深度学习经典模型LeNet-5 的 tensorflow实现
1.背景
LeNet-5模型是Yann LeCun教授于1998年在论文Gradient-based learning applied to document recognition中提出,它是第一个成功应用于数字识别问题的卷积神经网络,其主要模型结构图如下:
2.主要代码
本文中的全部代码来源于TensorFlow实战Google深度学习框架第5、6章节。
模型定义代码cnndemo.py:
"""
resnet5 手写字体识别
"""import tensorflow as tf# 输入图片数组的长度
INPUT_NODE = 784
# 输出节点的个数
OUTPUT_NODE = 10
# 图片的大小
IMAGE_SIZE = 28
# 图片的通道数
NUM_CHANNELS = 1
# 分类结果
NUM_LABELS = 10# 第一层卷积层
CONV1_DEEP = 32 # 通道数
CONV1_SIZE = 5 # 卷积核大小# 第二层卷积层
CONV2_DEEP = 64 # 通道数
CONV2_SIZE = 5 # 卷积核大小# 全连接层的节点个数
FC_SIZE = 512def inference(input_tensor, train, regularizer):"""定义卷积神经网络前向传播的过程:param input_tensor::param train::param regularizer::return:"""# 第一层卷积层with tf.variable_scope('layer1-conv1'):# 卷积核的权重变量 声明参数变量中,前两个代表卷积核的尺寸,第三个维度代表当前层的深度,第四个维度代表过滤器的深度conv1_weights = tf.get_variable("weight", [CONV1_SIZE, CONV1_SIZE, NUM_CHANNELS, CONV1_DEEP],initializer=tf.truncated_normal_initializer(stddev=0.1))# 卷积核偏置项变量conv1_biases = tf.get_variable("bias", [CONV1_DEEP], initializer=tf.constant_initializer(0.0))# 卷积层前向传播运算,第一个输入为当前层节点矩阵,第二个为卷积层权重,第三个为步长,第四个表示是否全0填充# input_tensor [批量数据大小:长:宽:通道数]conv1 = tf.nn.conv2d(input_tensor, conv1_weights, strides=[1, 1, 1, 1], padding='SAME') # 32@28x28# 添加偏置,并经过激活函数relu运算relu1 = tf.nn.relu(tf.nn.bias_add(conv1, conv1_biases))with tf.variable_scope("layer2-pool1"):# 最大池化操作,ksize提供了过滤器的尺寸,strides提供了步长信息,padding提供了是否使用全0填充pool1 = tf.nn.max_pool(relu1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # 32@14x14with tf.variable_scope("layer3-conv2"): # 同上conv2_weights = tf.get_variable("weight", [CONV2_SIZE, CONV2_SIZE, CONV1_DEEP, CONV2_DEEP],initializer=tf.truncated_normal_initializer(stddev=0.1))conv2_biases = tf.get_variable('bias', [CONV2_DEEP], initializer=tf.constant_initializer(0.0))conv2 = tf.nn.conv2d(pool1, conv2_weights, strides=[1, 1, 1, 1], padding='SAME') # 64@14x14relu2 = tf.nn.relu(tf.nn.bias_add(conv2, conv2_biases))with tf.name_scope("layer4-pool2"): # 同上pool2 = tf.nn.max_pool(relu2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME') # 64@7x7# 这里接下去的操作就是把当前的矩阵都拉成一维的向量pool_shape = pool2.get_shape().as_list() # 获取尺寸信息并转化为列表,p[0]一个batch数据个数,p[1] 矩阵长,p[2]矩阵宽,p[3]矩阵深度nodes = pool_shape[1] * pool_shape[2] * pool_shape[3] # 3136 = 64 * 7 * 7# 变成一个batch的向量reshaped = tf.reshape(pool2, [pool_shape[0], nodes])# 第五层为全连接层前向传播with tf.variable_scope("layer5-fc1"): fc1_weights = tf.get_variable('weight', [nodes, FC_SIZE],initializer=tf.truncated_normal_initializer(stddev=0.1))if regularizer is not None:tf.add_to_collection('losses', regularizer(fc1_weights))fc1_biases = tf.get_variable("bias", [FC_SIZE], initializer=tf.constant_initializer(0.1))fc1 = tf.nn.relu(tf.matmul(reshaped, fc1_weights) + fc1_biases)if train: # 如果是训练过程fc1 = tf.nn.dropout(fc1, 0.5) # dropout 防止过拟合# 第六层同样为全连接层前向传播with tf.variable_scope("layer6-fc2"): fc2_weights = tf.get_variable("weight", [FC_SIZE, NUM_LABELS],initializer=tf.truncated_normal_initializer(stddev=0.1))if regularizer is not None:tf.add_to_collection('losses', regularizer(fc2_weights))fc2_biases = tf.get_variable("bias", [NUM_LABELS], initializer=tf.constant_initializer(0.1))logit = tf.matmul(fc1, fc2_weights) + fc2_biases# 返回第六层的输出return logit
训练代码mnist_test.py:
"""
神经网络的训练程序
"""
import osimport numpy as np
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datafrom paper1.conv.cnndemo import inference, OUTPUT_NODE, IMAGE_SIZE, NUM_CHANNELSBATCH_SIZE = 100 # 批量处理数据的大小
LEARNING_RATE_BASE = 0.8 # 基础的学习率
LEARNING_RATE_DECAY = 0.99 # 学习衰减率
REGULARAZTION_RATE = 0.0001 # 正则化系数
TRAINING_STEPS = 5000 # 训练的轮数
MOVING_AVERAGE_DECAY = 0.99 # 滑动平均窗口衰减率# 模型保存的路径和文件名
# MODEL_SAVE_PATH = "./model"
# MODEL_NAME = "model.ckpt"def train(mnist):"""训练数据:param mnist::return:"""# 定义输入数据和标签的placeholderx = tf.placeholder(tf.float32, [BATCH_SIZE, IMAGE_SIZE, IMAGE_SIZE, NUM_CHANNELS], name='x-input')y_ = tf.placeholder(tf.float32, [None, OUTPUT_NODE], name='y-input')# 定义l2正则化项目regularize = tf.contrib.layers.l2_regularizer(REGULARAZTION_RATE)# 进行前向传播的运算y = inference(x, True, regularize)# 定义全局训练的步数global_step = tf.Variable(0, trainable=False)# 定义滑动平均模型以及作用于所有的训练的变量variable_averages = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step)variables_average_op = variable_averages.apply(tf.trainable_variables())# 定义交叉熵和损失函数cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y, labels=tf.argmax(y_, 1))cross_entropy = tf.reduce_mean(cross_entropy)loss = cross_entropy + tf.add_n(tf.get_collection('losses'))# 定义学习率learning_rage = tf.train.exponential_decay(LEARNING_RATE_BASE,global_step,mnist.train.num_examples / BATCH_SIZE,LEARNING_RATE_DECAY,staircase=True)# 定义学习训练的过程,使用随机梯度下降法train_step = tf.train.GradientDescentOptimizer(learning_rage).minimize(loss, global_step=global_step)# 初始化所有变量并执行训练with tf.control_dependencies([train_step, variables_average_op]):train_op = tf.no_op(name='train')# 初始化tensorflow持久化类saver = tf.train.Saver()with tf.Session() as sess:# 初始化所有的变量tf.global_variables_initializer().run()for i in range(TRAINING_STEPS):xs, ys = mnist.train.next_batch(BATCH_SIZE)reshaped_xs = np.reshape(xs,(BATCH_SIZE,IMAGE_SIZE,IMAGE_SIZE,NUM_CHANNELS))_, loss_value, step = sess.run([train_op, loss, global_step], feed_dict={x: reshaped_xs, y_: ys})# 每100轮保存一次模型if i % 1000 == 0:print("After %d training steps, loss on training batch is %g." % (step, loss_value))# saver.save(sess, os.path.join(MODEL_SAVE_PATH, MODEL_NAME), global_step=global_step)def main(argv=None):mnist = input_data.read_data_sets("E:\paper_exp\paper1\mnist", one_hot=True)train(mnist)if __name__ == '__main__':tf.app.run()
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
- ansible自动化运维(未完待续)
ansible自动化运维 标签(空格分隔): 未分类环境准备 安装环境为Centos7.5,注意关闭防火墙 安装python3 使用源码编译安装python #安装支持包 [root@localhost ~]# yum -y install lrzsz vim net-tools gcc gcc-c++ ncurses-devel unzip zlib-devel zlib openssl-devel opens…...
2024/5/8 3:57:59 - 小程序的开发--檀老师 2020.06.05
一、文件结构维信小程序的整体构架内容:所有的包不要超过2兆 一个微信小程序程序主体部分由三个文件组成,必须放在项目的根目录,appjs (小程 序逻辑) . app.json (小程序公共设置) app.wxss (小程序公共样式表)一个微信小程序页面由四个文件组成,分别是:wxml (页面结构) …...
2024/5/8 7:38:37 - TensorFlow 提取指定名的op函数
部分代码:def _get_variables_to_train(trainable_scopes = None):"""Returns a list of variables to train.Returns:A list of variables to train by the optimizer."""if trainable_scopes is None:return tf.trainable_variables()else:sc…...
2024/4/24 11:04:31 - 最新学习路线图(java、python、人工智能、区块链)
前情提要:前几天给大家分享了一些自学的网站,但这学一点,那学一点,最后还是感觉没有学到位。那是因为大家没有构建一个体系来学习,没有一个好的学习路线,今天我就整理了一些学习路线图给大家,让大家能学的轻松一些,少掉一点头发!上期推文:大学生必备自学网站关注我的…...
2024/5/7 23:06:55 - ElGamal密码在DDH下的IND-CPA 安全性
ElGamal 在 DDH下的 IND-CPA 安全性 有关DDH和ElGamal Diffie-Hellman Protocol 有限循环群 G\mathbb{G}G (e.gG=(Zp)∗)\left(e.g\quad G=\left(Z_{p}\right)^{*}\right)(e.gG=(Zp)∗),其阶数为nnn 在GGG中取生成元ggg: <g>={1,g,g2,g3,…,gn−1}<g>=\left\{1,…...
2024/5/7 18:49:04 - mini_batch 中在特征的层面拉近同类内积 推远异类内积
在mini batch中,我要返回一个(batch_size, dim)尺寸的张量,然后计算相同类别之间的平均内积,和异类之间的平均内积。这里其实有一点可以考虑,咱们到底是将内积作为目标函数来优化好,还是将距离作为目标函数来优化好呢?如果是内积的话,同类的好说,同类之间的内积越接…...
2024/5/7 18:05:08 - 标记阶段和清除阶段相关垃圾回收算法
垃圾回收:顾名思义就是将已经分配除去的,但却不再使用的内存回收回来,以便能够再次分配。在 Java 虚拟机的语境下,垃圾指的是死亡的对象占据的堆空间。那么如何辨别一个对象是否可回收? 标记阶段 引用计数法和可达性分析 引用计数法 (reference counting),它的做法是为每…...
2024/5/8 2:31:59 - TX2风扇控制
TX2设置为最大功耗模式后,运行的很热但是风扇始终不转,经过了查找资料,对打开关闭风扇以及控制转速风扇进行整理。注意:风扇控制只对当前有效,重启后复位。1、开启风扇模式sudo /usr/bin/jetson_clocks默认风扇全速开启,开启之后,小风扇就开始转的飞起。设置转速为0就关…...
2024/4/24 11:04:35 - 做自己就好了,何必在乎别人的眼光(图文)
不要为失败找理由,而是为成功找方法;世界上没有绝望的处境,只有绝望的人。 不经过蔑视,忍耐奋斗,就没有征服的命运。 唯一不能选择一条路的就是放弃之路; 只有一条路不能拒绝这就是成长之路。 不要高估自己在群体中的力量,因为当你选择离开时,你会发现即使没有你,太阳也…...
2024/5/7 15:33:36 - nodejs的安装与配置
先讲一下nodejs是干什么用的?Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境。 Node.js 使用了一个事件驱动、非阻塞式 I/O 的模型。 Node 是一个让 JavaScript 运行在服务端的开发平台,它让 JavaScript 成为与PHP、Python、Perl、Ruby 等服务端语言平起平坐的脚本…...
2024/5/4 9:40:30 - 剑指offer_C++_一天一题_10_矩形覆盖
今日碎碎念: 右边肩膀有点酸~ 题目描述 我们可以用2*1的小矩形横着或者竖着去覆盖更大的矩形。请问用n个2*1的小矩形无重叠地覆盖一个2*n的大矩形,总共有多少种方法? 比如n=3时,2*3的矩形块有3种覆盖方法:解题分析 就是一个斐波那契数列~见图解代码实现 注意处理一下边界情…...
2024/5/7 23:29:27 - 深度学习入门:如何在jupyter notebook中切换自己在Anaconda中创建的环境
深度学习入门:如何在jupyter notebook中切换在Anaconda中创建的环境 很多人在下载好Anaconda后创建了conda环境,由于Anaconda 中自带了一些集成功能,包括jupyter notebook,但是我们在打开jupyter notebook后只能使用其自带的base环境,接下来讲一下如何在jupyter notebook中…...
2024/5/7 17:13:07 - SVN简介及工作原理
SVN需求 需求之一:代码备份:防止特殊情况下代码丢失 需求之二:代码还原:能够还原到某个特定的版本 需求 之三:协同修改:开发人员之间共同开发一个项目,相互之间互不影响. 需求之四:多版本项目文件管理:保存多个项目版本,实现需求二 需求之五:追溯问题代码的编写人和编写时…...
2024/4/15 5:20:30 - 6.5 静态组织架构
前三节,我们讲解了三种程序组织模型:严格层次化、元件化、分布式。在团队内部,为了简单我们习惯称之为“分层分块分布”。综合这三种策略,基本可以决定一个产品中各软件模块的静态组织关系,因此,“分层分块分布”是一种静态组织架构。目前,虽然各有侧重,我们团队研发的…...
2024/4/24 11:04:25 - 如何快速在虚拟机里的系统和win10系统进行切换?
如何快速在虚拟机里的系统和win10系统进行切换? 电脑本身的系统是win10的,装了一个虚拟机,然后在虚拟机装了一个linux系统,不通过ail+tab的方式,那么如何快速在两个系统之间进行切换呢? 首先,在win10系统下,通过快捷键 ctrl+win+D 创建一个新的桌面,创建的桌面可以通…...
2024/4/24 11:04:22 - 09day---C++面试题
1.关于派生类与基类之间的关系,下面哪一种说法错误的是D A 基类表示比较抽象的、一般的、较大范畴的对象,而派生类表示比较具体的、特殊性的、较小范畴的对象 B 派生类的一个对象也是其基类的一个对象,这是无条件的 C 派生类创建一个对象,那么该派生类的所有直接或间接的基…...
2024/4/24 11:04:21 - 第一周Python测验及作业
第一周作业 一、Hello World的条件输出 描述 获得用户输入的一个整数,参考该整数值,打印输出"Hello World",要求:…...
2024/4/24 11:04:27 - Java中的位运算符
Java中的位运算符(>> and >>>)‘>>’ 表示bai右移,如果该数为正,则高du位补0,若为负数zhi,则高位补1;‘>>>’ 表示无符dao号右移,也叫逻辑右移,即若该数为正,则高位补0,而若该数为负数,则右移后高位同样补0。表达式为: result = exp1…...
2024/4/24 11:04:20 - SpringMVC(四)—— 文件上传和下载
一、文件上传 1.1 文件上传 在 Web 开发中,使用应用层协议 HTTP,通过在请求头中设置传输的内容类型 Content-Type 为 multipart/form-data; boundary=流分隔符值 来上传文件,这个流分隔符用来区分一个文件上传的开始和结束。<%-- 文件上传 表单提交的方式--%…...
2024/4/24 11:04:21 - 检索只使用了P3和P5的工程编号JNO(含S,P,J,SPJ表)
SELECT DISTINCT JNO FROM SPJ WHERE JNO IN (SELECT DISTINCT X.JNO FROM SPJ AS X, SPJ AS Y WHERE X.JNO=Y.JNO AND X.PNO=‘P3’ AND Y.PNO=‘P5’) GROUP BY SPJ.JNO HAVING COUNT(DISTINCT (PNO))=2...
2024/4/24 11:04:18
最新文章
- 禁止浏览器打开开发者工具/网页禁止使用开发者工具嗅探资源技术教程
技术教程来自精品源码网 禁止浏览器打开开发者工具/网页禁止使用开发者工具嗅探资源 将以下代码添加在网站首页的代码中即可实现。 <script type"text/javascript">// 禁止鼠标右击document.oncontextmenu function() {return false;};// 禁用开发者工具F1…...
2024/5/8 8:26:27 - 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 - 探索进程控制第一弹(进程终止、进程等待)
文章目录 进程创建初识fork函数fork函数返回值fork常规用法fork调用失败的原因 写时拷贝进程终止进程终止是在做什么?进程终止的情况代码跑完,结果正确/不正确代码异常终止 如何终止 进程等待概述进程等待方法wait方法waitpid 进程创建 初识fork函数 在…...
2024/5/5 1:11:34 - 游戏引擎架构01__引擎架构图
根据游戏引擎架构预设的引擎架构来构建运行时引擎架构 ...
2024/5/6 18:32:42 - 【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