PyTorch学习笔记
import torchv = torch.__version__
cu = torch.cuda.is_available()k = torch.tensor([1.2, 3.4]).dtypex = torch.tensor((1, 2, 3), dtype=torch.float32, requires_grad=True)
y = x.pow(2)
z = y.sum()
z.backward() # 参数必须是个标量
print(x.grad)print(x, y, z)
# %%
import torchb = torch.Tensor(2, 3)
a = torch.rand_like(b)print(a)
print(b)
# %%
# 利用Numpy数组生成张量
import torch
import numpy as npk = np.ones((3, 3))
s = torch.as_tensor(k) # 使用torch.as_tensor()函数
t = torch.from_numpy(k)print(k)
print(s)
print(t)
# %%
import torch# 指定生成随机数的种子,用于保证生成的随机数是可重复出现的
torch.manual_seed(11)
# torch.normal()用来生成服从正态分布的随机数;mean:均值 std:标准差
A = torch.normal(mean=0.0, std=torch.tensor(1.0)) # 生成服从正态(0,1)分布的随机数
B = torch.normal(mean=0.0, std=torch.arange(1.0, 5.0)) # 生成多个随机数,每个随机数的均值为0,标准差分别为1、2、3、4
C = torch.normal(mean=torch.arange(1, 5.0), std=torch.arange(1.0, 5.0)) # 生成多个随机数,每个随机数的均值分别为1、2、3、4,标准差分别为1、2、3、4print(A)
print(B)
print(C)
# %%
import torchtorch.manual_seed(11)
# torch.rand():在区间[0,1]上生成服从均匀分布的张量
A = torch.rand(3, 4)
B = torch.rand_like(A) # 根据其他张量维度,生成与其维度相同的随机数张量
# 生成服从标准正态分布的随机数张量
C = torch.randn(3, 5)
D = torch.randn_like(C)print(A)
print(B)
print(C)
print(D)
# %%
import torchtorch.manual_seed(11)
# 将0~n(包含0不包含n)之间的整数进行随机排序后输出
A = torch.randperm(5)print(A)
# %%
import torchA = torch.arange(start=0, end=10, step=2) # 用来生成张量,和np.arange()用法相似;step是步长
B = torch.linspace(start=1, end=10, steps=5) # steps 是生成的张量元素的个数;在范围内生成固定数量的等间隔张量
C = torch.logspace(start=0, end=1, steps=5) # 生成以对数为间隔的张量print(A)
print(B)
print(C)
# %%
# 改变张量的形状 torch.reshape()
import torchA = torch.arange(12.0) # torch.float32
# A = torch.arange(12) #torch.int64
B = A.reshape(3, 4)print(A.dtype)
print(A)
print(B)
# %%
import torchA = torch.arange(12.0).reshape(3, 4)
B = torch.triu(A, diagonal=0)
C = torch.triu(A, diagonal=1)
D = torch.triu(A, diagonal=2)print(A)
print(B)
print(C)
print(D)
# %%
import torchA = torch.arange(6.0).reshape(2, 3)
B = torch.linspace(0., 10.0, 6).reshape(2, 3)C = torch.cat((A[:, 0:2], A, B), dim=1)print(A)
print(B)
print(C)
# %%
import torchk = torch.tensor([1, 2, float("nan"), 0])
r = torch.isnan(k)print(r)
# %%
import torcha = torch.arange(1, 13, 1).reshape(3, 4) # 3行4列
b = torch.tensor([1, 1, 1, 1]) # 4行1列
# b = torch.tensor([[1, 1, 1, 1], [2, 2, 2, 2]]) # 2行4列c = a.matmul(b) # 矩阵相乘,a的列数要等于b的行数
d = torch.matmul(a, b) # 矩阵相乘,c和d的结果相同print(a, b, c, d)
# %%
import torcha = torch.rand(3, 3)
b = torch.inverse(a) # 计算矩阵的逆c = torch.mm(a, b) # 等价于 torch.matmul()
d = torch.matmul(a, b)e = torch.trace(c) # 计算矩阵的迹:对角线元素的和print(c)
print(d)
print(e)
# %%
import torchx = torch.tensor([[1., 2.], [3., 4.]], requires_grad=True)
y = torch.sum(x ** 2 + 2 * x + 1) # 把矩阵的所有元素求和print(x)
print(y)y.backward() # 计算y在x的每个元素上的导数;只有标量可以求导
print(x.grad) # 获取此时x的梯度信息,计算得到的梯度值等于2x+2
# %%
import torch
import torch.nn as nn
import matplotlib.pyplot as pltx = torch.linspace(-6, 6, 100)
sigmoid = nn.Sigmoid()
ysigmoid = sigmoid(x)tanh = nn.Tanh()
ytanh = tanh(x)relu = nn.ReLU()
yrelu = relu(x)softplus = nn.Softplus()
ysoftplus = softplus(x)plt.figure(figsize=(14, 3))plt.subplot(2, 2, 1)
plt.plot(x.data.numpy(), ysigmoid.data.numpy(), "r-")
plt.title("sigmoid")
plt.grid()plt.subplot(2, 2, 2)
plt.plot(x.data.numpy(), ytanh.data.numpy(), "r-")
plt.title("tanh")
plt.grid()plt.subplot(2, 2, 3)
plt.plot(x.data.numpy(), yrelu.data.numpy(), "r-")
plt.title("relu")
plt.grid()plt.subplot(2, 2, 4)
plt.plot(x.data.numpy(), ysoftplus.data.numpy(), "r-")
plt.title("softplus")
plt.grid()plt.show()
# %%
import torch
import torch.utils.data as Data
import numpy as np
from sklearn.datasets import load_boston, load_irisif __name__ == '__main__':## 回归数据准备:使用pytorch时需要的数据应该为torch的32位浮点型的张量;被预测变量为连续的数值#boston_X, boston_y = load_boston(return_X_y=True) # float64train_xt = torch.from_numpy(boston_X.astype(np.float32)) # 先将Numpy数据转化为32位浮点型train_yt = torch.from_numpy(boston_y.astype(np.float32)) # 再将数组转化为张量# 训练全连接神经网络时,通常使用一个batch的数据进行更新(batch_size即批处理样本大小,一个batch包括batch_size个样本)train_data = Data.TensorDataset(train_xt, train_yt) # 将x和y整理到一起作为训练数据# 定义一个数据加载器,将训练数据集进行批量处理train_loader = Data.DataLoader(dataset=train_data, # 使用的数据集batch_size=64, # 批处理样本大小shuffle=True, # 每次迭代前打乱数据num_workers=1, # 使用两个进程# #####多进程需要在main函数中运行###### 可以放到main函数中 或者改为单进程,值改为0)# 检查训练数据集的一个batch的样本的维度是否正确for step, (b_x, b_y) in enumerate(train_loader):# print(step) # step的值为0,1,2,3,4,5,6,7 因为506个样本,一个batch是64,故有8个batch,最后一个batch58个样本if step > 0:break# 输出训练图像的尺寸和标签的尺寸及数据类型print(b_x.shape)print(b_y.shape)print(b_x.dtype)print(b_y.dtype)## 分类数据准备:被预测变量为离散类型变量# 在使用pytorch定义的网络模型时,默认的预测标签是64位有符号整型数据,X默认的数据格式是torch.float32#iris_x, iris_y = load_iris(return_X_y=True)train_xt_iris = torch.from_numpy(iris_x.astype(np.float32))train_yt_iris = torch.from_numpy(iris_y.astype(np.int64))train_data_iris = Data.TensorDataset(train_xt_iris, train_yt_iris)train_loader_iris = Data.DataLoader(dataset=train_data_iris,batch_size=10,shuffle=True,num_workers=1,)for step, (b_x_iris, b_y_iris) in enumerate(train_loader_iris):if step > 0:breakprint(b_x_iris.shape)print(b_y_iris.shape)print(b_x_iris.dtype)print(b_y_iris.dtype)
# %%
# 定义优化器并使用:这段代码不可运行
import torch
from torch.optim import Adamoptimizer = Adam(netname.parameters(), lr=0.1) # lr默认值为0.001;netname为网络名称# 对目标函数进行优化
for input, target in dataset:optimizer.zero_grad() # 梯度清零output = netname(input) # 计算预测值loss = lossfunctionname(output, target) # 计算损失(预测值与目标值之间)loss.backward() # 损失 后向传播optimizer.step() # 更新网络参数
# %%
# 网络学习率的调整:LambdaLR,StepLR,MultiStepLR,ExponentialLR,CosineAnnealingLR
# 这段代码不可运行
import torch.optim.lr_scheduler as lr_scheduler# 设置学习率调整方法的类,一般是在网络的训练之前;
# 学习率的调整是在网络的训练过程中,并通过scheduler.step()来更新
scheduler = lr_scheduler.LambdaLR(optimizer, lr_lambda=, last_epoch=) # 设置学习率调整方式for epoch in range(100):train() # 训练validate() # 验证scheduler.step() # 更新学习率
# %%
# 损失函数
# 一个最优化问题的目标是将损失函数最小化
# 针对分类问题,直观的表现就是分类正确的样本越多越好
# 在回归问题中,直观的表现就是预测值与实际值误差越小越好
import torchtorch.nn.BCELoss(weight=, reduction=, ) # 二分类交叉熵损失,适用于二分类问题类型
# weight是一维的张量,包含n个元素,分别代表n类的权重,在训练样本不平衡时,非常有用,默认值为为None
# reduction的值为none、mean、sum
# mean即计算的损失为每个batch的均值
# sum则计算的损失为每个batch的和
# none则表示不使用该参数
# %%
# 防止过拟合
# 增加数据量:数据增强技术
# 合理的数据切分:数据集切分为训练集(训练深度学习网络)、验证集(监督网络的学习过程)、测试集(模型训练结束后来测试训练结果的泛化能力)的比例,比如6:2:2,98:1:1(大数据量时)
# 正则化方法:在损失函数上添加对训练参数的惩罚范数,通过添加的范数惩罚对需要训练的参数进行约束,防止模型过拟合
####常用的正则化参数有l1和l2范数
####l1范数惩罚项的目的是将参数的绝对值最小化:趋向于使用更少的参数,而其他的参数都是0,从而增加网络稀疏性
####l2范数惩罚项的目的是将参数的平方和最小化:会选择更多的参数,但是这些参数都会接近于0
####一般利用l2范数进行正则化约束较多
####在经典的线性回归模型中,使用l1范数正则化的模型叫做Lasso回归,使用l2范数正则化的模型叫做Ridge回归
#
# dropout:在深度学习网络中最常用的正则化技术是通过引入dropout层,随机丢掉一些神经元,,即在每个训练批次中,通过忽略一定百分比的神经元数量(通常是一半神经元),减轻网络的过拟合现象
####网络在前向传播时,让某个神经元的激活值以一定的概率p停止工作,可使模型泛化性更强,这样训练得到的网络的鲁棒性会更强,不会过度依赖某些局部的特征
#
# 提前结束训练:当网络在验证集上的损失不再减小,或者精度不再增加时,即认为网络已经训练充分,应终止网络的继续训练,但是该操作可能会获得训练不充分的最终参数
# %%
# 网络参数初始化
import torch
import torch.nn as nn
import matplotlib.pyplot as plt# 针对一个层的权重初始化方法
conv1 = nn.Conv2d(3, 16, 3)
# 使用标准正态分布初始化权重
torch.manual_seed(12) # 随机数初始化种子
# nn.init.constant(tensor,val) # 用val的值填充输入的张量或变量
# nn.init.uniform(tensor,a=0,b=1) # 从均匀分布U(a,b)中生成值,填充输入的张量或变量
# nn.init.normal(tensor,mean=0,std=1)
# ...
nn.init.normal(conv1.weight, mean=0, std=1) # 从给定均值mean和标准差std的正态分布中生成值,填充输入的张量或变量(此处是conv1.weight)
# 使用直方图可视化conv1.weight的分布情况
plt.figure(figsize=(8, 6))
plt.hist(conv1.weight.data.numpy().reshape((-1, 1)), bins=30)
plt.show()
#%%
参考书籍:
《PyTorch深度学习入门与实战》, 孙玉林、余本国 著
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
- Flutter 也能玩 React 的 Redux?
前言 React 开发者都知道Redux 在开发大中型 Web 应用的重要性, Flutter 作为 React 的高仿者,连 setState 都搬过来了,自然也需要把 Redux 也搬过来——好东西要一起分享。 Redux 简介 Redux 是一个单向数据流的状态管理架构,通过它能够简化应用开发、测试和维护。Flutt…...
2024/5/1 8:00:46 - 提问的智慧
提问的智慧 How To Ask Questions The Smart Way Copyright © 2001,2006,2014 Eric S. Raymond, Rick Moen 本指南英文版版权为 Eric S. Raymond, Rick Moen 所有。 原文网址:http://www.catb.org/~esr/faqs/smart-questions.html Copyleft 2001 by D.H.G…...
2024/4/14 5:59:34 - 【C++】输入输出,缺省参数,函数重载
1.C输入&输出 新生婴儿会以自己独特的方式向这个崭新的世界打招呼,C刚出来后,也算是一个新事物那C是否也应该向这个美好的世界来声问候呢?我们来看下C是如何来实现问候的。 #include<iostream> using namespace std; int main() {c…...
2024/4/14 5:59:19 - 【C语言程序】判断字符串是否为回文
题出自---------------------------零基础学C语言 #include<stdio.h> #include<string.h> int judge(); int main() {int i;i judge();if (i 1){printf("该字符串是回文。\n");}else if (i 0){printf("该字符串不是回文。\n");} } int jud…...
2024/5/8 15:25:27 - go基础类型5——if
package mainimport "fmt"func main() {s : "泰罗"if s "泰罗" {fmt.Println("他是泰罗")}//if支持一个初始化语句if a : 10; a 10 {fmt.Println("a 10")} }...
2024/4/14 5:59:44 - Mysql基本使用
Mysql基本使用数据库的基本了解Mseql基本数据类型与相关语句使用JDBC总结数据库的基本了解 数据库基于硬盘对自己所需要的数据进行持久化保存的方式,采用数据库的管理模式不仅提高了数据的存储效率,而且在存储的层面上提高了数据的安全性。 Mseql基本数…...
2024/4/28 13:56:08 - Java---Java基础---计算机基础知识,JDK的安装, Path环境变量的配置, IDEA
第一章 计算机基础知识 1.1计算机简介 计算机俗称电脑,是第二次世界战争时,美国国防部利用它来进行弹道计算。第一台通用计算机叫做:ENIAC。当时计算机是一个庞然大物,用了18000个电子管,占地170平方米࿰…...
2024/4/28 23:05:00 - redis三种架构:主从Cluster哨兵+整合Springboot访问
文章目录概要:redis集群方案主从架构部署主从示例:Redis主从工作原理Sentinel(哨兵)模式哨兵的Jedis连接代码:springboot访问哨兵结点Cluster模式Redis集群节点间的通信机制Redis高可用集群搭建Java操作redis集群概要&…...
2024/4/14 6:07:23 - 转:js 将json字符串转换为json对象的方法解析
例如: JSON字符串: var str1 ‘{ “name”: “cxh”, “sex”: “man” }’; JSON对象: var str2 { “name”: “cxh”, “sex”: “man” }; 一、JSON字符串转换为JSON对象 要使用上面的str1,必须使用下面的方法先转化为JSON对象: //由…...
2024/4/19 0:50:46 - go基础类型2——变量
package mainimport "fmt"func main() {var a intfmt.Printf("请输入变量a: ")//fmt.Scanf("%d", &a)fmt.Scan(&a)//阻塞用户输入fmt.Println("a ", a) }...
2024/4/25 21:18:54 - org.quartz.JobPersistenceException:Couldn‘t retrieve job because a required class was not found
问题描述 springboot 使用定时任务quartz,我修改了包名路径。调整了位置导致报错。结果quartz就不认识了,启动就报错。 我排查后工程不可能有问题,因为相关的名字都改了,那就只可能是数据库的问题了。 原因 因为quartz在job_de…...
2024/5/7 1:17:31 - 码出高效笔记
asdfadsf...
2024/4/16 20:42:46 - 美赛 3:科学计算与MATLAB语言(进阶篇)
目录 四、MATLAB绘图 五、数据分析与多项式计算 六、数值微积分与方程求解 七、MATLAB符号计算 内容来源:中国大学MOOC-《科学计算与MATLAB语言》(中南大学) 四、MATLAB绘图 五、数据分析与多项式计算 六、数值微积分与方程求解 七、MAT…...
2024/4/14 6:00:30 - 进程基本概念
每个进程都有独立的代码和数据空间,进程切换成本较高,一个进程中可以包含1-n个线程,进程是资源分配的最小单位。 进程三大特征 独立性:进程是一个能够独立运行的基本单位,是系统资源分配和调度的独立单位。 动态性&…...
2024/4/16 21:26:28 - 【golang】gin 权限和参数拦截器
说明 当前的代码是为了golang做权限验证和参数记录的代码 代码 使用拦截器 router : gin.New()routerGroup : router.Group("/interceptor")routerGroup.Use(interceptor.HttpInterceptor())拦截器逻辑 package interceptorimport ("bytes""githu…...
2024/4/14 6:00:20 - 前端后台管理系统(html + css + JavaScript)
💖简介: 微信小程序模板,H5模板,响应式布局模板,定制化项目简历模板、学习资料、面试题库【关注我,都给你】💖 工具下载链接😎😎😎: vsCode 前端…...
2024/4/7 16:42:30 - python学习——实现将多行文本写入excel表格,防疫信息录入高效性
疫情原因需要登记很多数据,为了便于录入数据,开发了本工具 可以将指定格式信息的数据转为列表,写入到excel表格中 exe工具下载路径:地址 默认输入多行文本后,输入“#”,回车即可录入数据 该程序为循环录入…...
2024/4/14 6:00:20 - 有些视频不显示IDM的下载按钮
前言 相信很多人都了解过IDM这个下载神器,毕竟这东西配合一些插件使用起来基本上无敌,至少不需要受某盘的鸟气,但是在使用这个软件下载某些视频的时候有时会出现不显示下载按钮的情况,这就不免让人有些许暴躁。 IDM无法下载的例子…...
2024/4/14 6:00:20 - Centos系操作系统配置bond
Centos系操作系统配置bond一、创建或修改/etc/sysconfig/network-scripts目录下文件二、创建/etc/modprobe.d/bonding.conf文件三、重启网络服务四、验证一、创建或修改/etc/sysconfig/network-scripts目录下文件 在目录“/etc/sysconfig/network-scripts/”下创建以下四个文件…...
2024/4/14 6:00:20 - MySQL DDL 操作数据库
操作数据库:CRUD create:创建 retrieve:查询 updata:修改 delete:删除 使用数据库 代码示例 在cmd上面执行 创建数据库 //创建数据库 create database db1;//改进创建数据库的方法 create database if not exists db1;//创建db4数据库&am…...
2024/4/7 16:42:26
最新文章
- npm 常用指令介绍
npm(Node Package Manager)是一个非常流行的包管理工具,用于管理JavaScript项目中的依赖关系。在日常开发中,我们经常会使用npm来安装、更新、删除和发布包。本文将详细介绍npm的常用指令,帮助读者更好地了解和使用npm…...
2024/5/8 16:35:41 - 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 - 前端 js 经典:字符编码详解
前言:计算机只能识别二进制,开发语言中数据类型还有数字,字母,中文,特殊符号等,都需要转化成二进制编码才能让技术机识别。 一. 编码方式 ACSLL、Unicode、utf-8、URL 编码、base64 等。 1. ACSLL 对英语…...
2024/5/4 10:30:35 - 分享一个Python爬虫入门实例(有源码,学习使用)
一、爬虫基础知识 Python爬虫是一种使用Python编程语言实现的自动化获取网页数据的技术。它广泛应用于数据采集、数据分析、网络监测等领域。以下是对Python爬虫的详细介绍: 架构和组成:下载器:负责根据指定的URL下载网页内容,常用的库有Requests和urllib。解析器:用于解…...
2024/5/6 20:11:28 - 【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