以后要写手写笔记了

最新推荐文章于 2024-09-01 23:06:50 发布

Enyet

最新推荐文章于 2024-09-01 23:06:50 发布

阅读量272

点赞数 3

文章标签：笔记

本文链接：https://blog.csdn.net/Enyet/article/details/136863642

版权

本文探讨了赛博笔记的便利性与传统手写笔记的亲切感，指出虽然赛博笔记便于保存和查阅，但部分人认为手写更能带来归属感和满足感。

摘要由CSDN通过智能技术生成

赛博笔记确实方便，保存，修改翻阅，但是还是手写比较舒坦，赛博笔记总感觉不是自己的，还是写下来更舒心

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Enyet

关注关注

3
点赞
踩
10

收藏

觉得还不错? 一键收藏
0
评论
以后要写手写笔记了

赛博笔记确实方便，保存，修改翻阅，但是还是手写比较舒坦，赛博笔记总感觉不是自己的，还是写下来更舒心。
复制链接

扫一扫

人工智能_大模型039_AutoGPT智能体工具编写002_智能体使用Tools编写_大模型分析Excel文件_执行模型生成的文件分析python代码_Tools集实现---人工智能工作笔记0174

添柴程序猿的专栏

04-19

262

这行代码是Python中的一个常用结构，用于判断当前的脚本是被作为主程序运行还是被作为模块导入到另一个脚本中。Action.py文件,用来存动作功能,然后创建一个Tools文件夹,里面放上各种的,供大模型使用的工具。__init__.py文件用来初始化,然后因为我们需要让大模型根据,我们指定的目录中的文件去分析,可以根据提示进行安装,但是注意,如果网络不通的话,可能会装不上的,这个时候,需要,先弄网络。可以看到我们在Agent目录中添加一个__init__.py初始化的文件,然后,创建一个。

Rework(重来：更为简单有效的商业思维) --读书笔记

BrotherWind的专栏

05-30

1442

It's time to rework work 1、Ignore the real world ：很多人的世界里充满着失望与悲观，他们期望着新的观念与思想的失败。不要去试图说服他们，那是他们的世界，不是你的。 2、Learning from mistakes is overrated（从错误里面学到东西被高估了） 3、长期的商业计划是种幻想。有太多的事实证明那是超出你的掌控的：市场

参与评论您还未登录，请先登录后发表或查看评论

印象笔记，为知笔记和 Effie 哪个更适合网文写手呢？

EffieNotes的博客

07-28

186

一直没想过有一天自己会成为一个网文写手，还记得学生时代的时候刚刚接触网文便强烈地喜欢上了这一类的文字表达，成为了一个网文迷，那个时候觉得网文写手大大都是好厉害的人物啊，那些精彩的故事是怎么想出来的，这份热爱一直持续到学生时代结束开始步入社会。也许是因为工作不像在学校那么轻松，有了一些经历和情感体验，才开始萌发自己写故事的想法。真正写起来的时候才发现原来写网页真的不容易，别的不说就在电脑前输入文字的时间，为了保持更新速度，现在的网文网站一般日更要求是 2000 字以上，以我个人的速度来说要一个多小时，更何况

读书笔记-别说你懂写网文

热门推荐

weixin_34397291的博客

08-17

1万+

作者：千幻冰云第一节移动互联网时代的网络文学和商业化写作1. 读者读者分两类，一类是付费读者，一类是非付费读者。2. 收入决定网络写手收入的指标主要有两个：一是买断千字稿酬，一是读者订阅分成稿酬。作者的名气考核标准其实不是很精准，不过百度指数可以推断出大部分读者对该作者的认可程度，只有读者认可或者需要了解这个作者，才会去搜索他的笔名。不管做什么事情，都要拥有一颗披荆斩棘、不畏前路的恒心，才有希望...

基于tensorflow库RNN写手写体数字识别

pcy1127918的博客

06-22

731

基于tensorflow，数据来源是mnist,包括了60000的样本，10000的测试样本。之前在学习tensorflow的课程，所以做下笔记。RNN循环神经网络，可以用在语音识别和文字等方面，但是语音和文字不像图片那样，可以单独地把像素点提取出来。上图就是RNN的简易示图，除去中间的反馈回路，和大多数神经网络类似。我认为反馈回路，就是上一时刻的输出作为下一时刻的输入。举个例子，将文本进行切词，...

python+OpenCV笔记（三十八）：识别手写数字——基于人工神经网络ANN

ReadyGo!!!的博客

02-11

7387

python+OpenCV笔记（三十八）：识别手写数字——基于人工神经网络ANN

《软技能》读书笔记——职业篇

wangShanCode的博客

11-08

732

本篇介绍这一篇是围绕“职业”这个中心进行叙述的。在结束大学生涯进入社会后，一般我们能做出的选择有三个：员工，自由职业者和创业者，这三个角色分别有不同的“职业技能”。在“员工”这个角色中，首先要进行准确的自我定位，选择一个自己擅长或有兴趣的细化专业领域，然后告诉我们在选择公司时，大/中/小型公司的优劣，找到适合自己的公司，在进入公司前如何拥有一份优秀的简历及在面试时破解面试之道的方法，最后入职后告...

php发送请求写请求头,PHP发送请求头和接收打印请求头

weixin_42523792的博客

03-10

1128

一、发送请求头//发送地址$url = 'http://127.0.0.1/2.php';//请求头内容$headers = array('Authorization: '.$basic,'suibianzhi: '.$basic,);//使用curl发送$ch = curl_init($url);curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);cur...

用计算机写作与用笔写作,电脑写作vs手写作文，技术真能提高写作成绩吗？

weixin_32679187的博客

06-17

1079

原标题：电脑写作vs手写作文，技术真能提高写作成绩吗？一项美国教育部的研究表明，使用电脑写作比手写更能提升学生的写作成绩。其中一个论据就是，在熟练打字的前提下，电脑写作比手写更能够防止写作思路很快溜走。另外一方面，训练用电脑写作也有利于大脑系统的发育。不过残酷的是，这项研究结果也同时意味着穷人家的孩子将面临更大的不公。文/ Jill Barshay 译/盛慧天编辑/吴妍娇小学生能在电脑上展现...

12306项目学习笔记（框架篇Base）

qq_74851649的博客

08-30

623

首先学习的是基础框架提供了一种静态方式来访问Spring容器中的Bean，适用于某些特定场景，如工具类和框架集成。在12306项目中由于我们引入了RocketMQ消息队列，这些库的对象通常不是Spring管理的，无法直接使用@Autowired注入，所以需要类提供一种静态方式来访问Spring容器中的Bean。比如在我们的TicketServiceImpl中的bean对象就是用以下方法获取的。

软件测试学习笔记丨Pytest配置文件

ceshiren_com的博客

08-27

4266

pytest.ini是pytest的配置文件；可以修改pytest的默认行为；不能使用任何中文符号，包括汉字、空格、引号、冒号等。

【学习笔记】卫星通信NTN 3GPP标准化进展分析（六）- 参考标准

最新发布

u011376987的博客

09-01

465

本文总结了NTN标准化进程以及后续的研究计划，是学习NTN协议的入门。本文来自3GPP Joern Krause, 3GPP MCC。

Java基础（6）- Java代码笔记3

weixin_47062560的博客

08-30

946

数据类型[][] 数组名 = new 数据类型[m][n]数据类型数组名[][] = new 数据类型[m][n]数据类型[] 数组名[] = new 数据类型[m][n]m：代表二维数组长度n：代表二维数组中每个一维数组的长度。

【项目】云备份系统笔记

m0_73713491的博客

08-27

1035

就包含一个类，config，是读取配置文件的类，因为配置文件只有一份，所以可以采用单例模式，把config类的构造函数私有化，只能通过一个公共成员函数getinstance（）来创建对象（new config（）），在类的内部可以调用私有化构造函数，构造函数里面再调用读取配置文件的函数，用自己实现的工具类读取配置文件，将读到的内容放到一个字符串中，然后再将字符串用Json进行序列化，然后给类中的成员变量进行赋值，类中的成员变量就包含了cloud.conf里面包含的信息，一一对应。

谷粒商城实战笔记-282~283-商城业务-订单服务-提交订单的问题

epitomizelu的专栏

08-29

1077

Services Panel 是 IntelliJ IDEA 提供的一个功能模块，旨在帮助开发者更好地管理和监控应用程序中的服务组件。它位于 IDE 的右侧面板中，可以方便地访问一系列与项目相关的服务和工具。

数据结构（邓俊辉）学习笔记】串 06——KMP算法：构造next[]表

weixin_44399845的博客

08-27

796

KMP算法：构造next[]表

C#/基础笔记

杨DaB的博客

09-01

575

借助字符转义序列，你通过使用特殊转义序列或逐字字符串在文本字符串中添加特殊字符。你在文本字符串中添加了来自日语汉字和俄语西里尔字母等其他语言集的 Unicode 字符。你结合使用了简单的字符串串联和 + 符号，并升级到字符串内插，以便将值合并到字符串模板中。你的目标是编写代码，以设置具有特殊字符的字符串的格式，例如双引号、新行、制表符和其他空格，以及 unicode 字符。你还使用两种不同的技术合并了字符串。如果没法设置输出的格式，则你会在可向用户呈现哪些类型的信息方面严重受限。

GB28181 SDP协议学习笔记

yjkhtddx的专栏

08-27

1073

其中第一位为历史或者实时媒体流的标识位，0为实时，1为历史；第2位到第6位取20位SIP监控域ID之中的4-8位作为域标识；第7-10位作为域内媒体流标识，是一个与当前域内产生的媒体流SSRC值后4位不重复的四位十进制整数。"v="字段表示会话描述协议的版本。本文定义的版本为0，没有次版本号。当回放或者下载时，t行值为开始时间，结束时间，采样" "分隔。"Playback"代表历史回放。"Download"代表文件下载。"Talk"代表语音对讲。"Play"代表实时点播。

用pytorch写手写数字识别的代码

04-07

好的，以下是一个简单的用PyTorch实现手写数字识别的代码： ``` import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms # 定义数据预处理 transform = transforms.Compose( [transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))]) # 加载MNIST数据集 trainset = datasets.MNIST(root='./data', train=True, download=True, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True, num_workers=2) # 定义神经网络模型 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 32, 3, 1) self.conv2 = nn.Conv2d(32, 64, 3, 1) self.dropout1 = nn.Dropout2d(0.25) self.dropout2 = nn.Dropout2d(0.5) self.fc1 = nn.Linear(9216, 128) self.fc2 = nn.Linear(128, 10) def forward(self, x): x = self.conv1(x) x = nn.functional.relu(x) x = self.conv2(x) x = nn.functional.relu(x) x = nn.functional.max_pool2d(x, 2) x = self.dropout1(x) x = torch.flatten(x, 1) x = self.fc1(x) x = nn.functional.relu(x) x = self.dropout2(x) x = self.fc2(x) output = nn.functional.log_softmax(x, dim=1) return output net = Net() # 定义损失函数和优化器 criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9) # 训练模型 for epoch in range(10): running_loss = 0.0 for i, data in enumerate(trainloader, 0): inputs, labels = data optimizer.zero_grad() outputs = net(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() if i % 100 == 99: print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 100)) running_loss = 0.0 print('Finished Training') ``` 希望对你有帮助！