从零开始掌握Python机器学习
Author:kevinelstri
DateTime:2017/3/14
From:机器之心
Python 可以说是现在最流行的机器学习语言,而且你也能在网上找到大量的资源。你现在也在考虑从 Python 入门机器学习吗?本教程或许能帮你成功上手,从 0 到 1 掌握 Python 机器学习,至于后面再从 1 到 100 变成机器学习专家,就要看你自己的努力了。本教程原文分为两个部分,机器之心在本文中将其进行了整合,原文可参阅:http://suo.im/KUWgl 和 http://suo.im/96wD3。本教程的作者为 KDnuggets 副主编兼数据科学家 Matthew Mayo。
「开始」往往是最难的,尤其是当选择太多的时候,一个人往往很难下定决定做出选择。本教程的目的是帮助几乎没有 Python 机器学习背景的新手成长为知识渊博的实践者,而且这个过程中仅需要使用免费的材料和资源即可。这个大纲的主要目标是带你了解那些数量繁多的可用资源。毫无疑问,资源确实有很多,但哪些才是最好的呢?哪些是互补的呢?以怎样的顺序学习这些资源才是最合适的呢?
首先,我假设你并不是以下方面的专家:
- 机器学习
- Python
- 任何 Python 的机器学习、科学计算或数据分析库
当然,如果你对前两个主题有一定程度的基本了解就更好了,但那并不是必要的,在早期阶段多花一点点时间了解一下就行了。
基础篇
第一步:基本 Python 技能
如果我们打算利用 Python 来执行机器学习,那么对 Python 有一些基本的了解就是至关重要的。幸运的是,因为 Python 是一种得到了广泛使用的通用编程语言,加上其在科学计算和机器学习领域的应用,所以找到一个初学者教程并不十分困难。你在 Python 和编程上的经验水平对于起步而言是至关重要的。
首先,你需要安装 Python。因为我们后面会用到科学计算和机器学习软件包,所以我建议你安装 Anaconda。这是一个可用于 Linux、OS X 和 Windows 上的工业级的 Python 实现,完整包含了机器学习所需的软件包,包括 numpy、scikit-learn 和 matplotlib。其也包含了 iPython Notebook,这是一个用在我们许多教程中的交互式环境。我推荐安装 Python 2.7。
如果你不懂编程,我建议你从下面的免费在线书籍开始学习,然后再进入后续的材料:
- Learn Python the Hard Way,作者 Zed A. Shaw:https://learnpythonthehardway.org/book/
如果你有编程经验,但不懂 Python 或还很初级,我建议你学习下面两个课程:
- 谷歌开发者 Python 课程(强烈推荐视觉学习者学习):http://suo.im/toMzq
- Python 科学计算入门(来自 UCSB Engineering 的 M. Scott Shell)(一个不错的入门,大约有 60 页):http://suo.im/2cXycM
如果你要 30 分钟上手 Python 的快速课程,看下面:
- 在 Y 分钟内学会 X(X=Python):http://suo.im/zm6qX
当然,如果你已经是一位经验丰富的 Python 程序员了,这一步就可以跳过了。即便如此,我也建议你常使用 Python 文档:https://www.python.org/doc/
第二步:机器学习基础技巧
KDnuggets 的 Zachary Lipton 已经指出:现在,人们评价一个「数据科学家」已经有很多不同标准了。这实际上是机器学习领域领域的一个写照,因为数据科学家大部分时间干的事情都牵涉到不同程度地使用机器学习算法。为了有效地创造和获得来自支持向量机的洞见,非常熟悉核方法(kernel methods)是否必要呢?当然不是。就像几乎生活中的所有事情一样,掌握理论的深度是与实践应用相关的。对机器学习算法的深度了解超过了本文探讨的范围,它通常需要你将非常大量的时间投入到更加学术的课程中去,或者至少是你自己要进行高强度的自学训练。
好消息是,对实践来说,你并不需要获得机器学习博士般的理论理解——就想要成为一个高效的程序员并不必要进行计算机科学理论的学习。
人们对吴恩达在 Coursera 上的机器学习课程内容往往好评如潮;然而,我的建议是浏览前一个学生在线记录的课堂笔记。跳过特定于 Octave(一个类似于 Matlab 的与你 Python 学习无关的语言)的笔记。一定要明白这些都不是官方笔记,但是可以从它们中把握到吴恩达课程材料中相关的内容。当然如果你有时间和兴趣,你现在就可以去 Coursera 上学习吴恩达的机器学习课程:http://suo.im/2o1uD
- 吴恩达课程的非官方笔记:http://www.holehouse.org/mlclass/
除了上面提到的吴恩达课程,如果你还需要需要其它的,网上还有很多各类课程供你选择。比如我就很喜欢 Tom Mitchell,这里是他最近演讲的视频(一起的还有 Maria-Florina Balcan),非常平易近人。
- Tom Mitchell 的机器学习课程:http://suo.im/497arw
目前你不需要所有的笔记和视频。一个有效地方法是当你觉得合适时,直接去看下面特定的练习题,参考上述备注和视频恰当的部分,
第三步:科学计算 Python 软件包概述
好了,我们已经掌握了 Python 编程并对机器学习有了一定的了解。而在 Python 之外,还有一些常用于执行实际机器学习的开源软件库。广义上讲,有很多所谓的科学 Python 库(scientific Python libraries)可用于执行基本的机器学习任务(这方面的判断肯定有些主观性):
- numpy——主要对其 N 维数组对象有用 http://www.numpy.org/
- pandas——Python 数据分析库,包括数据框架(dataframes)等结构 http://pandas.pydata.org/
- matplotlib——一个 2D 绘图库,可产生出版物质量的图表 http://matplotlib.org/
- scikit-learn——用于数据分析和数据挖掘人物的机器学习算法 http://scikit-learn.org/stable/
学习这些库的一个好方法是学习下面的材料:
Scipy Lecture Notes,来自 Gaël Varoquaux、Emmanuelle Gouillart 和 Olav Vahtras:http://www.scipy-lectures.org/
这个 pandas 教程也很不错:10 Minutes to Pandas:http://suo.im/4an6gY
在本教程的后面你还会看到一些其它的软件包,比如基于 matplotlib 的数据可视化库 Seaborn。前面提到的软件包只是 Python 机器学习中常用的一些核心库的一部分,但是理解它们应该能让你在后面遇到其它软件包时不至于感到困惑。
下面就开始动手吧!
第四步:使用 Python 学习机器学习
首先检查一下准备情况
- Python:就绪
- 机器学习基本材料:就绪
- Numpy:就绪
- Pandas:就绪
- Matplotlib:就绪
现在是时候使用 Python 机器学习标准库 scikit-learn 来实现机器学习算法了。
下面许多的教程和训练都是使用 iPython (Jupyter) Notebook 完成的,iPython Notebook 是执行 Python 语句的交互式环境。iPython Notebook 可以很方便地在网上找到或下载到你的本地计算机。
- 来自斯坦福的 iPython Notebook 概览:http://cs231n.github.io/ipython-tutorial/
同样也请注意,以下的教程是由一系列在线资源所组成。如果你感觉课程有什么不合适的,可以和作者交流。我们第一个教程就是从 scikit-learn 开始的,我建议你们在继续完成教程前可以按顺序看一看以下的文章。
下面是一篇是对 scikit-learn 简介的文章,scikit-learn 是 Python 最常用的通用机器学习库,其覆盖了 K 近邻算法:
- Jake VanderPlas 写的 scikit-learn 简介:http://suo.im/3bMdEd
下面的会更加深入、扩展的一篇简介,包括了从著名的数据库开始完成一个项目:
- Randal Olson 的机器学习案例笔记:http://suo.im/RcPR6
下一篇关注于在 scikit-learn 上评估不同模型的策略,包括训练集/测试集的分割方法:
- Kevin Markham 的模型评估:http://suo.im/2HIXDD
第五步:Python 上实现机器学习的基本算法
在有了 scikit-learn 的基本知识后,我们可以进一步探索那些更加通用和实用的算法。我们从非常出名的 K 均值聚类(k-means clustering)算法开始,它是一种非常简单和高效的方法,能很好地解决非监督学习问题:
- K-均值聚类:http://suo.im/40R8zf
接下来我们可以回到分类问题,并学习曾经最流行的分类算法:
- 决策树:http://thegrimmscientist.com/tutorial-decision-trees/
在了解分类问题后,我们可以继续看看连续型数值预测:
- 线性回归:http://suo.im/3EV4Qn
我们也可以利用回归的思想应用到分类问题中,即 logistic 回归:
- logistic 回归:http://suo.im/S2beL
第六步:Python 上实现进阶机器学习算法
我们已经熟悉了 scikit-learn,现在我们可以了解一下更高级的算法了。首先就是支持向量机,它是一种依赖于将数据转换映射到高维空间的非线性分类器。
- 支持向量机:http://suo.im/2iZLLa
随后,我们可以通过 Kaggle Titanic 竞赛检查学习作为集成分类器的随机森林:
- Kaggle Titanic 竞赛(使用随机森林):http://suo.im/1o7ofe
降维算法经常用于减少在问题中所使用的变量。主成份分析法就是非监督降维算法的一个特殊形式:
- 降维算法:http://suo.im/2k5y2E
在进入第七步之前,我们可以花一点时间考虑在相对较短的时间内取得的一些进展。
首先使用 Python 及其机器学习库,我们不仅已经了解了一些最常见和知名的机器学习算法(k 近邻、k 均值聚类、支持向量机等),还研究了强大的集成技术(随机森林)和一些额外的机器学习任务(降维算法和模型验证技术)。除了一些基本的机器学习技巧,我们已经开始寻找一些有用的工具包。
我们会进一步学习新的必要工具。
第七步:Python 深度学习
神经网络包含很多层
深度学习无处不在。深度学习建立在几十年前的神经网络的基础上,但是最近的进步始于几年前,并极大地提高了深度神经网络的认知能力,引起了人们的广泛兴趣。如果你对神经网络还不熟悉,KDnuggets 有很多文章详细介绍了最近深度学习大量的创新、成就和赞许。
最后一步并不打算把所有类型的深度学习评论一遍,而是在 2 个先进的当代 Python 深度学习库中探究几个简单的网络实现。对于有兴趣深挖深度学习的读者,我建议从下面这些免费的在线书籍开始:
- 神经网络与深度学习,作者 Michael Nielsen:http://neuralnetworksanddeeplearning.com/
1.Theano
链接:http://deeplearning.net/software/theano/
Theano 是我们讲到的第一个 Python 深度学习库。看看 Theano 作者怎么说:
Theano 是一个 Python 库,它可以使你有效地定义、优化和评估包含多维数组的数学表达式。
下面关于运用 Theano 学习深度学习的入门教程有点长,但是足够好,描述生动,评价很高:
- Theano 深度学习教程,作者 Colin Raffel:http://suo.im/1mPGHe
2.Caffe
链接:http://caffe.berkeleyvision.org/
另一个我们将测试驱动的库是 Caffe。再一次,让我们从作者开始:
Caffe 是一个深度学习框架,由表达、速度和模块性建构,Bwekeley 视觉与学习中心和社区工作者共同开发了 Caffe。
这个教程是本篇文章中最好的一个。我们已经学习了上面几个有趣的样例,但没有一个可与下面这个样例相竞争,其可通过 Caffe 实现谷歌的 DeepDream。这个相当精彩!掌握教程之后,可以尝试使你的处理器自如运行,就当作是娱乐。
- 通过 Caffe 实现谷歌 DeepDream:http://suo.im/2cUSXS
我并没有保证说这会很快或容易,但是如果你投入了时间并完成了上面的 7 个步骤,你将在理解大量机器学习算法以及通过流行的库(包括一些在目前深度学习研究领域最前沿的库)在 Python 中实现算法方面变得很擅长。
进阶篇
本篇是使用 Python 掌握机器学习的 7 个步骤系列文章的下篇,如果你已经学习了该系列的上篇,那么应该达到了令人满意的学习速度和熟练技能;如果没有的话,你也许应该回顾一下上篇,具体花费多少时间,取决于你当前的理解水平。我保证这样做是值得的。快速回顾之后,本篇文章会更明确地集中于几个机器学习相关的任务集上。由于安全地跳过了一些基础模块——Python 基础、机器学习基础等等——我们可以直接进入到不同的机器学习算法之中。这次我们可以根据功能更好地分类教程。
第1步:机器学习基础回顾&一个新视角
上篇中包括以下几步:
- Python 基础技能
- 机器学习基础技能
- Python 包概述
- 运用 Python 开始机器学习:介绍&模型评估
- 关于 Python 的机器学习主题:k-均值聚类、决策树、线性回归&逻辑回归
- 关于 Python 的高阶机器学习主题:支持向量机、随机森林、PCA 降维
- Python 中的深度学习
如上所述,如果你正准备从头开始,我建议你按顺序读完上篇。我也会列出所有适合新手的入门材料,安装说明包含在上篇文章中。
然而,如果你已经读过,我会从下面最基础的开始:
- 机器学习关键术语解释,作者 Matthew Mayo。地址:http://suo.im/2URQGm
- 维基百科条目:统计学分类。地址:http://suo.im/mquen
- 机器学习:一个完整而详细的概述,作者 Alex Castrounis。地址:http://suo.im/1yjSSq
如果你正在寻找学习机器学习基础的替代或补充性方法,恰好我可以把正在看的 Shai Ben-David 的视频讲座和 Shai Shalev-Shwartz 的教科书推荐给你:
- Shai Ben-David 的机器学习介绍视频讲座,滑铁卢大学。地址:http://suo.im/1TFlK6
- 理解机器学习:从理论到算法,作者 Shai Ben-David & Shai Shalev-Shwartz。地址:http://suo.im/1NL0ix
记住,这些介绍性资料并不需要全部看完才能开始我写的系列文章。视频讲座、教科书及其他资源可在以下情况查阅:当使用机器学习算法实现模型时或者当合适的概念被实际应用在后续步骤之中时。具体情况自己判断。
第2步:更多的分类
我们从新材料开始,首先巩固一下我们的分类技术并引入一些额外的算法。虽然本篇文章的第一部分涵盖决策树、支持向量机、逻辑回归以及合成分类随机森林,我们还是会添加 k-最近邻、朴素贝叶斯分类器和多层感知器。
k-最近邻(kNN)是一个简单分类器和懒惰学习者的示例,其中所有计算都发生在分类时间上(而不是提前在训练步骤期间发生)。kNN 是非参数的,通过比较数据实例和 k 最近实例来决定如何分类。
- 使用 Python 进行 k-最近邻分类。地址:http://suo.im/2zqW0t
朴素贝叶斯是基于贝叶斯定理的分类器。它假定特征之间存在独立性,并且一个类中任何特定特征的存在与任何其它特征在同一类中的存在无关。
- 使用 Scikit-learn 进行文档分类,作者 Zac Stewart。地址:http://suo.im/2uwBm3
多层感知器(MLP)是一个简单的前馈神经网络,由多层节点组成,其中每个层与随后的层完全连接。多层感知器在 Scikit-learn 版本 0.18 中作了介绍。
首先从 Scikit-learn 文档中阅读 MLP 分类器的概述,然后使用教程练习实现。
- 神经网络模型(监督式),Scikit-learn 文档。地址:http://suo.im/3oR76l
- Python 和 Scikit-learn 的神经网络初学者指南 0.18!作者 Jose Portilla。地址:http://suo.im/2tX6rG
第3步:更多聚类
我们现在接着讲聚类,一种无监督学习形式。上篇中,我们讨论了 k-means 算法; 我们在此介绍 DBSCAN 和期望最大化(EM)。
首先,阅读这些介绍性文章; 第一个是 k 均值和 EM 聚类技术的快速比较,是对新聚类形式的一个很好的继续,第二个是对 Scikit-learn 中可用的聚类技术的概述:
- 聚类技术比较:简明技术概述,作者 Matthew Mayo。地址:http://suo.im/4ctIvI
- 在玩具数据集中比较不同的聚类算法,Scikit-learn 文档。地址:http://suo.im/4uvbbM
期望最大化(EM)是概率聚类算法,并因此涉及确定实例属于特定聚类的概率。EM 接近统计模型中参数的最大似然性或最大后验估计(Han、Kamber 和 Pei)。EM 过程从一组参数开始迭代直到相对于 k 聚类的聚类最大化。
首先阅读关于 EM 算法的教程。接下来,看看相关的 Scikit-learn 文档。最后,按照教程使用 Python 自己实现 EM 聚类。
- 期望最大化(EM)算法教程,作者 Elena Sharova。地址:http://suo.im/33ukYd
- 高斯混合模型,Scikit-learn 文档。地址:http://suo.im/20C2tZ。
- 使用 Python 构建高斯混合模型的快速介绍,作者 Tiago Ramalho。地址:http://suo.im/4oxFsj
如果高斯混合模型初看起来令人困惑,那么来自 Scikit-learn 文档的这一相关部分应该可以减轻任何多余的担心:
高斯混合对象实现期望最大化(EM)算法以拟合高斯模型混合。
基于密度且具有噪声的空间聚类应用(DBSCAN)通过将密集数据点分组在一起,并将低密度数据点指定为异常值来进行操作。
首先从 Scikit-learn 的文档中阅读并遵循 DBSCAN 的示例实现,然后按照简明的教程学习:
- DBSCAN 聚类算法演示,Scikit-learn 文档。地址:http://suo.im/1l9tvX
- 基于密度的聚类算法(DBSCAN)和实现。地址:http://suo.im/1LEoXC
第4步:更多的集成方法
上篇只涉及一个单一的集成方法:随机森林(RF)。RF 作为一个顶级的分类器,在过去几年中取得了巨大的成功,但它肯定不是唯一的集成分类器。我们将看看包装、提升和投票。
首先,阅读这些集成学习器的概述,第一个是通用性的;第二个是它们与 Scikit-learn 有关:
- 集成学习器介绍,作者 Matthew Mayo。地址:http://suo.im/cLESw
- Scikit-learn 中的集成方法,Scikit-learn 文档。地址:http://suo.im/yFuY9
然后,在继续使用新的集成方法之前,请通过一个新的教程快速学习随机森林:
- Python 中的随机森林,来自 Yhat。地址:http://suo.im/2eujI
包装、提升和投票都是不同形式的集成分类器,全部涉及建构多个模型; 然而,这些模型由什么算法构建,模型使用的数据,以及结果如何最终组合起来,这些都会随着方案而变化。
- 包装:从同一分类算法构建多个模型,同时使用来自训练集的不同(独立)数据样本——Scikit-learn 实现包装分类器
- 提升:从同一分类算法构建多个模型,一个接一个地链接模型,以提高每个后续模型的学习——Scikit-learn 实现 AdaBoost
- 投票:构建来自不同分类算法的多个模型,并且使用标准来确定模型如何最好地组合——Scikit-learn 实现投票分类器
那么,为什么要组合模型?为了从一个特定角度处理这个问题,这里是偏差-方差权衡的概述,具体涉及到提升,以下是 Scikit-learn 文档:
- 单一评估器 vs 包装:偏差-方差分解,Scikit-learn 文档。地址:http://suo.im/3izlRB
现在你已经阅读了关于集成学习器的一些介绍性材料,并且对几个特定的集成分类器有了基本了解,下面介绍如何从 Machine Learning Mastery 中使用 Scikit-learn 在 Python 中实现集成分类器:
- 使用 Scikit-learn 在 Python 中实现集成机器学习算法,作者 Jason Brownlee。地址:http://suo.im/9WEAr
第5步:梯度提升
下一步我们继续学习集成分类器,探讨一个当代最流行的机器学习算法。梯度提升最近在机器学习中产生了显著的影响,成为了 Kaggle 竞赛中最受欢迎和成功的算法之一。
首先,阅读梯度提升的概述:
- 维基百科条目:梯度提升。地址:http://suo.im/TslWi
接下来,了解为什么梯度提升是 Kaggle 竞赛中「最制胜」的方法:
- 为什么梯度提升完美解决了诸多 Kaggle 难题?Quora,地址:http://suo.im/3rS6ZO
- Kaggle 大师解释什么是梯度提升,作者 Ben Gorman。地址:http://suo.im/3nXlWR
虽然 Scikit-learn 有自己的梯度提升实现,我们将稍作改变,使用 XGBoost 库,我们提到过这是一个更快的实现。
以下链接提供了 XGBoost 库的一些额外信息,以及梯度提升(出于必要):
- 维基百科条目:XGBoost。地址:http://suo.im/2UlJ3V
- Ghub 上的 XGBoost 库。地址:http://suo.im/2JeQI8
- XGBoost 文档。地址:http://suo.im/QRRrm
现在,按照这个教程把所有汇聚起来:
- Python 中 XGBoost 梯度提升树的实现指南,作者 Jesse Steinweg-Woods。地址:http://suo.im/4FTqD5
你还可以按照这些更简洁的示例进行强化:
- XGBoost 在 Kaggle 上的示例(Python)。地址:http://suo.im/4F9A1J
- Iris 数据集和 XGBoost 简单教程,作者 Ieva Zarina。地址:http://suo.im/2Lyb1a
第6步:更多的降维
降维是通过使用过程来获得一组主变量,将用于模型构建的变量从其初始数减少到一个减少数。
有两种主要形式的降维:
- 特征选择——选择相关特征的子集。地址:http://suo.im/4wlkrj
- 特征提取——构建一个信息性和非冗余的衍生值特征集。地址:http://suo.im/3Gf0Yw
下面是一对常用的特征提取方法。
主成分分析(PCA)是一种统计步骤,它使用正交变换将可能相关变量的一组观测值转换为一组称为主成分的线性不相关变量值。主成分的数量小于或等于原始变量的数量。这种变换以这样的方式定义,即第一主成分具有最大可能的方差(即考虑数据中尽可能多的变率)
以上定义来自 PCA 维基百科条目,如果感兴趣可进一步阅读。但是,下面的概述/教程非常彻底:
- 主成分分析:3 个简单的步骤,作者 Sebastian Raschka。地址:http://suo.im/1ahFdW
线性判别分析(LDA)是 Fisher 线性判别的泛化,是统计学、模式识别和机器学习中使用的一种方法,用于发现线性组合特征或分离两个或多个类别的对象或事件的特征。所得到的组合可以用作线性分类器,或者更常见地,用作后续分类之前的降维。
LDA 与方差分析(ANOVA)和回归分析密切相关,它同样尝试将一个因变量表示为其他特征或测量的线性组合。然而,ANOVA 使用分类独立变量和连续因变量,而判别分析具有连续的独立变量和分类依赖变量(即类标签)。
上面的定义也来自维基百科。下面是完整的阅读:
- 线性判别分析——直至比特,作者 Sebastian Raschka。地址:http://suo.im/gyDOb
你对 PCA 和 LDA 对于降维的实际差异是否感到困惑?Sebastian Raschka 做了如下澄清:
线性判别分析(LDA)和主成分分析(PCA)都是通常用于降维的线性转换技术。PCA 可以被描述为「无监督」算法,因为它「忽略」类标签,并且其目标是找到使数据集中的方差最大化的方向(所谓的主成分)。与 PCA 相反,LDA 是「监督的」并且计算表示使多个类之间的间隔最大化的轴的方向(「线性判别式」)。
有关这方面的简要说明,请阅读以下内容:
- LDA 和 PCA 之间的降维有什么区别?作者 Sebastian Raschka。地址:http://suo.im/2IPt0U
第 7 步:更多的深度学习
上篇中提供了一个学习神经网络和深度学习的入口。如果你的学习到目前比较顺利并希望巩固对神经网络的理解,并练习实现几个常见的神经网络模型,那么请继续往下看。
首先,看一些深度学习基础材料:
- 深度学习关键术语及解释,作者 Matthew Mayo
- 理解深度学习的 7 个步骤,作者 Matthew Mayo。地址:http://suo.im/3QmEfV
接下来,在 Google 的机器智能开源软件库 TensorFlow(一个有效的深度学习框架和现今几乎是最好的神经网络工具)尝试一些简明的概述/教程:
- 机器学习敲门砖:任何人都能看懂的 TensorFlow 介绍(第 1、2 部分)
- 入门级解读:小白也能看懂的 TensorFlow 介绍(第 3、4 部分)
最后,直接从 TensorFlow 网站试用这些教程,它实现了一些最流行和常见的神经网络模型:
- 循环神经网络,谷歌 TensorFlow 教程。地址:http://suo.im/2gtkze
- 卷积神经网络,谷歌 TensorFlow 教程。地址:http://suo.im/g8Lbg
此外,目前一篇关于 7 个步骤掌握深度学习的文章正在写作之中,重点介绍使用位于 TensorFlow 顶部的高级 API,以增模型实现的容易性和灵活性。我也将在完成后在这儿添加一个链接。
相关的:
- 进入机器学习行业之前应该阅读的 5 本电子书。地址:http://suo.im/SlZKt
- 理解深度学习的 7 个步骤。地址:http://suo.im/3QmEfV
- 机器学习关键术语及解释。地址:http://suo.im/2URQGm
✄———————————————————————
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
- 个人嵌入式学习总结
个人认为,嵌入式学习主要经过以下几个阶段,1. 嵌入式linux 的移植;主要包括u-boot 源码的修改,kernel 针对特定硬件平台的修改,系统硬体驱动的移植,根文件系统的制作;2. 系统电路设计;包括根据系统功能选择硬件资源,接口电路的设计;PCB 电路图的设计与布线优化。3. …...
2024/4/27 21:59:41 - 代码传奇 | WWDC2017最小程序员6岁开始编程 已设计5款APP
点击上方“程序人生”,选择“置顶公众号”第一时间关注程序猿(媛)身边的故事继 2016 年 9 岁的澳大利亚小女孩安薇塔维贾伊(Anvitha Vijay)成为 2016 苹果全球开发者大会(WWDC)年龄最小的参会者之后,来自澳大利亚墨尔本年仅 10 岁的 Yuma Soerianto 将成为今年苹果全球…...
2024/4/13 0:05:56 - 嵌入式学习之路(转载)
| #1 嵌入式学习步骤(经典的个人看法) 2009-08-26 09:17鉴于好多朋友尤其是新入门的菜鸟们询问我如何学习嵌入式技术、学习嵌入式的步骤是怎么样的等等诸如此类,所以有必要集中回答下大家的问题,这里特地摘录了一份不错的嵌入式技术方面的文章,算是给大家的回答吧,希望对…...
2024/4/15 14:21:55 - python机器学习--百度云
python数据分析与机器学习实战--唐宇迪资源来源于网络,若有侵权,请告知,我会在24小时之内删除~~我整理的资源已汇总,请访问:资源汇总贴,选择自己还需要的资源~这个我在网上找到的机器学习的视频教程,使用的语言是python,里面讲了好多算法,讲算法的视频教程真的不多。这…...
2024/4/13 0:06:16 - Python机器学习基础教程(一):简介
我的机器学习教程「美团」算法工程师带你入门机器学习 已经开始更新了,欢迎大家订阅~任何关于算法、编程、AI行业知识或博客内容的问题,可以随时扫码关注公众号「图灵的猫」,加入”学习小组“,沙雕博主在线答疑~此外,公众号内还有更多AI、算法、编程和大数据知识分享,以…...
2024/4/18 2:29:49 - (4.20)SQL Server数据库启动过程,以及启动不起来的各种问题的分析及解决技巧...
转自:指尖流淌 https://www.cnblogs.com/zhijianliutang/p/4085546.html SQL Server数据库启动过程,以及启动不起来的各种问题的分析及解决技巧 目前SQL Server数据库作为微软一款优秀的RDBMS,其本身启动的时候是很少出问题的,我们在平时用的时候,很少关注起启动过程,或者…...
2024/4/18 11:30:22 - 如何学习嵌入式开发必备技能
嵌入式是当下最流行的开发模式,从今天看,不管是从行业应用,还是智能硬件的爆发,物联网时代的来临,大数据等等嵌入式技术都得到了史无前例的发展。那要如何学习嵌入式开发呢?下面来简单来了解下嵌入式开发的一些必备技能吧。 c/c++即能很好的跟底层硬件打交道,程序执行…...
2024/4/15 4:22:43 - 107_《Delphi5程序设计与控件参考》
《Delphi5程序设计与控件参考》 Delphi 教程 系列书籍 (107) 《Delphi5程序设计与控件参考》 网友(邦)整理 EMail: shuaihj@163.com 下载地址: 下载作者: 王小华 丛书名: 软件开发者丛书 出版社:电子工业出版社 ISBN:7505358022 上架时间:2002-1-28 出版日期:2000…...
2024/4/13 0:06:11 - 别说创业维艰,16岁开发者从辍学歧视死亡威胁, 到开发出爆款应用, 她的人生远非成人想象...
近来,比特币的行情如过山车,心脏不好的人都不敢直视。在追踪比特币走势的过程中,营长意外发现了一个加密货币行情追踪神器——Crypto Price Tracker。Crypto Price Tracker可以同时追踪1,000种加密货币的走势,还能一键对照19个交易所,32种主流法币的汇率。用户还可以设置提…...
2024/4/8 20:52:52 - Delphi 之 第二课 类的定义与使用
使用类之前使用关键字type来声明一个类如typeA = classi,j,k:integer;procedure setA(a,b,c:integer);function gerA():integer;end;这里已经定义了一个类,现在我们来使用类在使用类之前,我们先必须给下面2行procedure setA(a,b,c:integer);function gerA():integer;代码实现…...
2024/4/15 10:30:59 - Python机器学习经典实例
在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、…...
2024/4/13 0:06:47 - 不错的可视化算法示例
不错的可视化算法示例在逛IT论坛时,有发现一些介绍算法的可视化示例站点,觉的真心不错,不光是排序,包括图数,甚至有的关于GIS分析的,所以,也save一下,难免以后会用到,多多学习,多多分享。先介绍一个比较全面的可视化算法站点,这里包括算法的简要思想逻辑,虽然不是纯…...
2024/4/13 15:38:21 - python机器学习入门资料梳理
在python基本语法入门之后,就要准备选一个研究方向了。Web是自己比较感兴趣的方向,可是,导师这边的数 据处理肯定不能由我做主了。paper、peper、paper……真的挺愁人的还有几个月就要进行春季实习招聘了,加油!总结一下python机器学习方面的资料吧。1、数据处理1.1综合 Sc…...
2024/4/8 20:52:49 - zw版【转发·台湾nvp系列Delphi例程】HALCON SetLineStyle2
zw版【转发台湾nvp系列Delphi例程】HALCON SetLineStyle2procedure TForm1.Button1Click(Sender: TObject);var img : HImageX; rg : HRegionX; w, h : OleVariant; val : OleVariant;begin img := CoHImageX.Create; img.ReadImage(rings_and_nuts); w := img.GetImage…...
2024/4/15 17:51:54 - SQL Server数据库启动过程,以及启动不起来的各种问题的分析及解决技巧
目前SQL Server数据库作为微软一款优秀的RDBMS,其本身启动的时候是很少出问题的,我们在平时用的时候,很少关注起启动过程,或者很少了解其底层运行过 程,大部分的过程只关注其内部的表、存储过程、视图、函数等一系列应用方式,而当有一天它运行的正常的时候突然启动不起来…...
2024/4/18 6:01:06 - Python机器学习基础教程
本书是机器学习入门书,以Python语言介绍。主要内容包括:机器学习的基本概念及其应用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面;模型评估和调参的高级方法,重点讲解交叉验证和网格搜索;…...
2024/4/19 17:00:05 - cortex_m3_stm32嵌入式学习笔记(一):建立工程模板+跑马灯实验(IO输出)
搞了一晚上+一上午 终于算是入门了 刚刚把LED点亮。。真是费劲啊吐槽MDK对库函数的封装性。。太扯了 。。所有的固件库函数都要自己手动添加到工程里面去。。还好建好一个模板之后就不用动了(以后直接复制就行了) 首先对于工程模板里的东西,我们要搞明白哪些是需要我们自己去…...
2024/4/14 2:03:35 - 你所不知道的SQL Server数据库启动过程,以及启动不起来的各种问题的分析及解决技巧...
目前SQL Server数据库作为微软一款优秀的RDBMS,其本身启动的时候是很少出问题的,我们在平时用的时候,很少关注起启动过程,或者很少了解其底层运行过程,大部分的过程只关注其内部的表、存储过程、视图、函数等一系列应用方式,而当有一天它运行的正常的时候突然启动不起来了…...
2024/4/19 14:09:48 - 如何学习嵌入式开发
导言很荣幸你能阅读本博文,我猜测阅读本博文的对象主要有两类,一种是在校大学生,另外一种是其他行业的从业人员,想转行嵌入式开发(不懂猜测的对不对,猜测的不对请不要打脸),我在学习嵌入式开发的时候,也搜索过如何学习嵌入式,希望能够有人给我提供一些指导,因此我深…...
2024/4/20 15:52:42 - Python机器学习环境搭建 for mac
这几天一直在写有关机器学习的算法,以kaggle上面的比赛为主,都是入门赛,一般在github上都能找到做过的人,还是挺有指导意义的。随手记录一下最快的Python机器学习环境搭建流程,让初学者少浪费一些时间。 1.如果你想省事一劳永逸,推荐你这种办法,安装Anaconda,这个包集成…...
2024/4/20 2:37:00
最新文章
- BPE、Wordpiece、Unigram、SpanBERT等Tokenizer细节总结
BPE(Byte Pair Encoding) GPT-2和Roberta用的是这种,不会产生[UNK]这个unknown字符 这部分部分摘录自https://martinlwx.github.io/zh-cn/the-bpe-tokenizer/ 看以下code例子就足够理解了,核心是维护self.merges(维护一个pair->str的字…...
2024/4/28 7:59:39 - 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 - C++ 【原型模式】
简单介绍 原型模式是一种创建型设计模式 | 它使你能够复制已有对象,客户端不需要知道要复制的对象是哪个类的实例,只需通过原型工厂获取该对象的副本。 以后需要更改具体的类或添加新的原型类,客户端代码无需改变,只需修改原型工…...
2024/4/24 19:02:05 - Go语言中如何实现继承
完整课程请点击以下链接 Go 语言项目开发实战_Go_实战_项目开发_孔令飞_Commit 规范_最佳实践_企业应用代码-极客时间 Go语言中没有传统意义上的类和继承的概念,但可以通过嵌入类型(embedded types)来实现类似的功能。嵌入类型允许一个结构…...
2024/4/23 6:14:42 - 【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…...
2024/4/26 18:09:39 - 【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…...
2024/4/28 3:28:32 - 【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…...
2024/4/26 23:05:52 - 【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…...
2024/4/27 4:00:35 - 【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…...
2024/4/27 9:01:45 - 【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…...
2024/4/28 1:22:35 - 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…...
2024/4/25 18:39:14 - 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…...
2024/4/26 23:04:58 - 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…...
2024/4/26 19:46:12 - 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」。 …...
2024/4/27 11:43:08 - 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…...
2024/4/27 8:32:30 - 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