【人工智能项目】Bert实现泰迪杯论坛文本分类任务
【人工智能项目】Bert实现泰迪杯论坛文本分类任务
本次又是bert任务,用bert来实现论文文本分类的任务。那么接着走起走起走起!!!
运行环境
本次运行环境在google colab白嫖的gpu进行加速训练。
!nvidia-smi
导包
#! -*- coding:utf-8 -*-
import re, os, json, codecs, gc
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import os
import time
import datetimefrom sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.utils import class_weight as cwfrom keras import Sequentialfrom keras.models import Modelfrom keras.layers import LSTM,Activation,Dense,Dropout,Input,Embedding,BatchNormalization,Add,concatenate,Flatten
from keras.layers import Conv1D,Conv2D,Convolution1D,MaxPool1D,SeparableConv1D,SpatialDropout1D,GlobalAvgPool1D,GlobalMaxPool1D,GlobalMaxPooling1D
from keras.layers.pooling import _GlobalPooling1D
from keras.layers import MaxPooling2D,GlobalMaxPooling2D,GlobalAveragePooling2Dfrom keras.optimizers import RMSprop,Adamfrom keras.preprocessing.text import Tokenizer
from keras.preprocessing import sequencefrom keras.utils import to_categoricalfrom keras.callbacks import EarlyStopping
from keras.callbacks import ModelCheckpoint
from keras.callbacks import ReduceLROnPlateau%matplotlib inlineimport warnings
warnings.filterwarnings("ignore")
读取文件
import xlrdtrain_dataset_path = "train.xlsx"
test_dataset_path = "test.xlsx"train_content=xlrd.open_workbook(filename=train_dataset_path,encoding_override='gbk')
test_content=xlrd.open_workbook(filename=test_dataset_path,encoding_override='gbk')train_df=pd.read_excel(train_content,engine='xlrd',header=0,names=["id","user_id","target","time","text","labels"])
test_df=pd.read_excel(test_content,engine='xlrd',header=0,names=["id","user_id","target","time","text","labels"])
train_df
test_df
合并
train_df["ocr"] = train_df["target"] + " " + train_df["text"]
test_df["ocr"] = test_df["target"] + " " + test_df["text"]
train_df
标签统计
sns.countplot(train_df["labels"])
plt.xlabel("Label")
plt.title("News sentiment analysis")
train_df["labels"].unique()
array([’__label__城乡建设’, ‘__label__环境保护’, ‘__label__交通运输’, ‘__label__教育文体’,
‘__label__劳动和社会保障’, ‘__label__商贸旅游’, ‘__label__卫生计生’], dtype=object)
# 统计新闻数据中情感,正面情绪对应0 中性情绪对应1 负面情绪对应2
dit = {'__label__城乡建设':0,'__label__环境保护':1,"__label__交通运输":2,"__label__教育文体":3,"__label__劳动和社会保障":4,"__label__商贸旅游":5,"__label__卫生计生":6}
train_df['label'] = train_df['labels'].map(dit)
sns.countplot(train_df["label"])
plt.xlabel("Label")
plt.title("News sentiment analysis")
最终数据集
train_df = train_df[["ocr","label"]]
from sklearn.utils import shuffle
train_df = shuffle(train_df).reset_index(drop=True)
安装bert
!pip install keras_bert
下载预训练的模型权重
!wget -c https://storage.googleapis.com/chineseglue/pretrain_models/roeberta_zh_L-24_H-1024_A-16.zip
解压缩文件
!unzip roeberta_zh_L-24_H-1024_A-16.zip
训练
#! -*- coding:utf-8 -*-
import re, os, json, codecs, gc
import numpy as np
import pandas as pd
from random import choice
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import KFold
from keras_bert import load_trained_model_from_checkpoint, Tokenizerfrom keras.layers import *
from keras.callbacks import *
from keras.models import Model
import keras.backend as K
from keras.optimizers import Adammaxlen = 256
config_path = './bert_config_large.json'
# checkpoint_path = '/export/home/liuyuzhong/kaggle/bert/chinese_L-12_H-768_A-12/bert_model.ckpt'
checkpoint_path = './roberta_zh_large_model.ckpt'
dict_path = './vocab.txt'token_dict = {}
with codecs.open(dict_path, 'r', 'utf8') as reader:for line in reader:token = line.strip()token_dict[token] = len(token_dict)class OurTokenizer(Tokenizer):def _tokenize(self, text):R = []for c in text:if c in self._token_dict:R.append(c)elif self._is_space(c):R.append('[unused1]') # space类用未经训练的[unused1]表示else:R.append('[UNK]') # 剩余的字符是[UNK]return Rtokenizer = OurTokenizer(token_dict)def seq_padding(X, padding=0):L = [len(x) for x in X]ML = max(L)return np.array([np.concatenate([x, [padding] * (ML - len(x))]) if len(x) < ML else x for x in X])class data_generator:def __init__(self, data, batch_size=4, shuffle=True):self.data = dataself.batch_size = batch_sizeself.shuffle = shuffleself.steps = len(self.data) // self.batch_sizeif len(self.data) % self.batch_size != 0:self.steps += 1def __len__(self):return self.stepsdef __iter__(self):while True:idxs = list(range(len(self.data)))if self.shuffle:np.random.shuffle(idxs)X1, X2, Y = [], [], []for i in idxs:d = self.data[i]text = d[0][:maxlen]x1, x2 = tokenizer.encode(first=text)y = d[1]X1.append(x1)X2.append(x2)Y.append([y])if len(X1) == self.batch_size or i == idxs[-1]:X1 = seq_padding(X1)X2 = seq_padding(X2)Y = seq_padding(Y)yield [X1, X2], Y[:, 0, :][X1, X2, Y] = [], [], []from keras.metrics import top_k_categorical_accuracy
#
def acc_top5(y_true, y_pred):return top_k_categorical_accuracy(y_true, y_pred, k=5)
# 模型
def build_bert(nclass):bert_model = load_trained_model_from_checkpoint(config_path, checkpoint_path, seq_len=None)for l in bert_model.layers:l.trainable = Truex1_in = Input(shape=(None,))x2_in = Input(shape=(None,))x = bert_model([x1_in, x2_in])x = Lambda(lambda x: x[:, 0])(x)p = Dense(nclass, activation='softmax')(x)model = Model([x1_in, x2_in], p)model.compile(loss='categorical_crossentropy', optimizer=Adam(1e-5),metrics=['accuracy', acc_top5])print(model.summary())return model
from keras.utils import to_categoricalDATA_LIST = []
# 改
for data_row in train_df.iloc[:].itertuples():DATA_LIST.append((data_row.ocr, to_categorical(data_row.label, 7)))
DATA_LIST = np.array(DATA_LIST)DATA_LIST_TEST = []
for data_row in test_df.iloc[:].itertuples():DATA_LIST_TEST.append((data_row.ocr, to_categorical(0, 7)))
DATA_LIST_TEST = np.array(DATA_LIST_TEST)
# k者交叉验证
def run_cv(nfold, data, data_label, data_test):kf = KFold(n_splits=nfold, shuffle=True, random_state=520).split(data)# 改train_model_pred = np.zeros((len(data), 7))test_model_pred = np.zeros((len(data_test), 7))k = 0for i, (train_fold, test_fold) in enumerate(kf):X_train, X_valid, = data[train_fold, :], data[test_fold, :]# 改model = build_bert(7)# early_stopping = EarlyStopping(monitor='val_acc', patience=3)plateau = ReduceLROnPlateau(monitor="val_acc", verbose=1, mode='max', factor=0.5, patience=2)checkpoint = ModelCheckpoint('./bert_dump/' + str(i) + '.hdf5', monitor='val_acc', verbose=2, save_best_only=True, mode='max',save_weights_only=True)train_D = data_generator(X_train, shuffle=True)valid_D = data_generator(X_valid, shuffle=True)test_D = data_generator(data_test, shuffle=False)history = model.fit_generator(train_D.__iter__(),steps_per_epoch=len(train_D),epochs=2,validation_data=valid_D.__iter__(),validation_steps=len(valid_D),callbacks=[early_stopping, plateau, checkpoint],)# return modeltrain_model_pred[test_fold, :] = model.predict_generator(valid_D.__iter__(), steps=len(valid_D),verbose=1)test_model_pred += model.predict_generator(test_D.__iter__(), steps=len(test_D),verbose=1)if k == 0:breakdel model; gc.collect()K.clear_session()# breakreturn train_model_pred, test_model_pred,history
train_model_pred, test_model_pred,history = run_cv(2, DATA_LIST, None, DATA_LIST_TEST)
绘制训练过程中的loss和acc
# 绘制训练过程中的 loss 和 acc 变化曲线
import matplotlib.pyplot as plt
%matplotlib inlinedef history_plot(history_fit):plt.figure(figsize=(12,6))# summarize history for accuracyplt.subplot(121)plt.plot(history_fit.history["accuracy"])plt.plot(history_fit.history["val_accuracy"])plt.title("model accuracy")plt.ylabel("accuracy")plt.xlabel("epoch")plt.legend(["train", "valid"], loc="upper left")# summarize history for lossplt.subplot(122)plt.plot(history_fit.history["loss"])plt.plot(history_fit.history["val_loss"])plt.title("model loss")plt.ylabel("loss")plt.xlabel("epoch")plt.legend(["train", "valid"], loc="upper left")plt.show()
history_plot(history)
test_pred = [np.argmax(x) for x in test_model_pred]
test_df['labels'] = test_pred
test_df['labels']
test_df
# 统计新闻数据中情感,正面情绪对应0 中性情绪对应1 负面情绪对应2
dit = {0:'__label__城乡建设',1:'__label__环境保护',2:"__label__交通运输",3:"__label__教育文体",4:"__label__劳动和社会保障",5:"__label__商贸旅游",6:"__label__卫生计生"}
test_df['label'] = test_df['labels'].map(dit)
test_df
predict_df = test_df[["id","label"]]
predict_df
predict_df.to_csv('res.csv',index=None,encoding='utf_8_sig')
那么本次到此结束,回头见!!!
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
- plsqldev基本使用
...
2024/5/1 21:30:45 - 二体问题之1:二体运动方程
1. 研究对象及参考系 2. 二体运动假设 其中一个物体的质量远大于另一个两物体球对称,可以将质量简化到质心除质心连线外无其他外力 3. 运动描述 3.1 二体运动方程 rμrr30\ddot{\mathbf{r}}\mu \frac{\mathbf{r}}{r^{3}}0rμr3r0 推导 牛顿第二定律ÿ…...
2024/4/20 13:33:27 - mysql数据导入报错1265
从【和鲸社区】下载了数据集order2019,在导入mysql的时候报错(data truncated for column ‘payment’ at row 1,1265),查了报错,说是这类型报错一般是数据类型的不对应,或者字符串长度不够而造成的。检查了数据类型没有问题,还是…...
2024/4/26 22:08:15 - ElasticSearch Scroll滚动查询(查询数据超过10000)
ElasticSearch Scroll滚动查询(查询数据超过10000) ElasticSearch官方默认查询数据是10000条,查询第10001时会报错:Result window is too large, from size must be less than or equal to... 以下是From/Size查询方法的官方文…...
2024/5/2 0:46:49 - Jenkins自动化打包
相关文档: https://www.jenkins.io/zh/...
2024/4/20 13:33:22 - 创建emctl
Environment variable ORACLE_UNQNAME not defined. Please set ORACLE_UNQNAME to database unique name 解决方法: 在启动的时候先设置一下oracle_unqname set oracle_unqname$ORACLE_SID 如果还是失败,在环境变量中添加: vi ~/.bash_profi…...
2024/4/20 13:33:21 - Spring.io本地服务器解决超时问题
建本地服务器的方法,详情参考官方说明:https://github.com/spring-io/initializr 打开一看是英文,而且你鼓捣半天不一定成功,没事,我已经搭建好了可执行jar包给你下载使用!你只需要java -jar,如…...
2024/5/2 0:33:52 - Http(四)——响应头信息(二)
文章目录前言1. Allow2. Content-Encoding3. Content-Language4.Content-Length5. Content-Location6. Content-Range7. Content-Type8.Expires9.Last-Modified谢谢各位HTTP 头信息前言 上一节我们介绍了9种响应头信息。这一节介绍剩余的10种头信息 。 AllowContent-Encoding…...
2024/4/21 18:16:10 - Windows10没有打开任何进程,CPU占用就很大
点击开始菜单栏搜索Windows自带的内存诊断 打开后会出现下图,选择重启就OK了 亲测有用!...
2024/4/21 18:16:09 - centos7 安装nodejs
centos7 安装nodejs cd /opt mkdir nodejs cd nodejs wget https://nodejs.org/dist/v14.17.4/node-v14.17.4-linux-x64.tar.xz tar -xvf node-v14.17.4-linux-x64.tar ln -s /opt/nodejs/node-v14.17.4-linux-x64/bin/node /usr/bin/node ln -s /opt/nodejs/node-v14.17.4-li…...
2024/5/1 21:46:18 - PMP--项目整合管理知识点总结
引言:时间过得很快,转眼PMP考试患有倒计时10天,时间很紧张,想起来,我的时间管理还需要优化。项目整合管理知识大类:项目整合管理是PMP中最重要的一节,因为它包括识别、定义、组合、统一和协调各项目管理过程组的各种过程和活动,对受控项目从执行到完成、成功管理干系人…...
2024/5/1 22:11:04 - Java实现希尔排序
7.8 希尔排序 7.8.1简单插入排序存在的问题 我们看简单的插入排序可能存在的问题. 数组 arr {2,3,4,5,6,1} 这时需要插入的数 1(最小), 这样的过程是: {2,3,4,5,6,6} {2,3,4,5,5,6} {2,3,4,4,5,6} {2,3,3,4,5,6} {2,2,3,4,5,6} {1,2,3,4,5,6} 结论: 当需要插入的数…...
2024/4/21 18:16:06 - ERROR 2384 — [ main] o.s.boot.SpringApplication : Application run failed
springboot数据库建表运行后报错: ERROR 2384 — [ main] o.s.boot.SpringApplication : Application run failed org.springframework.beans.factory.BeanCreationException: Error creating bean with name ‘entityManagerFactory’ defined in class path res…...
2024/4/21 18:16:05 - C-使用Unrar SDK列出文件示例
这里,我们来看1个Unrar官方提供的SDK实现rar文件列举的实例。 以下内容主要运行在Windows环境下,对于Linux需要进行适当的修改。 首先需要使用到RAROpenArchiveEx函数,其原型为: HANDLE PASCAL RAROpenArchiveEx(struct RAROpenArchiveDataEx *ArchiveData)其参数为1个结构体R…...
2024/5/1 23:23:03 - echarts蚊香图
// 事件处理函数 export default {props: {// 需要传递的数据data: {type: Array,default() {return [{name: 本科及以上,value: 13211},{name: 高中,value: 42111},{name: 初中及以下,value: 81711}];}}},data() {return {// echarts对象myEchart: null,// echart的optionsopt…...
2024/5/1 22:18:43 - mybatis动态sql对Map<String,List<String>>的遍历-原创
工作中需要查表,传来的参数是一个Map<String,List<String>>的参数,第一次对这样比较复杂的参数直接在mapping中进行条件遍历,查了一些帖子最终成功了,记录一下: <if test"example.industryAndSty…...
2024/4/24 2:47:01 - 《数据结构与算法分析java语言描述》学习笔记一
第一章 引论 一、概述本书讨论内容一般情况下,写出一个可以正常工作的程序远远不够;在大量数据输入的情况下,程序能否在合理的时间内运行停止并输出正确的答案是一个重要的问题;所以本书首先会讲述对于大量的输入如何估计程序的运行时间和确定程序瓶颈的方法,并讲述如何彻…...
2024/4/21 18:16:01 - 65.解决循环数组后push到新数组的都是同一组数据问题
前言:有一个新功能,就是需要做到表格里每选择一条数据,在上方就添加该条数据对应的柱形-折线图,但是我在做这个功能时,遍历数据后,最后总是添加一条后就变成两个一样的了,后来经过一系列百度修改…...
2024/5/1 23:19:50 - [Anne]第四篇:选择一段时间内的数据
之前实现的报表中,数据会在页面加载的时候将整张表的数据加载进来,然后进行展示。但实际情况中,一张表的数据可能很多,而用户通常并不会关心很久以前的数据,在一开始加载所有的数据显然是一个性价比很低的行为。因此&a…...
2024/5/2 0:28:05 - call()、apply()、bind() 区别及用法
call()、apply()、bind()都是Function的prototype中的方法,只有函数才能调用,相应的方法参数如下: function.call(thisArg, arg1, arg2, ...) function.apply(thisArg, [argsArray]) function.bind(thisArg[, arg1[, arg2[, ...]]]) 主要区…...
2024/4/20 13:33:36
最新文章
- react中 使用私有样式 类似vue scoped
新建index.module.scss .lodd { /* 如果不加 :global ,所有类名就必须添加 styles.title 才可以 */.sb{color: red;}/*此处,使用 global 包裹其他子节点的类名。此时,这些类名就不会被处理,在 JSX 中使用时,就可以用字…...
2024/5/2 1:19:00 - 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 - 【蓝桥杯嵌入式】13届程序题刷题记录及反思
一、题目分析 考察内容: led按键(短按)PWM输出(PA1)串口接收lcd显示 根据PWM输出占空比调节,高频与低频切换 串口接收(指令解析)【中断接收】 2个显示界面 led灯闪烁定时器 二…...
2024/5/1 13:46:04 - 【计算机网络】基础知识复习-第一章-计算机网络基础
第一章 计算机网络基础 以传输信息为主要目的,利用通信线路将各计算机系统的计算机连接起来的计算机群称为计算机通信网络。 凡是将地理位置不同,并具有独立功能的多个计算机系统通过通信设备和线路连接起来,以适用的软件(即…...
2024/4/30 17:32:57 - 【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…...
2024/5/1 17:30:59 - 【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…...
2024/4/30 18:14:14 - 【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…...
2024/4/29 2:29:43 - 【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…...
2024/4/30 18:21:48 - 【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…...
2024/4/27 17:58:04 - 【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…...
2024/4/27 14:22:49 - 【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…...
2024/4/28 1:28:33 - 【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…...
2024/4/30 9:43:09 - 【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…...
2024/4/27 17:59:30 - 【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…...
2024/4/25 18:39:16 - 【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、…...
2024/4/28 1:34:08 - 【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…...
2024/4/26 19:03:37 - 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…...
2024/4/29 20:46:55 - 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…...
2024/4/30 22:21:04 - 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…...
2024/5/1 4:32:01 - 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…...
2024/4/27 23:24:42 - 「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…...
2024/4/28 5:48:52 - 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…...
2024/4/30 9:42:22 - 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」。 …...
2024/4/30 9:43:22 - 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…...
2024/4/30 9:42:49 - 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