开始写博了,呵呵!

最新推荐文章于 2023-05-16 08:10:31 发布
最新推荐文章于 2023-05-16 08:10:31 发布
阅读量1.7k 收藏
点赞数
文章标签： java 工作
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/java__king/article/details/3004076
版权
         从今年四月接触JAVA以来没少来CSDN,也从这里学到了好多东西.现在差不多要出去找工作了,把自己在学习过程中用到的一些资料和自己认为好的东西和大家分享一下(当然主要是和初学者分享啦,呵呵),希望大家多多交流,高手能帮指点指点,多给点意见,呵呵. 
java__king
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Ubuntu中文字幕乱码亚洲影视的乱码问题
计算机毕业论文源码，学生个人网页制作html源码。贴近用户做网络推广和互联网优化。
03-29 121万+
Ubuntu看电影总是加载中文字幕的时候出现乱码，后来发现是亚洲影视字符编码的问题，今天休假在家就写了一个小的中文字幕乱码字符转码的程序，目前来说满足我自己的需求了，代码如下： import sys,io if len(sys.argv) != 2: print "Please input file path!" else: f1 = io.open(sys.argv[1], "r", encoding="cp936") f2 = io.open(sys.argv[1] + ".new", "w", enc
AVPlayer 播放在线视频和本地文件（数据库）设置
timtian008的博客
05-24 304万+
首先使用AVPlayer 必须导入框架： AVFoundation 以及 头文件： #<MediaPlayer/MediaPlayer.h> 两者的主要区别在路径的初始化：1、播放本地视频（数据库数据） titleLabel.text = [NSString stringWithFormat:@"%@",currentMusicModel.audio_name]; [i
SPLAYER中文字幕乱码
热门推荐
l176266956的专栏
05-19 523万+
参考地址：http://wandering997.ycool.com/post.3001216.html                  http://wandering997.ycool.com/post.2957163.html[Subtitles]A) 打开 SMPlayer菜单 -> Options -> Preferences -> Subtitles -> S
为日语视频识别生成中文字幕的免费且快速简单的解决方案
weixin_43948298的博客
05-09 19万+
一览引言音频转字幕——autosub字幕处理——srtEditoor字幕翻译——字幕组机翻小助手 引言 音频转字幕——autosub 字幕处理——srtEditoor 字幕翻译——字幕组机翻小助手
一劳永逸解决VLC播放中文字幕乱码问题
w36680130的博客
05-04 40万+
一劳永逸解决VLC播放中文字幕乱码问题
在线有用网址
weixin_30372371的博客
01-23 1058
1.http://www.pass-e.com/sort.php?sortid=8(真题网) 2.http://www.52en.com/whbm/grammar/index.htm（我爱英语网) 3.http://www.nutshellsoft.com/english/cet4/index.htm（英语精华网） 4.http://lz.qjjj.net/Article/czyy/d...
Ehhhh:呵呵呵呵呵！ 啤酒地图
05-13
【标题】"Ehhhh:呵呵呵呵呵！ 啤酒地图"所暗示的可能是一个关于啤酒文化的项目，可能是一个应用或者平台，旨在提供全球各地啤酒的相关信息，如品牌、种类、酿造工艺等。这个项目的命名或许是为了传达轻松愉快的饮酒...
非鸽子上线教程 呵呵！
11-30
很好用 绝木有木马！呵呵！希望大家跟我一样 学习！
Discuz! 八戒呵呵
12-07
八戒呵呵" 是一个基于 Discuz! 平台的社区论坛模板，旨在为用户提供一种个性化的界面设计。Discuz! 是国内非常流行的一款开源社区论坛软件，它允许用户轻松搭建自己的论坛网站，提供丰富的功能和良好的可扩展性。 ...
用C#写的图片浏览器！
02-24
【标题】：“用C#写的图片浏览器！”表明这个程序是一个基于C#编程语言开发的用于查看图片的应用。C#是Microsoft公司推出的一种面向对象的、现代的编程语言，广泛应用于Windows平台上的应用开发，包括桌面应用和游戏...
我的日期算法自己写的！呵呵！
03-11
从给出的信息来看，这个所谓的“自己写的日期算法”实际上仅展示了`java.util.Calendar`的基本使用，而没有深入到企业级应用中排除周末和节假日的复杂场景。然而，通过解析这一简短的代码片段，我们得以窥见在IT领域...
使用ret2libc攻击方法绕过数据执行保护
海枫的专栏
02-08 2万+
本文介绍ret2libc攻击方法，可以绕过栈执行保护安全机制
简单方法解决VLC中文字幕乱码
airekans的专栏
12-25 5万+
Reference:http://forum.ubuntu.org.cn/viewtopic.php?f=74&t=201887&start=0首先启动VLC，按Ctrl+P ,<br /> 左下角的显示设置 选 全部 ，<br /><br /><br /> 依次点开 ：<br /><br />视频－字幕／OSD－文本渲染器 右侧的字体 栏中，选择一个中文字体。（我选的是<br /> /usr/share/fonts/truetype/wqy/wqy-zenhei.ttc）或
使用进程、mplayer命令实现媒体播放器
最新发布
weixin_58016534的博客
05-16 1818
本期分享的是使用进程、mplayer应用使用mplayer命令实现一个媒体播放器的功能，本次使用到的主要有进程间通信(pipe),字符串的操作，多函数功能整合等。（1）自定义结构体与共用体的区别：结构体每个变量可以自主进行定义开辟空间，但是共用体内部变量共用一个空间，这个变量的值只能是共用体中的一个；（2）信号处理函数的使用，当收到一个这个样的信号时该如何进行后续业务流程的处理；这个就是主流程图以及各个分支函数的细节流程图；以下是本项目的所有相关文件；
中国标准之一 AVS：后来者成大器
马帅的专栏
12-05 4811
       比起视频编码标准MPEG-2和MPEG-4 AVC/H.264，2006年才正式成为国家标准的AVS无疑是一个后来者，但AVS绝对不是落后者。现在，这个研发总投入不足国际同类标准2%、性能上却毫不逊色的“新手”，已经使得全球可选的第二代音视频标准形成了三足鼎立的局面，并且，正蓄势成为下一代标准的领跑者。毫无疑问，AVS是我国正在推动的国产标准中一个当之无愧的亮点。       从
分享几个特别特别强的资源福利网站
qq_31118111的博客
07-29 21万+
一、OPEN开源文档http://www.open-open.com/doc/ 网站主要提供项目和软件的开发文档，文档界的github。 二、虫部落http://magnet.chongbuluo.com/ 包含各种搜索引擎，同时还可以搜索小程序、表情包、gif图、图标等等，并且界面也比较简介，分类也十分明确，楼主最喜欢的网站之一，真的特别强大，这个网站涵盖了：有g/oo/gle，百度，必应，搜狗等搜索网站；网易云音乐、知乎、微博、旅游、电子书等等所属类网址。（话语不足以解释它的强大，谁用谁知道 ...
简述数学建模的过程_中文字幕乱码文字2020_MDTM-198加勒比中文字幕合集 - 第5页...
weixin_39899021的博客
12-21 42万+
Well, you won’t get one from me.Nah, I never let a lady treat.I try to ease away and create a larger space cushion, but he steps toward me again. I don’t feel threatened by him, however. He’s a big gu...
AVFoundation 播放器实例
集腋成裘
01-29 1万+
播放器 使用苹果官方的 AVFoundation 框架，可以很容易的封装一个视频的播放器。 在获取视频资源后，只需要将视频在播放图层中渲染即可，并在图层中添加控件以便对视频的播放即暂停进行控制。 下面封装的库，主要包含两个类 HXJPlayerView 和 HXJPlayerControlView 。但是，在具体使用时，其实只需要使用 HXJPlayerView 类，创建一个播放视图即可。 HXJ...
Swift - 使用AVKit播放本地视频，在线视频（AVPlayerViewController）
swift_vip的博客
06-21 26万+
1，单独使用AVPlayer 这个可以在当前视图中添加一个视频播放窗口，位置大小可设置，但不带播放控制器。所以如果需要控制视频播放状态的话，就需要自己在页面上添加按钮，写相应的控制方法了。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
手写MLP的MINIST手写字体识别
03-28
抱歉，作为AI语言模型，我无法手写代码或进行图像识别任务。但是，我可以为您提供一个基本的MLP代码框架，您可以使用它来构建一个MINIST手写字体识别MLP模型： ``` import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # Define hyperparameters learning_rate = 0.1 num_epochs = 100 batch_size = 100 # Define the number of neurons in each layer input_layer = 784 hidden_layer1 = 256 hidden_layer2 = 256 output_layer = 10 # Define the input and output placeholders X = tf.placeholder(tf.float32, [None, input_layer]) Y = tf.placeholder(tf.float32, [None, output_layer]) # Define the weights and biases for each layer weights = { 'w1': tf.Variable(tf.random_normal([input_layer, hidden_layer1])), 'w2': tf.Variable(tf.random_normal([hidden_layer1, hidden_layer2])), 'out': tf.Variable(tf.random_normal([hidden_layer2, output_layer])) } biases = { 'b1': tf.Variable(tf.random_normal([hidden_layer1])), 'b2': tf.Variable(tf.random_normal([hidden_layer2])), 'out': tf.Variable(tf.random_normal([output_layer])) } # Define the forward propagation hidden_layer1_output = tf.nn.relu(tf.add(tf.matmul(X, weights['w1']), biases['b1'])) hidden_layer2_output = tf.nn.relu(tf.add(tf.matmul(hidden_layer1_output, weights['w2']), biases['b2'])) output = tf.add(tf.matmul(hidden_layer2_output, weights['out']), biases['out']) # Define the loss function and optimizer loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=output, labels=Y)) optimizer = tf.train.GradientDescentOptimizer(learning_rate=learning_rate).minimize(loss) # Define the accuracy metric correct_pred = tf.equal(tf.argmax(output, 1), tf.argmax(Y, 1)) accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32)) # Initialize the variables init = tf.global_variables_initializer() # Start the session with tf.Session() as sess: sess.run(init) num_batches = int(mnist.train.num_examples/batch_size) # Train the model for epoch in range(num_epochs): avg_loss = 0 for batch in range(num_batches): batch_x, batch_y = mnist.train.next_batch(batch_size) _, l = sess.run([optimizer, loss], feed_dict={X: batch_x, Y: batch_y}) avg_loss += l/num_batches if epoch % 10 == 0: print("Epoch:", epoch+1, " Loss:", avg_loss) # Test the model test_accuracy = sess.run(accuracy, feed_dict={X: mnist.test.images, Y: mnist.test.labels}) print("Test Accuracy:", test_accuracy) ``` 这个代码框架包含了一个基本的MLP模型，使用MNIST数据集进行训练和测试。您可以根据需要进行调整和修改，以获得更好的性能和准确性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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