 12:33:25 - Kali Linux 2020.1a版本msfconsole启动失败问题
Kali Linux 2020.1a版本msfconsole启动失败问题 Kali Linux 2020.1a系统安装后,启动msfconsole将出现如下错误:root@kali:~# msfconsole [*] Bundler failed to load and returned this error:cannot load such file -- bundler / setup[*] You may need to uninstall or upg…...
2024/4/19 16:44:11 - 2020年最受欢迎的免费开源后台管理系统模板
当你写项目的时候,如何快速的完成一个项目的搭建,这个时候就需要借助到一些模板了,前端开发的一个好处就是,各类UI模板都是相当的齐全的,直接拿来用就可以了,脱离了一行又一行垒代码的繁琐的工作,以下的开源后台管理系统模板是我在逛GitHub的时候看到的,排名先后是按照…...
2024/4/16 12:32:54 - python中 pandas、Numpy以及其他的区别和联系
学习即刨根问底,找到最根本的解释和找到最纯正的英文解释,用逻辑去解释这个世界的一切。上瘾 Numpy基础的数学计算模块,以矩阵为主,纯数学。 N维数组容器 来存储和处理大型矩阵**,比Python自身的嵌套列表(nested list structure)结构要高效的多,本身是由C语言开发。**这个…...
2024/4/16 12:33:14 - dpkg:处理 xxx (--configure)时出错解决办法
1.$ sudo mv /var/lib/dpkg/info /var/lib/dpkg/info_old //现将info文件夹更名 2.$ sudo mkdir /var/lib/dpkg/info //再新建一个新的info文件夹 3.$ sudo apt-get update, apt-get -f install //不用解释了吧 4.$ sudo mv /var/lib/dpkg/info/* /var/lib/dpkg/info_old //执行…...
2024/4/16 12:33:20 - selenium置灰input执行js_java python robot
需求 要获取图示置灰的input的内容可以在控制台执行js在selenium之中也可以使用“执行js”的方式\color{#FF00FF}{在selenium之中也可以使用“执行js”的方式}在selenium之中也可以使用“执行js”的方式 python之selenium执行javascript from selenium import webdriver driver…...
2024/4/16 12:33:30 - 01 ,线性代数 :二阶行列式,三阶行列式,排列,阶乘
1 ,二阶行列式 :理论 : 主对角线 - 副对角线 图示 :计算 :2 ,三阶行列式理论 : 仍然支持,对角线法则 ( 主对角线 - 副对角线 ) 图示 :计算 :3 ,全排列 :全排列 : 将 n 个数字排成一列,有几种排法 ? Pn = n! n! = n * (n-1) * (n-2) * … * 1...
2024/4/16 12:33:14 - Netty------为什么Netty性能如此之高?
Netty高性能之道目录Netty高性能之道1、Netty模型2、Netty性能高的原因1、Netty模型netty线程模型采用“服务端监听线程”和“IO线程”分离的方式,与多线程Reactor模型类似。抽象出NioEventLoop来表示一个不断循环执行处理任务的线程,每个NioEventLoop有一个selector,用于监…...
2024/4/16 12:33:30 - Java 递归、DFS、回溯
DFS/回溯算法 如果某问题的解可以由多个步骤得到,而每个步骤都有若干种选择(这些候选方案集可能会依赖之前做出的选择),且可以用递归枚举法实现,则它的工作方式可以用解答树来描述。 全排列问题 输出数字1~N所能组成的所有全排列public class A {/*** 全排列** @param arg…...
2024/4/24 9:08:21 - 学习JavaScript的几个博客和网站
有很多刚刚毕业面临着选择工作的小伙伴问我,该怎么学习前端,学习JavaScript,对于这个问题,我还是想说,肯定要根据学习资料啊,视频啊,于是从自己的百宝箱里面找出来了一些当年收藏的网站,博客。 当然这些都是不够的,我们都知道,学习一门语言是一个长期的积累的过程,在…...
2024/4/24 9:08:13 - 单例模式(singleton)
文章目录1. 定义2.实现2.1 java实现2.2 cpp实现3. 讨论4. 双重检测的线程安全问题解释5. 完整代码地址 1. 定义GOF的定义 Ensure a class only has one instance, and provide a global point of access to it. 确保一个类只有一个实例,并提供一个可以访问它的全局的接口.简单…...
2024/4/24 9:08:13 - go技术日报--2020-05-29
go 语言中文网(每日资讯)_2020-05-29 一、Go 语言中文网Go 语言之父:拿过奥运银牌,发明过航天望远镜,想用 Go 语言解放程序员!Go Web 开发如何优雅的包含静态资源文件?Go:从 context 源码领悟接口的设计Go 异常处理详解Go Redis 客户端源码阅读(3)协程间的通信二、亚军…...
2024/4/24 9:08:13 - php-fpm的配置和优化
php-fpm的配置和优化 php我在前面几篇中,很详细的讲述了php-fpm的各种介绍,和安装。今天来看一下它的配置文件php-fpm的各种配置以及一些常见的优化。php-fpm的安装目录 下面是我的平时的环境搭建php的各种安装目录,大家的基本也差不多。centos等linux平台/usr/local/php/ph…...
2024/4/24 9:08:10 - Linux常用命令(上)
简介:本博客初学习Linux 进行基础命令的记录便于回顾,常用的命令会将对应全部英文名称记录,方便理解与记忆本文针对CentOSE 6.8进行linux命令复习我们首先 要知道在Linux世界里,一切皆文件!关于常用目录结构的说明:/bin 是Binary的缩写,这个目录存放着最经常使用的命令 /s…...
2024/4/24 9:08:10 - Java结合连接数据库进行查询操作(20.5.29)
IDEA连接MySQL数据库 将MySQL数据库连接器添加到项目中 以mysql-connector-java-8.0.15.jar为例子,将jar文件添加到项目中此时JDBC-MySQL连接器就添加成功了 创建相应的连接 连接jar文件中相应的类try {Class.forName("com.mysql.cj.jdbc.Driver"); //假如没有添加ja…...
2024/4/24 9:08:09 - vim编辑文件出错: Another program may be editing the same file.An edit session for this file crashed.
以下是错误详细代码E325: ATTENTION Found a swap file by the name ".schema.xml.swp"owned by: root dated: Thu May 28 21:19:42 2020file name: /usr/local/src/tomcat/solrhome/collection1/conf/schema.xmlmodified: YESuser name: root host name: localh…...
2024/4/24 9:08:08 - 不要再栽跟头了!switch语句的执行顺序
标准的switch语句用法integral-selector 位置填入选择因子,一般为变量或者表达式,此处的类型应于 integral-values 处的类型保持一致; integral-values 位置应填入整型数字或者单个字符,Java中也可以填入枚举类型;每一个 case 选择分支后都跟随一个 break 以跳出 switch …...
2024/4/24 9:08:09
最新文章
- Beego 使用教程 5:页面视图
beego 是一个用于Go编程语言的开源、高性能的 web 框架 beego 被用于在Go语言中企业应用程序的快速开发,包括RESTful API、web应用程序和后端服务。它的灵感来源于Tornado, Sinatra 和 Flask beego 官网:http://beego.gocn.vip/ 上面的 bee…...
2024/5/8 13:19:02 - 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…...
2024/5/7 10:36:02 - 汽车疲劳测试试验平台技术要求(北重厂家)
汽车疲劳测试试验平台技术要求通常包括以下几个方面: 车辆加载能力:测试平台需要具备足够的承载能力,能够同时测试多种车型和不同重量的车辆。 动力系统:测试平台需要具备稳定可靠的动力系统,能够提供足够的力和速度来…...
2024/5/3 8:56:17 - 前端路径问题总结
1.相对路径 不以/开头 以当前资源的所在路径为出发点去找目标资源 语法: ./表示当前资源的路径 ../表示当前资源的上一层路径 缺点:不同位置,相对路径写法不同2.绝对路径 以固定的路径作为出发点作为目标资源,和当前资源所在路径没关系 语法:以/开头,不同的项目中,固定的路径…...
2024/5/6 10:30:58 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/5/8 6:01:22 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/5/7 9:45:25 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/5/4 23:54:56 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/5/7 14:25:14 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/5/4 23:54:56 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/5/4 23:55:05 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/5/4 23:54:56 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/5/7 11:36:39 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/5/4 23:54:56 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/5/6 1:40:42 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/5/4 23:54:56 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/5/4 23:55:17 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/5/7 9:26:26 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/5/4 23:54:56 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/5/4 23:55:06 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/5/5 8:13:33 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/5/4 23:55:16 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/5/4 23:54:58 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/5/6 21:42:42 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/5/4 23:54:56 - 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