沃娃-CSDN博客

原创别再手动算了！Matlab hex2dec函数保姆级教程，从基础语法到R2020a新特性全解析

本文详细解析了Matlab中hex2dec函数的基础语法、R2020a新特性及工程实战技巧，帮助用户高效处理十六进制转十进制数据。涵盖从基本用法到批量处理、性能优化及常见陷阱，特别介绍了R2020a新增的前缀与后缀支持功能，提升数据处理效率。

2026-05-17 09:38:58 47

原创别再乱测了！SMSBoom合法使用避坑指南：从环境搭建到实战测试的完整教程

本文详细介绍了SMSBoom等短信压力测试工具的合法使用方法，从环境搭建到实战测试的全流程指南。重点强调合规操作和法律边界，帮助开发者和测试人员在合法范围内进行有效的短信系统测试，避免法律风险。

2026-05-17 09:13:48 51

原创别再死记硬背公式了！用Python手写一个BP神经网络，带你直观理解梯度下降

本文通过Python手写BP神经网络，直观解析梯度下降原理。从神经元抽象到网络结构设计，详细演示正向传播与反向传播的实现过程，并通过可视化训练曲线揭示学习率等超参数的影响。适合机器学习初学者通过代码实践深入理解Back Propagation算法本质。

2026-05-17 09:02:40 42

原创【ArcGIS Pro二次开发】(65)：一键式标注表达式生成器

本文介绍了一款ArcGIS Pro二次开发工具——一键式标注表达式生成器，旨在简化复杂地图标注的Python代码编写过程。该工具支持基础四分式和带前后缀的高级模式，提供实时预览功能，大幅提升标注效率。适用于土地规划、管线设施等多种场景，帮助用户快速生成专业标注，无需手动编写代码。

2026-05-16 09:44:20 247

原创 VanillaNet的‘深度训练’策略拆解：我们真的需要那么多层吗？一个PyTorch实验带你验证

本文深入解析VanillaNet的深度训练策略，通过PyTorch实验验证极简神经网络在ImageNet上达到80.57%准确率的奥秘。文章详细拆解了可退火激活函数、可合并卷积块等核心技术实现，揭示如何通过训练技巧弥补浅层网络的表达能力不足，为深度学习架构设计提供新思路。

2026-05-16 09:40:10 339

原创从Places365到MIT67：手把手教你用PyTorch微调ResNet-50进行场景迁移学习

本文详细介绍了如何使用PyTorch微调ResNet-50模型，从Places365数据集迁移学习到MIT67室内场景分类任务。通过分析迁移学习核心原理、ResNet-50架构改造、数据增强策略和渐进式微调方法，实现84.2%的Top-1准确率，显著优于从头训练和ImageNet微调方法。文章还提供了实用的工程技巧和误差分析，帮助开发者高效完成场景分类任务。

2026-05-16 09:30:11 207

原创从炼丹到科学：用PyTorch的ReduceLROnPlateau自动拯救你的训练，告别手动调参焦虑

本文深入探讨了PyTorch的ReduceLROnPlateau调度器在深度学习训练中的智能应用，帮助开发者告别手动调参焦虑。通过分析学习率衰减的进化历程和核心机制，详细介绍了如何实现模型训练的自动驾驶，特别适用于NLP等复杂任务。文章还提供了实战中的参数调优策略和高级应用技巧，如分层学习率调控和多指标协同监控。

2026-05-16 09:14:55 274

原创【计算机视觉】MaskFormer：统一分割新范式，从掩码分类到全景理解

本文深入解析了MaskFormer在计算机视觉领域的创新应用，通过掩码分类和Transformer技术统一了语义分割与实例分割任务。文章详细介绍了其架构设计、动态掩码生成机制及实战价值，展示了在Cityscapes、COCO等数据集上的优异表现，为全景理解提供了新范式。

2026-05-15 09:42:18 344

原创 MRI加速的魔法：深入浅出图解GRAPPA算法原理与ACS区域的作用

本文深入浅出地解析了MRI加速技术中的GRAPPA算法原理及其关键组件ACS区域的作用。通过生活化比喻和图示，详细阐述了多线圈协作、k空间数据重建机制，以及kernel权重矩阵的物理意义。文章还提供了临床参数优化建议，并展望了GRAPPA与深度学习结合的演进方向，帮助读者理解这项缩短扫描时间而不损失图像质量的'魔法'技术。

2026-05-14 09:41:48 286

原创 PyTorch实战：基于ResNet-50的室内场景图像分类（附完整代码与MIT67数据集处理）

本文详细介绍了如何使用PyTorch和ResNet-50进行室内场景图像分类，包括MIT67数据集的处理、模型定制化改造及训练优化策略。通过实战案例和完整代码，帮助开发者掌握卷积神经网络在图像分类中的应用，提升分类准确率至82.3%。

2026-05-14 09:38:55 297

原创 Word2Vec的CBOW和Skip-gram到底怎么选？结合PyTorch代码聊聊实际项目中的选择策略

本文深入探讨了Word2Vec模型中CBOW和Skip-gram的选型策略，结合PyTorch代码实战分析了两者在数据效率、计算资源和语义粒度等方面的差异。针对自然语言处理项目，提供了基于数据集规模、业务需求和资源约束的决策框架，帮助开发者在实际工程中做出最优选择。

2026-05-14 09:32:56 357

原创别再手动算了！用Python的xlrd库3行代码搞定Excel日期数字转换（附完整代码）

本文详细介绍了如何使用Python的xlrd库快速将Excel中的日期序列号转换为可读格式，解决了手动计算的繁琐问题。通过实战案例和代码示例，展示了如何批量处理Excel文件中的日期数据，提升数据处理效率。特别强调了处理datemode参数和异常情况的技巧，适合需要高效处理Excel日期格式的开发者和数据分析师。

2026-05-14 09:02:58 165

原创卡特兰数：从棋盘路径到编程挑战

本文深入探讨了卡特兰数在计算机科学中的广泛应用，从棋盘路径计数到编程挑战。通过经典应用场景如括号匹配、二叉树形态和栈操作序列，展示了卡特兰数在算法优化和实际问题解决中的重要性。文章还详细介绍了卡特兰数的多种计算方法，包括递归、动态规划和组合数公式，帮助读者全面理解这一数学工具在编程中的实用价值。

2026-05-13 09:14:14 147

原创 R语言新手避坑：解决Hmisc包因R版本过低导致的连环依赖报错（附R版本升级与RStudio链接指南）

本文详细解析了R语言新手在使用Hmisc包时因R版本过低导致的连环依赖报错问题，提供了从诊断到升级R版本的全套解决方案。通过`installr`包实现安全升级，并指导如何配置RStudio链接新版本，最后确保Hmisc及其依赖包的正确安装。文章还分享了健康的R包管理习惯，帮助开发者避免类似问题。

2026-05-13 09:08:53 181

原创别再死记硬背了！用PyTorch和TensorFlow动手实现四种池化层，直观理解它的作用

本文通过PyTorch和TensorFlow实战演示了深度学习中的四种池化层实现，包括最大池化、平均池化等，帮助读者直观理解池化层在卷积神经网络中的作用。通过代码可视化和性能对比实验，展示了池化层如何有效减少计算量、提升模型效率，同时保持特征不变性。

2026-05-12 09:19:24 322

原创实战对比：用Sklearn接口搞定XGBoost和LightGBM的交叉验证与特征筛选（附完整代码）

本文实战对比了XGBoost和LightGBM在Sklearn接口下的交叉验证与特征筛选方法，提供完整代码示例。通过网格搜参优化模型性能，详细解析两种框架的参数配置、早停机制及特征重要性评估，帮助开发者高效处理结构化数据问题。

2026-05-12 09:11:57 372

原创告别DCOM配置烦恼：用Python2.7 + OpenOPC的Open模式轻松搞定跨平台OPC-DA数据采集

本文介绍了如何使用Python2.7和OpenOPC的Open模式简化跨平台OPC-DA数据采集，避免复杂的DCOM配置。通过OpenOPC Gateway服务，实现高效的TCP/IP通信，支持Windows、Linux和macOS平台，显著提升工业自动化数据采集的效率和稳定性。

2026-05-11 12:17:45 147

原创用Matlab复现GRAPPA算法：从k空间欠采样到高质量MRI图像重建的保姆级教程

本文详细介绍了如何使用Matlab复现GRAPPA算法，从k空间欠采样到高质量MRI图像重建的全过程。通过保姆级教程，包括实验环境搭建、k空间欠采样设置、GRAPPA权重矩阵计算、k空间数据插值与图像重建等步骤，帮助读者掌握并行成像技术的关键实现。文章还提供了代码示例和常见问题排查技巧，适合MRI研究人员和工程师参考。

2026-05-11 12:12:26 287

原创 PyInstaller打包PyTorch项目，为什么我最终放弃了单文件exe？聊聊文件夹打包的实战心得

本文探讨了使用PyInstaller打包PyTorch项目时，为何单文件exe并非最佳选择，并分享了文件夹打包的实战心得。通过分析启动性能、存储空间和调试便利性，揭示了单文件exe的隐藏成本，同时提供了路径管理、模块化更新和资源组织等优化技巧，帮助开发者更高效地部署PyTorch项目。

2026-05-11 11:48:09 291

原创【目标检测】TOOD：任务对齐的单阶段检测器如何实现分类与定位的动态协同

本文深入解析了TOOD（Task-aligned One-stage Object Detection）目标检测器的核心原理与实现细节。通过任务对齐学习（TAL）机制和创新的T-head结构，TOOD有效解决了分类与定位任务的协同问题，在COCO等基准测试中展现出显著优势。文章详细介绍了动态样本分配、对齐感知损失函数等关键技术，并分享了密集物体检测等实战场景中的调参经验。

2026-05-11 11:34:52 262

原创从PCL到Open3D：一份代码搞定C++和Python双版本ICP点云配准

本文详细介绍了如何使用ICP算法在C++（PCL）和Python（Open3D）中实现高效的点云配准，涵盖核心原理、性能优化及双语言协作方案。通过对比分析，帮助开发者在工业级和科研级应用中灵活选择工具，提升点云处理效率与精度。

2026-05-11 11:30:26 332

原创别再用‘从零到一’学N-gram了！用Python手把手带你从语料统计到实战应用

本文通过Python实战教程，深入解析N-gram模型在自然语言处理中的应用，涵盖语料处理、概率计算、内存优化及生产部署等关键环节。特别针对中文分词陷阱、数值稳定性问题及Kneser-Ney平滑技术提供优化方案，最终实现高性能的智能输入预测引擎，显著提升查询延迟和预测准确率。

2026-05-11 11:24:10 207

原创告别模糊配置：深入解读RTKLIB中ppp-static的.conf文件每一个参数

本文深入解析RTKLIB中ppp-static的.conf文件参数，帮助用户实现高精度静态精密单点定位（PPP）。从定位模式与频率选择到误差处理机制，再到输出与统计配置，详细讲解每个参数的作用及优化建议，适用于高精度测绘、地震监测等场景，提升定位精度与效率。

2026-05-11 11:08:43 312

材料科学正经历一场由人工智能驱动的深刻变革。其核心原理在于利用机器学习模型，特别是图神经网络，从原子尺度学习材料的结构与性能之间的复杂映射关系，替代传统依赖专家经验和试错的研发模式。这项技术的核心价值在于能够将新材料发现周期从传统的数年大幅缩短，实现高通量、低成本的虚拟筛选与设计。其应用场景广泛覆盖新能源材料、半导体、催化剂等领域。本文聚焦于AI驱动材料生成的两个关键实战环节：基于M3GNet等机器学习势函数的晶体结构预测，以及利用生成对抗网络和扩散模型实现材料逆向设计，并深入探讨了数据质量、模型可解释性等

2026-05-10 16:19:56 303

原创别再让滤波延迟毁了你的心电信号！用MATLAB filtfilt函数实现零相位滤波的保姆级教程

本文详细介绍了如何使用MATLAB的filtfilt函数实现零相位滤波，解决生物医学信号处理中的相位延迟问题。通过ECG信号处理实例，展示了零相位滤波的原理、实现步骤及优化技巧，帮助读者精确保留心电信号的关键特征，提升诊断准确性。

2026-05-10 09:29:38 234

原创 Kaldi实战：如何用AISHELL-1训练一个能听懂你说话的Chain模型（TDNN）

本文详细介绍了如何使用Kaldi和AISHELL-1中文语音数据集训练高精度的TDNN-Chain模型。从声学模型演进到关键调优参数，再到数据增广和资源受限场景优化，提供了全面的实战指南，帮助开发者提升语音识别准确率。

2026-05-10 09:18:01 209

原创 C++排列组合：从数学原理到算法实现与实战解析

本文深入解析C++中排列组合的数学原理与算法实现，涵盖递归法、STL工具及组合生成技巧。通过实战案例展示其在测试用例生成、游戏道具合成等工程场景的应用，并提供性能优化建议，帮助开发者高效解决复杂组合问题。

2026-05-10 09:06:15 156

原创从DALL-E 2到Stable Diffusion：一文看懂主流AI绘画模型怎么选，附本地部署成本分析

本文深入对比了Stable Diffusion、DALL-E 2和Midjourney三大主流AI绘画模型的技术架构、部署成本与商业应用价值。重点解析了Stable Diffusion的潜在扩散技术优势，包括计算效率、内存优化和模块化设计，并提供了本地部署与云服务API的详细成本分析，帮助企业根据需求选择最优解决方案。

2026-05-07 09:30:38 235

原创别急着用T检验！用Python做数据分析前，先花5分钟检查这4个前提

本文详细介绍了在使用Python进行T检验前必须检查的4个关键前提：正态性、独立性、方差齐性和随机抽样。通过实战代码和案例分析，帮助数据分析师避免常见误区，确保统计结果的准确性。文章特别强调了T检验的适用条件，并提供了非参数检验的替代方案。

2026-05-07 09:26:22 192

原创从扫地机器人到自动驾驶：聊聊移动机器人规划里那些‘前端搜索’与‘后端优化’的实战门道

本文深入解析移动机器人规划中的前端搜索与后端优化技术，从扫地机器人到自动驾驶的应用场景，揭示A*算法、RRT*系列算法及Minimum-snap优化等核心技术的实战门道。探讨不同产品优化侧重点，并展望深度学习在规划系统中的融合趋势，为开发者提供技术选型建议。

2026-05-06 11:00:00 183

原创告别Pyinstaller默认羽毛图标：一个临时ICO文件搞定Python GUI打包三件套

本文详细介绍了如何通过临时ICO文件解决Python GUI打包中的图标统一问题，告别Pyinstaller默认羽毛图标。文章涵盖Base64编码嵌入、spec文件配置及不同GUI框架的图标设置差异，提供了一套完整的Python打包三件套图标解决方案，特别适合需要单文件exe部署的场景。

2026-05-06 10:55:47 181

原创从‘虹猫蓝兔’到终身学习：聊聊Continual Learning如何让AI模型像人一样‘融会贯通’

本文探讨了Continual Learning（持续学习）技术如何使AI模型像人类一样‘融会贯通’，解决传统AI的‘灾难性遗忘’问题。通过EWC算法、动态知识图谱和知识迁移技术，AI能够持续学习新知识而不遗忘旧技能，应用于教育、游戏、智能家居和医疗等领域，展现出类似人类的学习能力。

2026-05-06 10:27:52 340

原创从医疗诊断到自动驾驶：图像融合技术如何成为AI落地的‘幕后功臣’？

本文探讨了图像融合技术在医疗诊断、自动驾驶和工业检测等领域的核心应用。作为AI落地的‘幕后功臣’，图像融合技术通过整合多源视觉信息，显著提升了诊断精度、环境感知能力和缺陷检出率，展现了其在计算机视觉领域的巨大潜力。

2026-05-06 10:12:54 357

原创别再被FileNotFoundError坑了！Python文件操作避坑指南（附Windows/Linux路径处理技巧）

本文深入解析Python中常见的FileNotFoundError问题，提供跨平台文件路径处理的最佳实践。通过pathlib模块、临时文件处理和路径规范化技巧，帮助开发者避免常见陷阱，构建健壮的文件操作系统，特别适合Windows/Linux环境下的Python开发。

2026-05-06 09:48:51 235

原创别再只用3σ了！用Python手把手教你用MAD法揪出数据中的‘捣蛋鬼’

本文深入探讨了中位数绝对偏差（MAD）在数据异常检测中的优势，对比传统3σ方法的局限性。通过Python实战演示，展示了MAD如何更稳健地识别金融交易等场景中的离群值，避免极端值干扰。文章详细解析了MAD的统计原理、实现代码及在时间序列和多维数据中的高级应用，为数据分析师提供了更可靠的异常检测工具。

2026-05-06 09:30:23 176

原创避坑指南：ONNX转TensorRT Engine时，如何正确设置Dynamic Shape和优化配置？

本文详细解析了ONNX转TensorRT Engine过程中动态形状设置与优化配置的关键技巧，包括OptProfileSelector三区间配置、FP16/INT8量化实践及性能调优策略。针对常见问题如推理速度下降、内存溢出和精度损失提供了系统化解决方案，帮助开发者高效完成模型转换与部署。

2026-05-05 11:01:52 80

原创别再为离线装PyInstaller抓狂了！我踩了3小时的坑，这份保姆级避坑指南请收好

本文分享了在离线环境下安装PyInstaller的详细指南，包括依赖管理、包格式选择和安装顺序等关键技巧。通过实战经验总结，帮助开发者避免常见陷阱，顺利完成离线安装，特别适合网络受限环境下的Python开发者。

2026-05-05 10:35:34 70

原创告别调参玄学：用SDNet的压缩分解思想，5分钟搞定多模态图像融合

本文介绍了SDNet的压缩分解思想在多模态图像融合中的应用，通过双路径约束和自适应决策块设计，大幅降低调参难度，实现5分钟快速配置。SDNet在医疗影像、安防监控等多场景中表现出色，提供高效、稳定的融合效果，助力工业应用落地。

2026-05-05 10:30:32 143

原创 ICode Python 5级通关秘籍：手把手拆解综合练习5的20道循环与条件题

本文详细解析ICode国际青少年编程竞赛Python 5级训练场综合练习5的20道循环与条件题，涵盖角色控制、能量管理、动态参数计算等核心编程概念。通过手把手拆解典型题目，提供循环结构的高阶应用模式、条件判断实战技巧及角色协同经典范式，帮助选手掌握复杂编程逻辑，提升解题效率。

2026-05-05 10:17:19 177

原创老笔记本MX150显卡也能跑AI？保姆级CUDA 11.6 + PyTorch环境搭建实录

本文详细介绍了如何在配备MX150显卡的老旧笔记本上搭建CUDA 11.6和PyTorch环境，实现AI模型的运行。从驱动准备、CUDA安装到cuDNN配置和PyTorch GPU版环境搭建，提供了完整的保姆级教程，帮助预算有限的开发者和学生利用入门级硬件开启AI学习之旅。

2026-05-05 09:52:45 208

验证数据拷贝-pmbok第五版英文版

4.4 验证数据拷贝由于dbv可以在实例关闭情况下验证数据文件，因此dbv也可以验证数据文件的拷贝。这个拷贝指的是通过 RMAN 的 COPY 命令或者操作系统命令 cp 拷贝的数据文件，而不是 RMAN 生成的备份集格式。 ALTER TABLESPACE users BEGIN BACKUP; $cp /u01/app/oracle/oradata/ORA10GR2/users01.dbf /u01/app/oracle/oradata/ORA10GR2/users01_backup.dbf ALTER TABLESPACE users END BACKUP; $dbv file= /u01/app/oracle/oradata/ORA10GR2/users01_backup.dbf DBVERIFY: Release 10.2.0.5.0 - Production on Thu Mar 21 17:14:06 2013 Copyright (c) 1982, 2007, Oracle. All rights reserved. DBVERIFY - Verification starting : FILE = /u01/app/oracle/oradata/ORA10GR2/users01_backup.dbf DBVERIFY - Verification complete Total Pages Examined : 640 Total Pages Processed (Data) : 16 Total Pages Failing (Data) : 0 Total Pages Processed (Index): 3 Total Pages Failing (Index): 0 Total Pages Processed (Other): 32 Total Pages Processed (Seg) : 0

2021-07-11

查询某服务是静态注册还是动态注册-pmbok第五版英文版

四、查询某服务是静态注册还是动态注册可以使用命令 lsnrctl status 来查看某服务是静态注册还是动态注册。实例状态为 UNKNOWN 值时表明此服务是静态注册的设置。这时监听器用来表明它不知道关于该实例的任何信息，只有当客户发出连接请求时，它才检查该实例是否存在。动态注册的数据库通过状态信息中的状态 READY 或状态 BLOCKED（对于一个备用数据库）来指明。不管关闭何时数据库，动态注册的数据库都会动态地从监听器注销，而与之相关的信息将从状态列表中消失。这样，不管数据库是在运行还是已经关闭，监听器总是知道它的状态。该信息将被用于连接请求的回退（fallback）和负载平衡。 7.1.18.2 Service Name 的动态注册 7.1.18.2.1 Service Name 是什么自从 Oracle 8i 之后，Oracle 就推荐使用 service name 而不是 SID 来连接数据库了，SID 是数据库的唯一的名字，要连接使用 SID 连接同一个数据库的话就只能用这一个名字，别无他法。service name 是连接数据库的时候使用的别名，你可以在 listener.ora 中静态的设置好 service name，启动 listener 之后这个 service name 会被注册到 listener，然后就可以使用 service name 替代 SID 来连接数据库了。使用 service name 有以下几个好处： SID 有长度的限制，只能允许最长 8 个字符，而 service name 最长可达到 255 字节（oerr ORA 12169 里面说的），还可以自己取名字，所以完全可以取一个易于读懂的 service name，比 SID 方便多了，比如下面这个。 $ lsnrctl status Listening Endpoints Summary... (DESCRIPTION=(ADDRESS=(PROTOCOL=tcp)(HOST=orainst.desktop.mycompany.com)(P ORT=1521))) Services Summary... Service "this-is-a-very-looong-name-of-mysite.mycompany" has 1 instance(s). Instance "orcl", status READY, has 1 handler(s) for this service... The command completed successfully 要改 SID 是一件很难的事情，而修改 service name 的话就简单多了，这就使得我们可以非常简单的在不修改客户端应用的情况下将应用从一个数据库切换到另外一个数据库上面去。可以将多个 service name 指向同一个数据库，这样我们可以通过不同的 service name 来去不同功能的客户端应用，比如说 sales 应用使用 sales.mycompany 的 service name，purchase 应用则使用 purchase.mycompany 这样的 service name。

2021-07-11

可配置一次性戒者自劢重加载模式-pmbok第六版-中文-带吴老师标记和书签版

（3）可配置一次性戒者自劢重加载模式（4）定时器时间可以通过下式计算：定时时间 = [(预分频器癿值 + 1) （加载值 + 1）]/定时器频率 11.2 ZYNQ 系统的配置 Vivado 癿工程如何创建我们返里丌具体绅讲了，丌清楚癿同学去复习一下前面章节癿内容。返里我们新建了一个 timer_intr 癿工程，幵生成了一个名为 system 癿 Block Diagram 文件，再添加 ZYNQ7 Processing System 内核系统刡返个原理图中，因为本实验使用 PS 部分自带癿计数器，所以无需增加其它 IP，创建好后癿工程及 Block Diagram 如下： 1. ZYNQ 癿 DDR 配置成 MT41J128M16 HA-125, 再配置 MIO48,MIO49 为 UART1，再叏消 AXI GP0 癿 Master 总线和 FCLK_RESET0_N 和 FCLK_CLK0 癿信号。具体方法跟第九部分实验一样，大家丌清楚去参考第九章节。 2. 在 Diagram 界面里点击"Run Block Automation"完成对 ZYNQ7 Processing System IP 核癿配置，幵生成外部 ZYNQ 系统癿外部链接 IO 管脚。

2021-07-11

诊断编程接口-nasa系统工程手册

5.6 诊断编程接口 5.6.1 诊断编程接口简介诊断编程接口提供了用户程序中获取诊断的方案。可以在用户程序中判断各个设备模块的诊断信息，从而根据诊断信息，做出相关的处理。诊断编程接口以库的形式存在，可以在“库管理器”添加，添加后如下图所示。编程接口中提供了 CANlink，CANopen、CPU、Modbus、ModbusTCP、DP 对应的诊断编程接口，每种诊断对应一种一组功能块，用于获取对应的诊断码。在获取诊断数据时，自定义的诊断结果和诊断状态在“DataType”中定义。在获取每个诊断时一般都有一个 HC_enumERROR 类型表示诊断是否获取成功，具体的定义见下表。 NO_ERROR BYTE 0 WRONG_PARAMETER BYTE 1 UNKNOWN_DEVICEID BYTE 2 INVAILD_DEVICEID BYTE 3 INVAILD_IO_POS BYTE 4 UNSUPPORT_DIAGNOSE BYTE 5 TIME_OUT BYTE 6 INTERNAL_FB_ERROR BYTE 7 UNKNOWN_ERROR BYTE 8 INVAILD_IP BYTE 9

2021-07-11

设置默认值-ft-2000四核cpu硬件设计指导手册-v1.5

7.7 设置默认值 7.7.1 如何指定默认值有时候，您可能需要在不同时期重新使用设置。例如，您可能想指定在启动 TIBCO Spotfire 时已标记的项目颜色始终为红色，或者指定默认图表应为表。这是在―选项‖对话框中完成的。您设置的默认值也会保存在服务器中您的个人资料下，因此即使在使用不同的计算机时默认设置也可用。管理员也可以配置服务器上某些用户组的默认设置。如果您属于此组的一个成员，这些默认值也对您有效，除非您在―选项‖对话框中进行了主动选择并设置了自己的默认值。

2021-07-11

项目经理对整个项目的整体把控不到位-keras 回调函数callbacks 断点modelcheckpoint教程

(6)项目经理对整个项目的整体把控不到位 (7)项目经理对项目执行过程中的相关控制比较弱，执行过程中没有不断细化和完善项目计划 (8)项目的配置管理缺乏过程的跟踪和审计，或配置管理不严格，混乱 (9)整个项目没有相应的监督机制和监督人员，导致重要环节的缺漏和工作流程的随意更改 (10)项目进度控制和质量监控未到位（答案包含但不限于以上内容，答案包含但不限于以上内容，列出 6点就可以，每小点 2 分，最多 12分，类似即可）【问题 2】（3分） 3个月 20天，或者是近 4个月【问题 3】（10分） (1)积极与客户沟通交流，尽可能收集客户的需求，功能部分的需求可以推托（或者是先记录下来，沟通协商后分批延后开发），但是客户体验的需求要尽量满足 (2)积极与市场部沟通过，让其在接受客户需求的时候也考虑下研发部的实现难度 (3)及时与客户和市场部沟通，说明现阶段变更可能对项目造成的诸多影响情况 (4)遵循整体变更控制流程，记录相关客户需求，对需求变更可能带来的影响进行较全面的评估，形成经建设方签字确认的新需求文件，并提交 CCB审批；将相关的变更信息及时有效的通知相关的项目干系人 (5)在防范风险的前提下，将客户需求的 DEMO版软件的设计、开发与原项目计划中详细设计阶段一起并行施工，即把 DEMO版软件作为新增的附加功能进行设计，但是不影响原定计划和设计目标，同时，利用 DEMO版软件进行客户需求确认 (6)对于 DEMO版软件的开发，及时更新和调整可能影响到的项目管理计划极其子计划 (7)加强与团队成员的沟通交流，切实落实绩效激励措施，让团队成员积极地接受 DEMO版软件的开发 (8)强化对项目的配置管理，以及对整个项目实施过程的监督与控制。（答案包含但不限于以上内容，答案包含但不限于以上内容，列出 5点就可以，每小点 2 分，最多 10分，类似即可）小马老师点评：本大题第一小题属于找错题，得 8分没有问题；第二小题属于计算题，得 3分没有问题；第三小题属于措施应对题，应该能得 6分以上；本题至少需要得 17分。

2021-07-11

复制从根引用的对象-togaf 9.2 full version

36512.5　GC复制算法 42 43 #define attr_accessor(name, type) attr_reader(name, type) \ attr_writer(name, type) 在 Rubinius 里定义了宏 attr_writer()、attr_reader()以及 attr_accessor()。应该有不少 Ruby 用户见过这些宏吧。实际上 Ruby 中也有跟这些宏同名的方法，它们的作用也相同。在这里用宏 attr_writer() 来定义成员变量的 setter，用宏 attr_reader() 来定义成员变量的 getter，attr_accessor() 则被用于同时定义 getter 和 setter。在此希望大家注意一点，那就是在第 25 行用到了 write_barrier()。也就是说，对象的各个成员变量的 setter 里都存有 write_barrier()。下面以 Array 类为例来看一下使用 attr_accessor() 的例子。 vm/builtin/array.hpp 11 15 16 17 18 19 20 21 22 23 24 25 26 27 class Array : public Object { private: Fixnum* total_; // slot Tuple* tuple_; // slot Fixnum* start_; // slot Object* shared_; // slot public: /* accessors */ attr_accessor(total, Fixnum); attr_accessor(tuple, Tuple); attr_accessor(start, Fixnum); attr_accessor(shared, Object); 在把指针存入其中定义的 total_ 等成员变量时，必须使用 setter，并且要保证确实对这个 setter 设置了写入屏障。虽然这次是以 Array 类为例，不过其他类也同样通过 attr_accessor() 定义了 setter。也就是说，对于其他类的成员变量，我们也设置了写入屏障。 12.5.5 (2) 复制从根引用的对象下面要讲的是复制从根引用的对象的相关内容。大家应该还记得吧，Rubinius 的根有以下几种。 1. 内置类、模块、符号 2. VM 的调用栈

2021-07-11

文件输入与输出信息项目-pt5108规格书 high-psrr 500ma ldo

图 3.4 矢量裁剪影像设置图 3.5 图像裁剪结果 3.4 FLAASH 大气校正在 Toolbox 中，选择/Radiometric Correction/FLAASH Atmospheric Correction，打开 FLAASH 工具将相关参数填入。（1）文件输入与输出信息项目

2021-07-11

2006年8月植被覆盖区提取-pt5108规格书 high-psrr 500ma ldo

图 3.13 植被覆盖计算设置面板选择文件保存名（20090811-yanjiuqu-VCI.dat）和路径，单击 OK，得到植被盖度图像。 3.3 植被变化监测第一步：植被覆盖区提取（1）2009年8月植被覆盖区提取打开工具箱/Band Ratio/Band Math工具，在公式输入栏中输入： b1 gt 0.3 b1:选择 20090811-yanjiuqu-VCI.img 图像，0.3 为经验值，即植被覆盖度 30%以上为植被区。选择文件保存名（200908-植被覆盖区.dat）和路径，单击 OK 执行，得到 2009 年 8 月植被盖度区。（2）2006年8月植被覆盖区提取获取的2006年8月标准的土地利用分类图，分类代码与地物类型如下表所示，耕地、林地、草地，属于植被覆盖区域。表 1 2006 年 8 月土地利用分类图地物类型、DN 值对照表土地利用分类类型影像 DN 值耕地 1 林地 2

2021-07-11

掩膜背景值-pt5108规格书 high-psrr 500ma ldo

图 3.14 新建掩膜文件图 3.15 掩膜背景值第二步：植被变化区域制图将掩膜背景值后的变化图像 2006-2009-植被覆盖变化区-maskback.dat 打开，在 Layer Manager 右键点击此文件，选择“New Raster Color Slices”，在弹出的面板中选择此文件为输入数据。对-1、0、1 值以及背景值分别进行密度分割。点击 OK 查看密度分割的结果。

2021-07-11

研究区裁剪-pt5108规格书 high-psrr 500ma ldo

图3.15 选择角度数据几何校正的结果（3）回到参数设定面板，单击Spatial Subset按钮，在弹出的面板中单击”ROI/EVF” 按钮，在弹出的对话框中选择EVF:Beijing.shp，单击OK。图 3.16 研究区裁剪（4）设置输出路径和文件名，单击OK，保存角度数据最终处理结果。 3.4 云检测云检测工具是用 IDL 编写的扩展工具，该工具实现对反射率和发射率的合成文件进行去

2021-07-11

镶嵌结果-pt5108规格书 high-psrr 500ma ldo

图 3.20 镶嵌结果第四步：农用地提取利用与火点提取相同的方法，依照 MCDQ1 的分类说明，把 DN=12 的像素（农用地）提取出来。结果如下图所示（绿色区域）。将农用地提取的感兴趣区域保存为“农用地提取结果.xml”文件。图 3.21 ROI 阈值设置

2021-07-11

提取森林健康变化信息-pt5108规格书 high-psrr 500ma ldo

图3.8 选择变化检测方法（5）勾选 Preview 选项，可以预览变化信息检测的结果，红色区域表示为 NDVI 减少，蓝色区域表示 NDVI 增加。（6）单击 Next 按钮打开 Thresholding or Export 步骤，选择 Export Difference Image Only 选项：直接输出变化信息图像，单击 Next 按钮。（7）在 Export 步骤中，选择输出文件文件名“oct_07_2002_quac_diff.dat”和路径，单击 Finish 按钮。这样得到两个图像的归一化植被指数的差值图像。 3.4 提取森林健康变化信息这个步骤是从第二个步骤中得到的归一化植被指数差值图像中提取森林健康变化信息，采用阈值分割方法。阈值法是一种简单有效的图像分割方法，它将图像的灰度级分为几个部分，选用若干个阈值来确定图像的区域。阈值分割一般分为两个步骤：①确定图像的分割阈值；②分割图像。第一步：确定图像的分割阈值一般利用图像的直方图寻找分割阈值。若图像由多个特征区域构成（即是不同变化区域），则其直方图呈现多峰现象，每个峰值对应一个区域，以谷值点位或凸值点位阈值划分相邻峰值。本示例提取的是森林受灾区，将受灾区分为严重虫灾区、中等虫灾区和轻微虫灾区。（1）在 Toolbox 工具箱中，双击 Statistics/Compute Statistics 工具，在输入文件对话框中选择前面得到的归一化植被指数差值图像“oct_07_2002_quac_diff.dat”，Select mask Band 选择前面获取的林区分类栅格图像。（2）在 Compute Statistics Parameters 面板中，勾选 Histograms 选项，单击 OK 按钮。打开 Statistics Results 面板。

2021-07-11

地距几何-pt5108规格书 high-psrr 500ma ldo

图1.17 雷达图像平面这显示了在高程上即使微小变化都可造成相当大范围的扭曲。这些诱导因子包括了透视收缩、叠掩和阴影。叠掩是前向收缩中的一个极端例子，其斜坡坡度α远大于入射角（q）。随着水平距离的不断增大，传感器和目标地物之间的斜面距离是不断减小的。阴影是由目标地物造成的，它遮盖了目标地物背后的部分地形信息。在山区，SAR 图像的特点： 1）强烈的几何失真 2）从辐射角度看，合成孔径雷达面向斜坡的方向，其值的亮度值比较高。陡峭地形或较小的入射角度——如 ERS-1/2 SAR 传感器，都会产生透视收缩。注意：如果提供高分辨率的 DEM 数据，其透视收缩可通过几何特征和辐射定标进行校正。叠掩和阴影区域可以得到高精度的计算，但是不能得到校正，这些区域没有专题信息。  斜距与地距的几何通常 SAR 数据要进行斜距投影（即，原始的 SAR 几何形态）到地距投影的转换，如下图。图1.18 地距几何

2021-07-11

数据输入步骤-pt5108规格书 high-psrr 500ma ldo

图3.4 数据输入步骤设置以后文件和参数后，点击 Next 按钮，弹出一个对话框，是根据制图分辨率以及数据头文件中的信息自动计算出来的视数，点击确定。

2021-07-11

相位转形变的结果-pt5108规格书 high-psrr 500ma ldo

图4.21 相位转形变的结果（8）结果输出（Output）：结果默认输出在 ENVI 的默认输出路径下，文件名命名为 Cut_20100115_slc_out。若想保留中间结果便于查看，将 Delete Temporary Files 不勾选。点击 Finish，输出结果。结束 DInSAR Diaplcement 处理的工作流。生产的形变数据自动进行密度分割配色展示。

2021-07-11

描述_了bash的各种内建命令-prescan操作教程

7 其它杂项，例如bash-builtins(7)描述了bash的各种内建命令 8 系统管理命令，例如ifconfig(8) 注意区分用户命令和系统管理命令，用户命令通常位于/bin和/usr/bin目录，系统管理命令通常位于/sbin和/usr/sbin目录，一般用户可以执行用户命令，而执行系统管理命令经常需要root权限。系统调用和库函数的区别将在第 2 节 “main函数和启动例程”说明。 Man Page中有些页面有重名，比如敲man printf命令看到的并不是C函数printf，而是位于第1个Section的系统命令printf，要查看位于第3个Section的printf函数应该敲man 3 printf，也可以敲man -k printf命令搜索哪些页面的主题包含printf关键字。本书会经常出现类似printf(3)这样的写法，括号中的3表示Man Page的第3个Section，或者表示“我这里想说的是printf库函数而不是printf命令”。习题 1、定义一个函数increment，它的作用是把传进来的参数加1。例如： void increment(int x) { x = x + 1; } int main(void) { int i = 1, j = 2; increment(i); /* i now becomes 2 */ increment(j); /* j now becomes 3 */ return 0; }

2021-07-11

隐马尔科夫模型-effective akka

13.2 隐马尔科夫模型隐马尔科夫模型可以被看成图13.5所⽰的状态空间模型的⼀个具体实例，其中潜在变量是离散的。然⽽，如果我们考察模型的⼀个单⼀的时间切⽚，那么我们看到它对应于⼀个混合概率分布，对应的分量密度为p(x | z)。于是，它也可以表述为混合概率模型的⼀个推⼴，其中每个观测的混合系数不是独⽴地选择的，⽽是依赖于对于前⼀次观测的分量的选择。HMM⼴泛⽤于语⾳识别（Jelinek, 1997; Rabiner and Juang, 1993）、⾃然语⾔建模（Manning and Schütze, 1999）、在线⼿写识别（Nag et al., 1986）以及⽣物序列（例如蛋⽩质和DNA）的分析（Krogh et al., 1994; Durbin et al., 1998; Baldi and Brunak, 2001）。与标准的混合模型的情形相同，潜在变量是离散的服从多项式分布的变量zn，描述了那个混合分量⽤于⽣成对应的观测xn。与之前⼀样，⽐较⽅便的做法是使⽤1-of-K表⽰⽅法，就像第9章那样。我们现在让zn的概率分布通过条件概率分布p(zn | zn−1)对前⼀个潜在变量zn−1产⽣依赖。由于潜在变量是K维⼆值变量，因此条件概率分布对应于数字组成的表格，记作A，它的元素被称为转移概率（transition probabilities）。元素为Ajk ≡ p(znk = 1 | zn−1,j = 1)。由于它们是概率值，因此满⾜0 ≤ Ajk ≤ 1且 ∑ k Ajk = 1，从⽽矩阵A有K(K − 1)个独⽴的参数。这样，我们可以显式地将条件概率分布写成 p(zn | zn−1,A) = K∏ k=1 K∏ j=1 A zn−1,jznk jk (13.7) 初始潜在结点z1很特别，因为它没有⽗结点，因此它的边缘概率分布p(z1)由⼀个概率向量π表⽰，元素为πk ≡ p(z1k = 1)，即 p(z1 | π) = K∏ k=1 π z1k k (13.8) 其中 ∑ k πk = 1。有时可以将状态画成状态转移图中的⼀个结点，这样就可以图形化地表⽰出转移矩阵。图 13.6给出了K = 3的情形。注意，这不是⼀个概率图模型，因为结点不是单独的变量⽽是⼀个变量的各个状态，因此我们⽤⽅框⽽不是圆圈来表⽰状态。 413

2021-07-11

定时器1的时钟输出脚-mysql高可用方案大全

T1CLKO BIT P3.4 //定时器1的时钟输出脚 F38_4KHz EQU 0FF10H //38.4KHz(1T模式下, 65536-18432000/2/38400) //F38_4KHz EQU 0FFECH //38.4KHz(12T模式下, (65536-18432000/2/12/38400)

2021-07-11

新建工程属性说明-如何解读统计图表：研究报告阅读指南

图 6.10 设置工程属性对话框如图 6.10 所示，需要设置如表 6.2 所示内容。表 6.2 新建工程属性说明设置选项设置内容 Device Family 设置 FPGA 是哪一系列的，如 Spartan3、Spartan3E、Virtex 等 Device 设置 FPGA 的具体型号，每个系列的 FPGA 下都有很多型号，要根据实际工程中应用的 FPGA 进行选择 Package 设置 FPGA 的封装格式，如 PQ208、FG456 等，对不同的封装格式，用户在约束引脚时会有所不同 Speed Grade 设置速度等级，如-4、-5、-6，数字越大速度越快 Top-Level Module type 设置顶层模块的类型 Synthesis Tool 设置设计中采用的综合工具，可以是 Xilinx 自带的 XST，如果安装了第三方工具，也可以选择第三方综合工具，如 Synplify/Synplify Pro 等 Simulator 设置设计中采用的仿真工具，可以是 ISE 自带的 ISE simulator，如果安装了第三方工具 ModelSim，也可以设置为 ModelSim Generated Simulation Language 如果采用 ISE 自带的仿真工具 ISE Simulator，利用 HDL Bencher 可以在图形界面下编辑测试波形，直接生成测试激励文件，这里是设置生成测试激励文件的语言类型（4）为工程新建资源。设置完工程属性后，单击“下一步”按钮，出现为工程新建资源的对话框，如图 6.11 所示。新建工程时可以直接为新建的工程新建资源，单击“New Source”按钮会弹出新建资源的对话框，如图 6.12 所示。这一步在新建工程时并不是必须的，如果在创建新的工程时没有为工程新建资源，可以在以后设计中再新建。如果工程创建完毕后需要新建资源，可以选择“Project”/“New Source”选项，也会弹出如图 6.12 所示的新建资源的对话框。输入新建资源的名称选择新建资源的类型

2021-07-11

双机通信-mysql高可用方案大全

8.12 双机通信

2021-07-11

x106和<font-基于小波变换的通信信号码元速率估计

浮点数也可以称为小数。叫做浮点数是因为按照科学记数法表示时，一个浮点数的小数点位置是可变的。比如，1.11x106和11.1x105是完全相等的。对于很大或很小的浮点数，必须用科学计数法表示，把10用e替代，1.11x106就是1.11e6，或者11.1e5，0.0000011可以写成1.1e- 6。负数的话直接在前面加负号即可，例如：-1.1e-6。需要注意的一点是，整数和浮点数在计算机内部存储的方式是不同的， 整数 之间的运算永远是精确的，而 浮点数 运算则可能会有四舍五入的误差。字符串¶ 字符串是以单引号 ' 或双引号 " 括起来的任意文本' '或" "只是一种表示方式，不是字符串的一部分，所以字符串'rice'只有r，i，c，e这4个字符。如果要把'本身也包括进字符里，那就可以用" "括起来。如果字符串内部既包含 ' 又包含 " 怎么办呢？我们可以用转义字符 \ 来标识，例如：'I\'m \"OK\"!'表示的内容为：I'm "OK"! 转义字符\可以转义很多字符，比如\n表示换行，\t表示制表符，字符\本身也要转义，所以\表示的字符就是\，用print()打印字符串看看结果如何： In [1]: print('I\'m \"OK\"!') I'm "OK"! In [2]: print('Ricequant is\ngreat') Ricequant is great In [3]: print('\\\t\\') \ \ 布尔值¶ 布尔值和布尔代数的表示完全一致，一个布尔值只有True、False两种值。Python中，既可以直接用 True、False表示（一定要大写），也可以通过布尔运算计算出来： In [4]: True Out[4]: True In [5]:

2021-07-11

离群值处理-基于小波变换的通信信号码元速率估计

一、离群值处理因为过大或过小的数据可能会影响到分析结果，尤其是在做回归的时候，我们需要对那些离群值进行处理。实际上离群值和极值是有区别的，因为极值不代表异常，但实际处理中这两个所用方法差不多，所以这里也不强行区分了。处理方法是调整因子值中的离群值至上下限（Winsorzation 处理），其中上下限由离群值判断的标准给出，从而减小离群值的影响力。离群值的判断标准有三种，分别为 MAD、 3σ、百分位法。

2021-07-11

节中笔者试图在不陷入Linux-西门子simatic et200sp数字量输出模块

模块提供了极为灵活的功能，第2版通过新增的第15章详细介绍了如何在模块中支持HTTP变量，包括如何在代码中使用其他Nginx模块提供的变量，以及如何定义新的变量供nginx.conf 和其他第三方模块使用等。第16章介绍了slab共享内存，这是一套适用于小块内存快速分配释放的内存管理方式，它非常高效，分配与释放速度都是以纳秒计算的，常用于多个worker 进程之间的通信，这比第14章介绍的原始的共享内存通信方式要先进很多。第16章不仅详细介绍了它的实现方式，也探讨了它的优缺点，比如，如果模块间要共享的单个对象常常要消耗数KB的空间，这时就需要修改它的实现（例如增大定义的slab页大小），以避免内存的浪费等。 Nginx内存池在第1版中只是简单带过，第2版中新增了8.7节介绍了内存池的实现细节，以帮助读者用好最基础的内存池功能。此外，很多读者反馈需要结合TCP来谈谈Nginx，因此在9.10节中笔者试图在不陷入Linux 内核细节的情况下，简要介绍了TCP以清晰了解Nginx的事件框架，了解Nginx的高并发能力。

2021-07-11

准备连接设备-cp340模块使用手册

2.2 准备连接设备连接硬件 2-3 2 2.2 准备连接设备下面对硬件的连接和 MPE720 Ver.7 的安装进行说明。连接硬件准备连接设备并接线。下面利用以下的系统构成模型进行说明。 * 作为虚拟的输入输出设备，机器控制器内部的 M寄存器的使用示例如下所述。实际上，请将输入输出信号与机器控制器的 I/O 模块等连接，使用 I、O寄存器创建梯形图程序。

2021-07-11

转速控制器-安川伺服驱动说明书.

伺服控制 4.1 转速控制器驱动功能功能手册, (FH1), 04/2014, 6SL3097-4AB00-0RP4 91 4.1 转速控制器在带编码器的运行中，转速控制器根据编码器提供的实际值控制电机的转速；在不带编码器的运行中，转速控制器根据计算出的转速实际值控制电机转速。特性 ● 转速设定值滤波器 ● 转速控制器适配说明转速控制和转矩控制无法同时进行。如果激活了转速控制，则转矩控制失效。限制最大转速 r1082[D] 的缺省设置是所选电机的标准值，在调试时生效。斜坡函数发生器的斜坡升降时间均以此值为基准。图 4-1 转速控制器限制

2021-07-11

谐振抑制-安川伺服驱动说明书.

V/f 控制（矢量控制） 6.3 谐振抑制驱动功能 282 功能手册, (FH1), 04/2014, 6SL3097-4AB00-0RP4 6.3 谐振抑制谐振抑制功能可抑制空载运行中可能出现的有功电流波动。该功能在 5 % 至 90 % 的电机额定频率（p0310）范围内生效，不过频率最高只可为 45 Hz。图 6-6 谐振抑制说明谐振抑制最大频率在 p1349 = 0 时切换限值会自动设置为电机额定频率的 95 %，不过最高为 45 Hz。功能图（参见 SINAMICS S120/S150 参数手册） • 6310 矢量控制 - 谐振抑制和转差补偿

2021-07-11

广域网输出-深信服scsa认证考试总题库

8.4 广域网输出前面所给出的小互联网的输出例子对于查看协议运行过程来说是足够了，但对于像全球互联网这样的大互联网来说，应用 t r a c e r o u t e程序就需要一些更为实际的东西。图8 - 4是从s u n主机到NIC (Network Information Center)的情况。图8-4 从s u n主机到n i c . d d n . m i l 的t r a c e r o u t e 程序由于运行的这个例子包含文本，非 D D N站点（如，非军方站点）的 N I C已经从 n i c . d d n . m i l转移到r s . i n t e r n i c . n e t，即新的“InterNIC”。一旦数据报离开t u c . n o a o . e d u网，它们就进入了t e l c o m . a r i z o n a . e d u网络。然后这些数据报进入NASA Science Internet，n s n . n a s a . g o v。T T L字段为6和7的路由器位于 JPL (Jet Propulsion Laboratory)上。T T L字段为11所输出的s u r a . n e t网络位于Southeastern Universities Research Association Network上。T T L字段为1 2的域名G S I是Government Systems, Inc., NIC的运营者。 T T L字段为6的第2个RT T（5 9 0）几乎是其他两个RT T值（2 3 4和2 6 2）的两倍。它表明 I P 路由的动态变化。在发送主机和这个路由器之间发生了使该数据报速度变慢的事件。同样，我们不能区分是发出的数据报还是返回的 I C M P差错报文被拦截。 T T L字段为3的第1个RT T探测值（2 0 4）比T T L字段为2的第1个探测值（2 3 3）值还小。由第8章 Traceroute程序使用75 下载网络1 网络2 网络3 路由器1 路由器2

2021-07-12

正常数据流-深信服scsa认证考试总题库

第20章 TCP的成块数据流 20.1 引言在第1 5章我们看到T F T P使用了停止等待协议。数据发送方在发送下一个数据块之前需要等待接收对已发送数据的确认。本章我们将介绍 T C P所使用的被称为滑动窗口协议的另一种形式的流量控制方法。该协议允许发送方在停止并等待确认前可以连续发送多个分组。由于发送方不必每发一个分组就停下来等待确认，因此该协议可以加速数据的传输。我们还将介绍T C P的P U S H标志，该标志在前面的许多例子中都出现过。此外，我们还要介绍慢启动，T C P使用该技术在一个连接上建立数据流，最后介绍成块数据流的吞吐量。 20.2 正常数据流我们以从主机s v r 4单向传输8 1 9 2个字节到主机 b s d i开始。在b s d i上运行s o c k程序作为服务器： bsdi % sock -i -s 7777 其中，标志- i和- s指示程序作为一个“吸收（ s i n k）”服务器运行（从网络上读取并丢弃数据），服务器端口指明为7 7 7 7。相应的客户程序运行为： svr4 % sock -i -n8 bsdi 7777 该命令指示客户向网络发送 8个1 0 2 4字节的数据。图 2 0 - 1显示了这个过程的时间系列。我们在输出的前3个报文段中显示了每一端M S S的值。发送方首先传送3个数据报文段（4 ~ 6）。下一个报文段（ 7）仅确认了前两个数据报文段，这可以从其确认序号为2 0 4 8而不是3 0 7 3看出来。报文段7的A C K的序号之所以是2 0 4 8而不是3 0 7 3是由以下原因造成的：当一个分组到达时，它首先被设备中断例程进行处理，然后放置到 I P的输入队列中。三个报文段 4、5和6依次到达并按接收顺序放到 I P的输入队列。 I P将按同样顺序将它们交给 T C P。当T C P处理报文段 4时，该连接被标记为产生一个经受时延的确认。 T C P处理下一报文段（5），由于T C P现在有两个未完成的报文段需要确认，因此产生一个序号为 2 0 4 8的A C K（报文段7），并清除该连接产生经受时延的确认标志。 T C P处理下一个报文段（ 6），而连接又被标志为产生一个经受时延的确认。在报文段9到来之前，由于时延定时器溢出，因此产生一个序号为 3 0 7 3的A C K（报文段8）。报文段8中的窗口大小为3 0 7 2，表明在T C P的接收缓存中还有 1 0 2 4个字节的数据等待被应用程序读取。报文段11 ~ 1 6说明了通常使用的“隔一个报文段确认”的策略。报文段 11、1 2和1 3到达并被放入 I P的接收队列。当报文段 11被处理时，连接被标记为产生一个经受时延的确认。当报文段1 2被处理时，它们的 A C K（报文段1 4）被产生且连接的经受时延的确认标志被清除。报文段1 3使得连接再次被标记为产生经受时延。但在时延定时器溢出之前，报文段 1 5处理完毕，因此该确认立刻被发送。

2021-07-12

TCP的保活定时器使用255_下载-深信服scsa认证考试总题库

第23章 TCP的保活定时器使用255 下载删除14行

2021-07-12

噪声对比估计-使用xtext和xtend实现域特定语言(第二版)-中文-第四章

18.6 噪声对比估计具有难求解的配分函数的大多数模型估计都没有估计配分函数。SML和CD只估计对数配分函数的梯度，而不是估计配分函数本身。得分匹配和伪似然避免了和配分函数相关的计算。噪声对比估计（noise-contrastive estimation，NCE）(Gutmann and Hyvari- nen, 2010) 采取了一种不同的策略。在这种方法中，模型估计的概率分布被明确表示为 log pmodel(x) = log p̃model(x;θ) + c, (18.28) 其中 c 是 − logZ(θ) 的近似。噪声对比估计过程将 c 视为另一参数，使用相同的算法同时估计 θ 和 c，而不是仅仅估计 θ，。因此，所得到的 log pmodel(x) 可能并不完全对应有效的概率分布，但随着 c 估计的改进，它将变得越来越接近有效值1。这种方法不可能使用最大似然作为估计的标准。最大似然标准可以设置 c 为任意大的值，而不是设置 c 以创建一个有效的概率分布。 NCE 将估计 p(x) 的无监督学习问题转化为学习一个概率二元分类器，其中一个类别对应模型生成的数据。该监督学习问题中的最大似然估计定义了原始问题的渐近一致估计。具体地说，我们引入第二个分布，噪声分布（noise distribution）pnoise(x)。噪声分布应该易于估计和从中采样。我们现在可以构造一个联合 x 和新二值变量 y 的模型。在新的联合模型中，我们指定 pjoint(y = 1) = 1 2 , (18.29) pjoint(x | y = 1) = pmodel(x), (18.30) 和 pjoint(x | y = 0) = pnoise(x). (18.31) 换言之，y 是一个决定我们从模型还是从噪声分布中生成 x 的开关变量。我们可以在训练数据上构造一个类似的联合模型。在这种情况下，开关变量决定是从数据还是从噪声分布中抽取 x。正式地，ptrain(y = 1) = 12，ptrain(x | y = 1) = pdata(x)，和 ptrain(x | y = 0) = pnoise(x)。 1NCE 也适用于具有易于处理的，不需要引入额外参数 c 的配分函数的问题。它已经是最令人感兴趣的，估计具有复杂配分函数模型的方法。

2021-07-12

软件工具所要使用-academicwriting3rdedanswerkey

附录 B Allegro 15.0 安装指南本章主要介绍 Allegro 15.0 软件工具所要使用到的 PC 计算机配备及其安装的方法。Cadence 原厂提供 3 片安装的光盘片，其用途如下所示： (1) 第一片光盘系统安装光盘 1of 2 (2) 第二片光盘系统安装光盘 2of 2 (3) 第三片光盘 Concept HDL 零件库安装光盘 1of 1

2021-07-12

申断回调定时器-power bi白皮书

24.3 申断回调定时器下面我们先介绍 ClearRTOS 内中断回调定时榕的实现，后面在基于这一实现的基础上再探讨任务回调定时器的实现。 24.3.1 程序实现图 24.2 列出了实现所需的基本数据结构。第 35 行定义了“滴答”的周期为 10 毫秒。第 37 行将 type_timer 结构的指针定义为 timer_handle_t . 第 40 行定义了定时器到期回调函数的原型，其第一个参数是到期定时糕，第二个参数是定时器在启动时所指定的参数。

2021-07-12

URI语法-ogg 官方文档

12.2　URI语法早在WPF之前，Web上可用的每种资源——HTML文档、图像、视频片段、程序等——都是由URI来进行定位的。一个URI一般由如下3个部分组成。（1）协议，也称为“服务方式”。（2）该资源的主机IP地址，有时也包括端口号。（3）主机资源的地址，如目录和文件名等。如http://www.cnblogs.com/helloj2ee/表示一个可通过HTTP协议访问的资源，位于主机www.cnblogs.com，通过路径/helloj2ee/访问。 12.2.1　WPF中的URI 在WPF中通过URI来标识和访问资源，包括如下情况。（1）当应用程序启动时设置需要显示的用户界面。（2）装载图像。（3）页面之间的导航。（4）装载资源、内容和Site of Origin文件。 URI可以通过当前程序集、被引用的程序集、相对程序集的一个位置和任意位置标识访问资源。

2021-07-12

式就成_为-金蝶bos新增单据案例

当“可动线圈”在垂直方向移动时，速度向量 v 只有 z 方向的分量 vz 。(3)式就成为 ( )dz zv B lε= ×∫ (4) 比较(2)式与(4)式，可以看到两个公式右面的线积分相同。把两式相除就消去了线积分而得到 z mg I vε = (5) 或图 1 线圈上的电磁力与砝码的重力相平衡图 2 线圈在磁场中垂直运动，感生出电动势

2021-07-12

创建单选按钮-abb acs510 变频器中文使用说明书

(1) 创建单选按钮在可视化编辑画面工具箱中，找到 “通用控制”大类，添加 “ ”。添加后在编辑区的视图如图 9.x 所示。图 9.X 添加单选按钮 a) 创建程序变量首先需要建立与可视化界面相对应的程序变量，具体变量定义如下所示： PROGRAM PLC_PRG VAR nSelect:INT; END_VAR b) 变量映射单击选中“单选按钮”，打开其属性，如图 9.x 所示。首先，先与程序中的变量进行映射，该变量的类型为整型，使用输入助手，点击确定。其次确定实际需要有多少个单选按钮，如图 9.x 的 2）中所示，添加单选按钮，最终在“文本” 选项中更改名字。

2021-07-12

梯形图程序的创建-cp340模块使用手册

2.6 梯形图程序的创建 2-8 2.6 梯形图程序的创建梯形图程序的创建步骤如下所示。 1. 选择启动装置的 Programming - Ladder program。显示 Ladder 子窗口。 2. 右击 Ladder program 下的 High-speed，选择 New。弹出 Create New Program 对话框。 3. 点击 OK 按钮。启动梯形图编辑器。以下记载了 “ 高速 ” 程序的创建步骤，“ 低速 ” 及 “ 启动 ” 程序也按同样的步骤创建。 Right-

2021-07-11

通过数据类型转换指令由用户切实转换-20190802mcd培训资料

(1) 通过数据类型转换指令由用户切实转换 (2) 通过代入或指令自动转换 ·代入 ST 语言 ·梯形图语言中的接线参考转换为整数型和 TIME 型时，请使用时间 / 时刻指令 NanoSecToTime 指令和 TimeToNanoSec 指令。详请请参阅 “NJ 系列指令基准手册基本篇 (SBCA-360)”。数据类型的转换

2021-07-12

提前终止-彩色uml建模(四色原型)object modeling in color _peter coaderic lefebvrejeff de luca著

210 第七章深度学习中的正则化 h(1)h(1) h(2)h(2) h(3)h(3) y(1)y(1) y(2)y(2) h(shared)h(shared) xx 图 7.2: 多任务学习在深度学习框架中可以以多种方式进行，该图说明了任务共享相同输入但涉及不同目标随机变量的常见情况。深度网络的较低层（无论是监督前馈的，还是包括向下箭头的生成组件）可以跨这样的任务共享，而任务特定的参数（分别与从 (1) 和 (2) 进入和发出的权重）可以在共享表示 (shared) 之上学习。这里的基本假设是存在解释输入变化的共同因素池，而每个任务与这些因素的子集相关联。在该示例中，额外假设顶层隐藏单元 (1) 和 (2) 专用于每个任务（分别预测 (1) 和 (2)），而一些中间层表示 (shared) 在所有任务之间共享。在无监督学习情况下，一些顶层因素不与输出任务 ( (3)) 的任意一个关联是有意义的：这些因素可以解释一些输入变化但与预测 (1) 或 (2) 不相关。式增加的比例），并能改善泛化和泛化误差的范围 (Baxter, 1995)。当然，仅当不同的任务之间存在某些统计关系的假设是合理（意味着某些参数能通过不同任务共享）时才会发生这种情况。从深度学习的观点看，底层的先验知识如下：能解释数据变化（在与之相关联的不同任务中观察到）的因素中，某些因素是跨两个或更多任务共享的。 7.8 提前终止当训练有足够的表示能力甚至会过拟合的大模型时，我们经常观察到，训练误差会随着时间的推移逐渐降低但验证集的误差会再次上升。图 7.3是这些现象的一个例子，这种现象几乎一定会出现。这意味着如果我们返回使验证集误差低的参数设置，就可以获得更好的模型（因此，有希望获得更好的测试误差）。在每次验证集误差有所改善后，我们存储模

2021-07-12

使用者与群组-oracle database 11g rman备份与恢复--详细书签版

2605.1 使用者与群组

2021-07-11

VSCode如何切换中文界面

2025-03-19

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

验证数据拷贝-pmbok第五版 英文版

查询某服务是静态注册还是动态注册-pmbok第五版 英文版

可配置一次性戒者自劢重加载模式-pmbok第六版-中文-带吴老师标记和书签版

诊断编程接口-nasa系统工程手册

设置默认值-ft-2000四核cpu硬件设计指导手册-v1.5

项目经理对整个项目的整体把控不到位-keras 回调函数callbacks 断点modelcheckpoint教程

复制从根引用的对象-togaf 9.2 full version

文件输入与输出信息项目-pt5108规格书 high-psrr 500ma ldo

2006年8月植被覆盖区提取-pt5108规格书 high-psrr 500ma ldo

掩膜背景值-pt5108规格书 high-psrr 500ma ldo

研究区裁剪-pt5108规格书 high-psrr 500ma ldo

镶嵌结果-pt5108规格书 high-psrr 500ma ldo

提取森林健康变化信息-pt5108规格书 high-psrr 500ma ldo

地距几何-pt5108规格书 high-psrr 500ma ldo

数据输入步骤-pt5108规格书 high-psrr 500ma ldo

相位转形变的结果-pt5108规格书 high-psrr 500ma ldo

描述_了bash的各种内建命令-prescan操作教程

隐马尔科夫模型-effective akka

定时器1的时钟输出脚-mysql高可用方案大全

新建工程属性说明-如何解读统计图表：研究报告阅读指南

双机通信-mysql高可用方案大全

x106</font>和<font-基于小波变换的通信信号码元速率估计

离群值处理-基于小波变换的通信信号码元速率估计

节中笔者试图在不陷入Linux-西门子simatic et200sp数字量输出模块

准备连接设备-cp340模块使用手册

转速控制器-安川伺服驱动说明书.

谐振抑制-安川伺服驱动说明书.

广域网输出-深信服scsa认证考试总题库

正常数据流-深信服scsa认证考试总题库

TCP的保活定时器使用255_下载-深信服scsa认证考试总题库

噪声对比估计-使用xtext和xtend实现域特定语言(第二版)-中文-第四章

软件工具所要使用-academicwriting3rdedanswerkey

申断回调定时器-power bi白皮书

URI语法-ogg 官方文档

式就成_为-金蝶bos新增单据案例

创建单选按钮-abb acs510 变频器中文使用说明书

梯形图程序的创建-cp340模块使用手册

通过数据类型转换指令由用户切实转换-20190802mcd培训资料

提前终止-彩色uml建模(四色原型)object modeling in color _peter coaderic lefebvrejeff de luca著

使用者与群组-oracle database 11g rman备份与恢复--详细书签版

VSCode如何切换中文界面

验证数据拷贝-pmbok第五版英文版

查询某服务是静态注册还是动态注册-pmbok第五版英文版