wnr计时和时间管理工具怎么使用?wnr使用教程分享

wnr计时和时间管理工具大家用过吗?wnr是一款非常实用的计时和时间管理软件,支持设定时间、定时提醒,让你可以在工作的同时得以休息,知道wnr计时和时间管理工具怎么使用吗?wnr使用教程分享给大家,一起来看看吧~在这里插入图片描述

标题如何使用wnr计时?wnr使用教程分享

打开 wnr 后,你就会看到这样的界面(Windows 下,macOS 下有一定区别)。

先是一段工作时间,然后是一段休息时间。

你可以设定是否需要全屏模式来帮助你专心(勾选既是开启),可以设定循环的次数,还可以设定任务名称,以及添加备注、查看总时间。

在这里插入图片描述

我们已经推出了预设系统来让你可以同时保存多种计划,方便使用,而不用每次都输入。

你甚至可以通过修改设置,实现打开 wnr 后直接开始默认预设的效果。

此外,当系统开启暗黑模式后,wnr 将会自动适配。如果没有,请重启 wnr 程序。

工作时间
在这里插入图片描述

Enter键按

下后,时间就会开始。

如果需要使用电脑,则你可以将 wnr 最小化或隐藏到托盘菜单。

需要的时候,你可以暂停、跳过或是放弃计时。(专心模式只能暂停)

最底部的进度条可以告诉你还剩下多少时间。

还剩下一分钟时,你会收到一个通知提醒。

如果你在执行任务时退出,则任务将会自动在下次打开时恢复。

如果开启锁定模式或全屏专心模式,你将无法退出。

在这里插入图片描述

时间结束后,你会收到提示和提示音提醒。

休息时间

在这里插入图片描述

而另一段时间将会开始。现在,你该去休息了。

此时,如果你设置了全屏专心模式,你将会被强制要求暂停工作(工作时间时也可设置专心模式哦)。

结束

在这里插入图片描述

以上就是小编带来wnr计时和时间管理工具怎么使用?wnr使用教程分享的全部内容,希望对大家有所帮助!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是底数、指数、模数均为32比特的模幂实现算法以及计时程序和存储计时数据程序。 RL算法: ```python import time def mod_pow_RL(a, b, m): res = 1 while b > 0: if b % 2 == 1: res = (res * a) % m a = (a * a) % m b //= 2 return res def time_test_RL(n): data = [] for i in range(n): a = random.randint(0, 2**32-1) b = random.randint(0, 2**32-1) m = random.randint(1, 2**32-1) start_time = time.time() mod_pow_RL(a, b, m) end_time = time.time() data.append(end_time - start_time) with open('RL_data.txt', 'w') as f: for t in data: f.write(str(t) + '\n') ``` 在该代码中,函数 mod_pow_RL 实现了 RL 算法,函数 time_test_RL 用于进行计时测试。函数 time_test_RL 会随机生成 n 组测试数据,并计算每组数据的计算时间,最后将计算时间记录在文件 RL_data.txt 中。 LR算法: ```python import time def mod_pow_LR(a, b, m): res = 1 while b > 0: if b & 1: res = (res * a) % m a = (a * a) % m b >>= 1 return res def time_test_LR(n): data = [] for i in range(n): a = random.randint(0, 2**32-1) b = random.randint(0, 2**32-1) m = random.randint(1, 2**32-1) start_time = time.time() mod_pow_LR(a, b, m) end_time = time.time() data.append(end_time - start_time) with open('LR_data.txt', 'w') as f: for t in data: f.write(str(t) + '\n') ``` 在该代码中,函数 mod_pow_LR 实现了 LR 算法,函数 time_test_LR 用于进行计时测试。函数 time_test_LR 会随机生成 n 组测试数据,并计算每组数据的计算时间,最后将计算时间记录在文件 LR_data.txt 中。 下面是随机产生 n 个不同的底数,并存入测试用例库的代码: ```python import random n = 1000 bases = set() with open('test_data.txt', 'w') as f: for i in range(n): base = random.randint(0, 2**32-1) while base in bases: base = random.randint(0, 2**32-1) bases.add(base) exponent = random.randint(0, 2**32-1) modulus = random.randint(1, 2**32-1) f.write(str(base) + ' ' + str(exponent) + ' ' + str(modulus) + '\n') ``` 在该代码中,变量 n 表示测试数据的组数,变量 bases 用于存储已经出现过的底数,避免重复。程序会随机生成 n 组底数、指数和模数,并将这些数据存入文件 test_data.txt 中。 下面是读取测试输入,实施计时测量,记录计时结果的代码: ```python with open('test_data.txt', 'r') as f: lines = f.readlines() rl_data = [] lr_data = [] for line in lines: base, exponent, modulus = map(int, line.strip().split()) start_time = time.time() mod_pow_RL(base, exponent, modulus) end_time = time.time() rl_data.append(end_time - start_time) start_time = time.time() mod_pow_LR(base, exponent, modulus) end_time = time.time() lr_data.append(end_time - start_time) with open('RL_result.txt', 'w') as f_rl, open('LR_result.txt', 'w') as f_lr: for t in rl_data: f_rl.write(str(t) + '\n') for t in lr_data: f_lr.write(str(t) + '\n') ``` 在该代码中,程序会读取文件 test_data.txt 中的数据,并对每组数据分别进行 RL 算法和 LR 算法的计时测试。计算结果会分别存储在文件 RL_result.txt 和 LR_result.txt 中。 下面是编程分析计时结果,进行检验运算,最后得到攻击单 bit 结果的代码: ```python import numpy as np rl_data = np.loadtxt('RL_result.txt') lr_data = np.loadtxt('LR_result.txt') rl_mean = np.mean(rl_data) lr_mean = np.mean(lr_data) print('RL algorithm mean time:', rl_mean) print('LR algorithm mean time:', lr_mean) diff = rl_data - lr_data diff_mean = np.mean(diff) diff_std = np.std(diff) print('Difference mean:', diff_mean) print('Difference std:', diff_std) if diff_mean < 0: print('RL algorithm is faster.') else: print('LR algorithm is faster.') with open('attack_result.txt', 'w') as f: for i in range(32): base = random.randint(0, 2**32-1) exponent = random.randint(0, 2**32-1) modulus = random.randint(1, 2**32-1) result_rl = mod_pow_RL(base, exponent, modulus) result_lr = mod_pow_LR(base, exponent, modulus) bit_pos = random.randint(0, 31) bit_rl = (result_rl >> bit_pos) & 1 bit_lr = (result_lr >> bit_pos) & 1 f.write(str(base) + ' ' + str(exponent) + ' ' + str(modulus) + ' ' + str(bit_pos) + ' ' + str(bit_rl) + ' ' + str(bit_lr) + '\n') ``` 在该代码中,程序首先读取文件 RL_result.txt 和 LR_result.txt 中的数据,并计算两个算法的平均计算时间以及两个算法的计算时间差。然后,程序会随机选择 32 组测试数据,并分别使用 RL 算法和 LR 算法计算结果,并记录在文件 attack_result.txt 中。对于每组数据,程序会随机选择一个比特位,并记录 RL 算法和 LR 算法在该比特位上的计算结果。最后,程序会输出 RL 算法和 LR 算法的计算时间差的均值和标准差,以及哪个算法更快,以及攻击单 bit 结果的记录。 自动攻击: ```python with open('test_data.txt', 'r') as f: lines = f.readlines() attack_result = [] for line in lines: base, exponent, modulus = map(int, line.strip().split()) result_rl = mod_pow_RL(base, exponent, modulus) result_lr = mod_pow_LR(base, exponent, modulus) for i in range(32): bit_pos = i bit_rl = (result_rl >> bit_pos) & 1 bit_lr = (result_lr >> bit_pos) & 1 attack_result.append((base, exponent, modulus, bit_pos, bit_rl, bit_lr)) with open('attack_result.txt', 'w') as f: for t in attack_result: f.write(str(t[0]) + ' ' + str(t[1]) + ' ' + str(t[2]) + ' ' + str(t[3]) + ' ' + str(t[4]) + ' ' + str(t[5]) + '\n') ``` 在该代码中,程序会读取文件 test_data.txt 中的数据,并对每组数据分别进行 RL 算法和 LR 算法的计算。然后,程序会对每个比特位进行攻击,并将攻击结果记录在文件 attack_result.txt 中。对于每组数据,程序会记录底数、指数、模数以及攻击的比特位,以及 RL 算法和 LR 算法在该比特位上的计算结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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