使用keras实现手写数字识别
传送门
- 导入依赖库
- 数据预处理
- 文件准备
- 图片读取与保存
- 模型搭建与运行
- 预测
- 结果
- 完整代码
导入依赖库
import os,cv2,random
import zipfile
import numpy as np
from PIL import Image,ImageQt,ImageDraw,ImageFont
#get_ipython().run_line_magic('matplotlib', 'inline')
import matplotlib
import matplotlib.pyplot as plt
from keras.utils import np_utils
import picklefrom keras.layers import Input,Dense,Dense,Conv2D,Dropout,MaxPooling2D,Flatten,Activation,AveragePooling2D
from keras.optimizers import Adam,SGD,RMSprop,Adadelta
from keras.callbacks import Callback,EarlyStopping,ReduceLROnPlateau
from keras.preprocessing.image import ImageDataGenerator
from keras.applications.vgg16 import VGG16
from keras.applications.resnet50 import ResNet50
from keras.models import Model,Sequential,load_model
from keras.utils import np_utilsfrom sklearn.metrics import accuracy_score
数据预处理
文件准备
数据集链接,百度网盘,9tg6
数据集内存在黑底白字和白底黑字
train_name = 'train-8000-clean.zip'
test_name = 'test1--1200-clean.zip'
train = zipfile.ZipFile(train_name)
test= zipfile.ZipFile(test_name)train_path = './tain_data'
test_path = './test_data'if not os.path.exists(train_path):os.makedirs(train_path)for name in train.namelist():train.extract(name,train_path)
train.close()
if not os.path.exists(test_path):os.makedirs(test_path)for name in test.namelist():test.extract(name,test_path)
test.close()
图片读取与保存
尺寸28*28,灰度图,使用时按照0-1二值化
ROWS = 28
COLS = 28
CHANNELS = 1
def process_img(data_path):data_list = []data_label = []for i in os.listdir(data_path):data_list.append(i)count = len(data_list)random.shuffle(data_list)#打乱图片名称data = np.ndarray((count, ROWS, COLS), dtype=np.uint8)n = 0for i in data_list:img = cv2.imread(data_path+'/'+i, cv2.IMREAD_GRAYSCALE)#读取灰度图片img = cv2.resize(img, (ROWS, COLS), interpolation=cv2.INTER_CUBIC)img = np.array(img)data_label.append(i[0])#标签列表data[n] = img n = n+1labels = np_utils.to_categorical(data_label,10)#转化成onehot编码return data,labels,data_listpickle_file = 'Number2.pickle'#若是想重新清洗数据,则更改pickle_file的内容if not os.path.isfile(pickle_file): #不存在已经处理过的数据train_data,train_label,train_name = process_img(train_path)test_data,test_label,test_name = process_img(test_path)print('Saving data to pickle file...')try:with open(pickle_file, 'wb') as pfile:pickle.dump({'train_data': train_data,'test_data': test_data,'train_label': train_label,'test_label': test_label,'train_name': train_name,'test_name': test_name,},pfile, pickle.HIGHEST_PROTOCOL)except Exception as e:print('Unable to save data to', pickle_file, ':', e)raiseprint('Data cached in pickle file.')
else:#存在文件,直接读取# 读取数据with open(pickle_file, 'rb') as f:pickle_data = pickle.load(f) # 反序列化,与pickle.dump相反train_data = pickle_data['train_data']train_label = pickle_data['train_label']train_name = pickle_data['train_name']test_data = pickle_data['test_data']test_label = pickle_data['test_label']test_name = pickle_data['test_name']del pickle_data # 释放内存print('Data and modules loaded.')train_data = train_data.reshape((8000, 28,28,1)).astype('float32') / 255
test_data = test_data.reshape((1200, 28,28,1)).astype('float32') / 255
print(train_data.shape)
print(test_data.shape)
模型搭建与运行
def run(train_data,train_label):batch_size = 256max_epochs = 45model = Sequential()#增加一个卷积层,卷积核数为64,大小为3*3,步长为1model.add(Conv2D(filters=64,kernel_size=(3,3),strides=(1,1),padding = 'same',input_shape=(28,28,1),activation='relu'))#增加一个最大池化层,大小为2*2model.add(MaxPooling2D(pool_size=(2,2)))使用了三个卷积层,两个Dropoutmodel.add(Conv2D(filters=128,kernel_size=(3,3),strides=(1,1),padding='same',activation='relu'))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.5))model.add(Conv2D(filters=256,kernel_size=(3,3),strides=(1,1),padding='same',activation='relu')) model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.5))model.add(Flatten())#把当前层节点展平model.add(Dense(256,activation='relu'))model.add(Dense(10,activation='softmax'))model.compile(loss = 'categorical_crossentropy',optimizer='adagrad',metrics=['accuracy'])#'adagrad' Adam,SGD,RMSprop#最后定义损失函数early_stopping = EarlyStopping(monitor='val_loss', patience=3, verbose=1, mode='auto')model.fit(train_data,train_label,batch_size=batch_size,epochs=max_epochs,validation_split=0.2,verbose=2,shuffle=True,callbacks=[early_stopping])return modelmymodel = run(train_data,train_label)
预测
scores = mymodel.evaluate(test_data,test_label,verbose=0)
print('\nTest Acc:%.2f%%' % (scores[1] * 100))predict_label = mymodel.predict(test_data,verbose = 0)
classes = []
for i in range(len(predict_label)): #转换成 max_value=max(predict_label[i]) for j in range(len(predict_label[i])): if max_value == predict_label[i][j]: predict_label[i][j] = 1 classes.append(j)else: predict_label[i][j] = 0
cor = 0
for i in range(len(predict_label)): print(test_name[i],classes[i])if(int(test_name[i][0]) == classes[i]):cor = cor+1
print(cor,cor/len(predict_label))
结果
准确率 0.9775左右
完整代码
import os,cv2,random
import zipfile
import numpy as np
from PIL import Image,ImageQt,ImageDraw,ImageFont
import matplotlib
import matplotlib.pyplot as plt
from keras.utils import np_utils
import picklefrom keras.layers import Input,Dense,Dense,Conv2D,Dropout,MaxPooling2D,Flatten,Activation,AveragePooling2D
from keras.optimizers import Adam,SGD,RMSprop,Adadelta
from keras.callbacks import Callback,EarlyStopping,ReduceLROnPlateau
from keras.preprocessing.image import ImageDataGenerator
from keras.applications.vgg16 import VGG16
from keras.applications.resnet50 import ResNet50
from keras.models import Model,Sequential,load_model
from keras.utils import np_utilsfrom sklearn.metrics import accuracy_scoretrain_name = 'train-8000-clean.zip'
test_name = 'test1--1200-clean.zip'
train = zipfile.ZipFile(train_name)
test= zipfile.ZipFile(test_name)train_path = './tain_data'
test_path = './test_data'if not os.path.exists(train_path):os.makedirs(train_path)for name in train.namelist():train.extract(name,train_path)
train.close()
if not os.path.exists(test_path):os.makedirs(test_path)for name in test.namelist():test.extract(name,test_path)
test.close()ROWS = 28
COLS = 28
CHANNELS = 1
def process_img(data_path):data_list = []data_label = []for i in os.listdir(data_path):data_list.append(i)count = len(data_list)random.shuffle(data_list)#打乱图片名称data = np.ndarray((count, ROWS, COLS), dtype=np.uint8)n = 0for i in data_list:img = cv2.imread(data_path+'/'+i, cv2.IMREAD_GRAYSCALE)#读取灰度图片img = cv2.resize(img, (ROWS, COLS), interpolation=cv2.INTER_CUBIC)img = np.array(img)data_label.append(i[0])#标签列表data[n] = img n = n+1labels = np_utils.to_categorical(data_label,10)#转化成onehot编码return data,labels,data_listpickle_file = 'Number2.pickle'#若是想重新清洗数据,则更改pickle_file的内容if not os.path.isfile(pickle_file): #不存在已经处理过的数据train_data,train_label,train_name = process_img(train_path)test_data,test_label,test_name = process_img(test_path)print('Saving data to pickle file...')try:with open(pickle_file, 'wb') as pfile:pickle.dump({'train_data': train_data,'test_data': test_data,'train_label': train_label,'test_label': test_label,'train_name': train_name,'test_name': test_name,},pfile, pickle.HIGHEST_PROTOCOL)except Exception as e:print('Unable to save data to', pickle_file, ':', e)raiseprint('Data cached in pickle file.')
else:#存在文件,直接读取# 读取数据with open(pickle_file, 'rb') as f:pickle_data = pickle.load(f) # 反序列化,与pickle.dump相反train_data = pickle_data['train_data']train_label = pickle_data['train_label']train_name = pickle_data['train_name']test_data = pickle_data['test_data']test_label = pickle_data['test_label']test_name = pickle_data['test_name']del pickle_data # 释放内存print('Data and modules loaded.')train_data = train_data.reshape((8000, 28,28,1)).astype('float32') / 255
test_data = test_data.reshape((1200, 28,28,1)).astype('float32') / 255
print(train_data.shape)
print(test_data.shape)def run(train_data,train_label):batch_size = 256max_epochs = 45model = Sequential()#增加一个卷积层,卷积核数为64,大小为3*3,步长为1model.add(Conv2D(filters=64,kernel_size=(3,3),strides=(1,1),padding = 'same',input_shape=(28,28,1),activation='relu'))#增加一个最大池化层,大小为2*2model.add(MaxPooling2D(pool_size=(2,2)))model.add(Conv2D(filters=128,kernel_size=(3,3),strides=(1,1),padding='same',activation='relu'))model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.5))model.add(Conv2D(filters=256,kernel_size=(3,3),strides=(1,1),padding='same',activation='relu')) model.add(MaxPooling2D(pool_size=(2,2)))model.add(Dropout(0.5))model.add(Flatten())#把当前层节点展平model.add(Dense(256,activation='relu'))model.add(Dense(10,activation='softmax'))model.compile(loss = 'categorical_crossentropy',optimizer='adagrad',metrics=['accuracy'])#'adagrad' Adam,SGD,RMSprop#最后定义损失函数early_stopping = EarlyStopping(monitor='val_loss', patience=3, verbose=1, mode='auto')model.fit(train_data,train_label,batch_size=batch_size,epochs=max_epochs,validation_split=0.2,verbose=2,shuffle=True,callbacks=[early_stopping])return modelmymodel = run(train_data,train_label)#最后放入批量样本,进行训练
scores = mymodel.evaluate(test_data,test_label,verbose=0)
print('\nTest Acc:%.2f%%' % (scores[1] * 100))
#查看预测的每一条结果,如果有强化学习的需要可以再次学习
predict_label = mymodel.predict(test_data,verbose = 0)
classes = []
for i in range(len(predict_label)):max_value=max(predict_label[i]) for j in range(len(predict_label[i])): if max_value == predict_label[i][j]: predict_label[i][j] = 1 classes.append(j)else: predict_label[i][j] = 0
cor = 0
for i in range(len(predict_label)): print(test_name[i],classes[i])if(int(test_name[i][0]) == classes[i]):cor = cor+1
print(cor,cor/len(predict_label))
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
- Pandas数据结构
Pandas数据结构 "一维数组"Serise Series “系列”Series 数据结构 Series 是带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,Python对象等),轴标签统称为索引import numpy as np import pandas as pd # 导入numpy、pandas模块 # …...
2024/4/15 2:54:35 - http和https的区别
http和https的区别 超文本传输协议HTTP协议被用于在Web浏览器和网站服务器之间传递信息,HTTP协议以明文方式发送内容,不提供任何方式的数据加密,如果攻击者截取了Web浏览器和网站服务器之间的传输报文,就可以直接读懂其中的信息,因此,HTTP协议不适合传输一些敏感信息,比…...
2024/4/24 15:08:54 - VSCode安装Live Server之后未显示Go Live,且Open With Live Server不起作用
一、问题:VSCode安装Live Server之后未显示Go Live,且Open With Live Server不起作用。二、解决方案:重启VSCode仍未起作用的话,就将LiveServer切换版本,降低当前Live Server版本,再重新加载。...
2024/4/24 15:08:53 - Qt学习之路_006-自定义信号和槽的重载以及拓展
文章目录Qt学习之路_006-自定义信号和槽的重载以及拓展 Qt学习之路_006-自定义信号和槽的重载以及拓展...
2024/4/24 15:08:52 - MySQL事务(transaction)的四大特性ACID、隔离性问题及隔离级别
1.事务的四大特性(ACID)原子性(atomicity):一个事务是不可分割的工作单位,事务中的操作要么一起发生,要么一起不发生一致性(consistency):事务前后的数据必须保持一致隔离性(isolation):多个事务之间数据要相互隔离持久性(durability):事务一旦被提交,改变是永…...
2024/4/24 15:08:51 - 【MyBatis】【Spring】【SpringMVC】SSM整合案例
SSM整合案例一、SSM整合基础步骤1. 创建web工程2. 导入依赖3. 使用逆向工程生成pojo,mapper以及mapper.xml文件4. 编写 Service5. 编写ServiceImpl6. 编写Controller7. 编写 jdbc.properties8. 编写 mybatis-config.xml9. 编写 applicationContext.xml10. 编写 springmvc.xml1…...
2024/4/24 15:08:50 - mysql(4)索引(上)
1.索引的出现其实就是为了提高数据查询的效率,就像书的目录一样。2.三种常见、也比较简单的数据结构,它们分别是哈希表、有序数组和搜索树。3.哈希表是一种以键 - 值(key-value)存储数据的结构,我们只要输入待查找的键即 key,就可以找到其对应的值即 Value。4.多个 key 值…...
2024/4/24 15:08:49 - tensorflow实现两个多元高斯分布之间的KL散度,很重要
文章目录0.背景1. tensorflow矩阵操作1.1 多维矩阵的乘法1.1.1 tf.matmul函数1.1.2 使用 @ 重载函数1.2 多维矩阵的转置1.2.1 用tf.expand_dims扩展维度1.2.1 tf.squeeze(a,axis=)1.2.2 矩阵转置1.3 求矩阵的行列式1.4 求矩阵的逆1.4.1 tf.matrix_inverse()1.4.2 tf.compat.v1.…...
2024/5/2 20:07:53 - SpringMVC-高级-json数据交互
一.简述javaWeb学习ajax时,浏览器和服务器之间数据交互使用JSON数据。之前我们服务器使用JSON-LIB等第三方工具进行Java对象转JSON数据。在SpringMVC我们使用更加快捷的Jackson来进行JSON和Java对象的互转@RequestBody:自动将json 转换 成Java对象。 JSON---->JAVA@Respo…...
2024/4/24 15:08:47 - 利用hookEvent监听组件生命周期函数
例如没有hook的时候,需要在生命周期里使用方法,维护代码也需要往后查看,如果两个函数相差几百行代码呢mounted() {window.addEventListener(resize, this.xxx)},updated() {// 干了一些事},created() {// 干了一些事},beforeDestroy() {// 组件销毁时,销毁监听事件window.r…...
2024/4/24 15:08:46 - 初学vue
初学vue第一节 注意: Mustache语法:就相当于{{}} 渲染页面,数据是响应式的 1、v-once :该指令表示只渲染一次<h2>{{message}}</h2><h2 v-once>{{message}}</h2> 2、v-url :当接口返回的是跳转的连接,可以通过这个指令做跳转<h1>{{url}…...
2024/5/8 7:42:56 - 头文件中尖括号和引号的区别
<>头文件标准库里 “”自己编写的或头文件标准库里的...
2024/4/24 15:08:44 - Verdi UVM Debug Tool 简单使用
目录文档与源码:介绍:准备: 使用:文档与源码:User Guide: UVMDebugUserGuide.pdf in $VERDI_HOME/docVerdi online doc: Verdi Ooline Doc //need log in SolvNet beforetestbench使用的是《UVM实战》的7.4.3章节源码:源码地址:UVM实战源码下载介绍:Verdi UVM Debug …...
2024/4/27 20:52:38 - Nginx优化和常见状态码整理
Nginx简单优化worker_processes auto; #启动进程,通常设置cpu-1的数量; worker_connections 102400 #单台后台worker_process进程的最大并发连接数(最大连接数=连接数*进程数); keepalive_timeout 60; #keepalive超时时间,客户端到服务器的链接持续有效时间,当出现对服…...
2024/5/3 0:14:37 - HTML之清除浮动
1.为什么要清除浮动?由于浮动元素不再占用原文档流的位置,所以它会对页面中其他元素的排版产生影响,这时候就需要在该元素中清除浮动。2.清除浮动的基本语法格式在css中,clear属性用于清除浮动,其基本语法格式如下:选择器{clear:属性值;}clear属性常用的值:属性值描…...
2024/4/24 6:26:26 - CentOS NTFS
errorinstall(no use)sudo yum install -y ntfs-3gdownloadhttps://tuxera.com/opensource/ntfs-3g_ntfsprogs-2017.3.23.tgz./configuremake sudo make install...
2024/4/24 15:08:41 - linux---df命令
df 命令格式: df [选项] [文件] 功能: 显示指定磁盘文件的可用空间。如果没有文件名被指定,则所有当前被挂载的文件系统的可用空间将被显示。 参数说明: -a 全部文件系统列表 -h 方便阅读方式显示 -H 等于“-h”,但是计算式,1K=1000,而不是1K=1024 -i 显示inode信息 -k …...
2024/4/24 15:08:39 - Seeker的笔试冒险(招行提前批)
招行提前批前言磁盘调度策略吞吐量的计算代理模式静态代理动态代理使用CGlib动态代理在SpringBoot中使用代理Scanner 前言 6月22日做了招银科技提前批的笔试题目,深受打击,有好多不会做的题目。 磁盘调度策略 磁盘调度策略常用的一般有4种:先来先服务:没什么好说的,读到哪…...
2024/4/15 2:54:45 - vue 组件传值,写的挺好的,mark一下。
https://www.cnblogs.com/peerless1029/p/10005316.html...
2024/4/27 12:03:55 - 7,桶排序、基数排序、希尔排序、计数排序、位图排序、其他排序
桶排序是将数组分散到有限的桶中,然后每个桶再分别排序,而每个桶的排序又可以使用其他排序方式进行排序,可以是桶排序也可以是其他排序。桶的大小可以随便定,如果桶的数量足够多就会变成我们后面介绍的计数排序,其实我们完全可以把桶固定在一个数量,根据数组的大小来确定…...
2024/5/3 9:25:11
最新文章
- 【隧道篇 / WAN优化】(7.4) ❀ 03. WAN优化的原理 ❀ FortiGate 防火墙
【简介】相信对WAN优化感兴趣的人都会有疑问,WAN优化真的有作用吗?如果真的有作用,那是根据什么原理呢?让我们来更深入的了解一下。 客户端和服务器端 其实很多人在一开始看到WAN优化这个词,就自然的以为上网速度太慢&…...
2024/5/10 4:29:56 - 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…...
2024/5/9 21:23:04 - Mac OS X系统中的隐藏文件夹 .fseventsd,.Spotlight-V100,.Trashes
Mac OS X系统中的隐藏文件夹(.fseventsd,.Spotlight-V100,.Trashes),务必谨慎操作。这些文件夹通常存储着系统的临时数据和缓存,对系统的正常运行至关重要。下面是对它们的说明以及如何处理的建议ÿ…...
2024/5/4 2:52:49 - axios拦截器:每次请求自动带上 token
Step 1:创建Axios实例并添加拦截器 在你的Vue项目中,一般我们会先导入axios,然后创建一个axios实例。这样做是为了方便统一管理和配置。 import axios from axios; // 引入axios// 创建一个axios实例 const service axios.create();// 添加请…...
2024/5/9 17:06:51 - vue中内置指令v-model的作用和常见使用方法介绍以及在自定义组件上支持
文章目录 一、v-model是什么二、什么是语法糖三、v-model常见的用法1、对于输入框(input):2、对于复选框(checkbox):3、对于选择框(select):4、对于组件(comp…...
2024/5/9 14:39:50 - 【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…...
2024/5/9 15:10:32 - 【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…...
2024/5/9 4:20:59 - 【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…...
2024/5/8 20:48:49 - 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…...
2024/5/8 19:33:07 - 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…...
2024/5/8 20:38:49 - 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」。 …...
2024/5/9 7:32:17 - 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…...
2024/5/9 17:11:10 - 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