OSX: PlistBuddy不好使了

因为在Mavricks中有更多的plist文件被cfprefsd服务管理,所以使用直接的Plist文件变更会变得不起作用,而原来特别好用的PlistBuddy程序就是一个对Plist文件进行读写的工具,所以单单使用它来操作Plist想控制系统的做法,可以说过时了。而不太好用的defaults命令成为了似乎唯一的官方还支持的命令了。

不过还好,至少可以有多种的方式迂回。

  • 第一:变更Plist后,立刻杀掉cfprefsd,这个和以前杀掉Dock/Finder是同样的思路。其中一篇blog, 介绍相关cfprefsd的内容比较详细。
  • 第二:cocoa API, 借鉴Object-C编程的官方文档:如:https://developer.apple.com/library/mac/documentation/CoreFoundation/Conceptual/CFPropertyLists/CFPropertyLists.html 和 https://developer.apple.com/library/mac/documentation/networking/Conceptual/SystemConfigFrameworks/SystemConfigFrameworks.pdf其中最直接的函数,可能要数:CFPreferencesAppSynchronize
  • 第三:可能最简单,是别人发现的,修改完后用Defautls读取一下,哈哈,也可以!可以说目前为止是最简单直接有效的方法了。
  • 第四:更酷的方式是使用Python,Neagle演示了一下如何操作:
  • Python
    import CoreFoundation 
    >>> print CoreFoundation.CFPreferencesCopyAppValue("HomePage", "com.apple.Safari") 
    http://www.apple.com 
    >>> CoreFoundation.CFPreferencesSetAppValue("HomePage", "http://www.google.com",  "com.apple.Safari") 
    
    >>>print CoreFoundation.CFPreferencesCopyAppValue("HomePage", "com.apple.Safari") 
    http://www.google.com 
    
    
  • #!/usr/bin/python
    # Another example
    import CoreFoundation 
    
    ManagedPlugInPolicies = { 
        "com.macromedia.Flash Player.plugin": { 
            "PlugInDisallowPromptBeforeUseDialog": True, 
            "PlugInFirstVisitPolicy": "PlugInPolicyAllowWithSecurityRestrictions", 
        }, 
    } 
    
    CoreFoundation.CFPreferencesSetAppValue("ManagedPlugInPolicies", ManagedPlugInPolicies,  "com.apple.Safari") 



深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值