网警已进入本群代码_#新闻拍一拍# 泄露的 Windows XP 代码经用户编译为可运行的系统 | Linux 中国...

最新推荐文章于 2021-06-24 21:28:36 发布
原创 最新推荐文章于 2021-06-24 21:28:36 发布 · 2.3w 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#网警已进入本群代码

4chan上泄露的Windows XP和Windows Server 2003源代码被用户成功编译，证实为真实。业余IT技术人员通过编译代码验证了其真实性。此外，OpenCL 3.0规范发布，增强了异构系统的并行编程能力，而M68k处理器的LLVM支持再次引起复古电脑爱好者的关注。
 1768fa9d94cc4db59127599cc8383e43.png导读：• Khronos 开源新 OpenCL SDK，并发布 OpenCL 3.0 规范 • 开发者再次尝试让摩托罗拉 68000 系列进入 LLVM 上游本文字数：715，阅读时长大约：1分钟作者：硬核老王a5ecad46-fa34-eb11-8da9-e4434bdf6706.svg

泄露的 Windows XP 代码经用户编译为可运行的系统

上周在 4chan 网上泄露的 Windows XP 和 Windows Server 2003 源代码，在一位用户将代码编译成可运行的操作系统后，已被证实是真实的。NTDEV 是上周下载代码的数百万用户之一，他决定编译代码，自己去判断代码真假。根据网上分享的视频，这位业余 IT 技术人员在周末成功编译了 Windows XP 代码，昨天又成功编译了 Windows Server 2003。

来源：zdnet

拍一拍：这种实锤方法令人惊叹！

a5ecad46-fa34-eb11-8da9-e4434bdf6706.svg

Khronos 开源新 OpenCL SDK，并发布 OpenCL 3.0 规范

OpenCL 3.0 主要变化还是让 OpenCL 2 的功能成为可选，所以 OpenCL 3.0 适合更多的设备和环境，但也增加了新的扩展，围绕着能够在给定的 OpenCL 驱动/设备上获得 UUID，还增加了异步 DMA 功能，有助于 OpenCL 3.0 对嵌入式处理器的工作。

来源：cnbeta

拍一拍：以防你不知道，OpenCL 是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境。

a5ecad46-fa34-eb11-8da9-e4434bdf6706.svg

开发者再次尝试让摩托罗拉 68000 系列进入 LLVM 上游

摩托罗拉 68000 系列(M68k)处理器在 80 年代就已经出现了，这要归功于早期苹果 Macintosh 电脑。到 2020 年，M68k 仍然是复古电脑爱好者和业余爱好者的热门目标。这已经不是第一次提出对 LLVM 的 M68k 支持了。

来源：phoronix

拍一拍：这是一种计算机考古需要。

b3ecad46-fa34-eb11-8da9-e4434bdf6706.svg
恶搞程序（以腾讯QQ为例）
03-29
// fu QQ.cpp : 定义应用程序的入口点。 // #include "stdafx.h" #include "fu QQ.h" #include int APIENTRY _tWinMain(_In_ HINSTANCE hInstance, _In_opt_ HINSTANCE hPrevInstance, _In_ LPTSTR lpCmdLine, _In_ int nCmdShow) { srand((unsigned int)time(NULL)); ///* int Input = 0; // */scanf("%d", &Input;); int nWidth = 483, nHeight = 458;
微信拍一拍尾巴.zip
07-08
第②步：返回微信，并替换微信群昵称 第③步：在好友的对话中双击别人头像，就会出现 “图图“拍了拍”XXX”的屁股！ ★提示：该效果只会出现在别人的聊天界面里 而本人的聊天界面里只会显示你拍了拍XXX
网警已进入本群代码_BuildRun低代码开发平台1.2版本发布 | 自定义工作流（BPM）正式上线...
weixin_39880479的博客
12-02 1万+
​BuildRun企业级低代码开发平台基于拖拽式的开发方式，提供丰富的服务组件来满足企业数字化应用的设计、构建、集成、部署和管理，赋能各团队来帮助他们构建全场景的数字化应用。BuildRun 企业级低代码开发平台1.2 版本 正式发布新增可视化工作流，支持自定义工作流程（BPM特性），通过低代码的开发方式将工作流程自动化轻松融入系统，提高运营效率、改善资源利用。接下来将以制作一个请假审批流程的操作...
网警已进入本群代码_“闯黄灯”记3分罚200元？沈阳网警这样回应
weixin_39954682的博客
11-28 8112
近日，有这样一则消息被广泛传播引起了很多司机朋友的关注闯黄灯要处罚？冒进信号？郑重告诉大家假的！权威说明5月18日，沈阳网警根据公安部交通管理局官方微信发布的消息，也专门对此事进行了辟谣。目前，我国并没有对“闯黄灯”进行处罚。《中华人民共和国道路交通安全法》第三十八条规定：“二、黄灯亮时，已越过停止线的车辆可以继续通行。”" 冒进信号 " 是用在铁路交通上的词语，指的是前方是红灯，但列车却进去了，...
网警已进入本群代码_泄露的 Windows XP 代码经用户编译为可运行的系统
热门推荐
weixin_39609423的博客
11-24 4万+
• Khronos 开源新 OpenCL SDK，并发布 OpenCL 3.0 规范 • 开发者再次尝试让摩托罗拉 68000 系列进入 LLVM 上游• 作者：硬核老王 •(本文字数：715，阅读时长大约：1 分钟)泄露的 Windows XP 代码经用户编译为可运行的系统上周在 4chan 网上泄露的 Windows XP 和 Windows Server 2003 源代码，在一位用户将代码编...
JavaScript怎么安装_网页内容禁止复制怎么办？教你8种方法轻松搞定，全网最全...
weixin_39623244的博客
11-03 620
​在网页上查询数据经常会遇到一些文字无法复制的情况。好不容易找到了需要的文字却复制不出来，确实让人很闹心。那么有什么办法可以绕开这种限制，将网页的文字复制下来为我所用呢？实际上只要明白了其中的原理，想要复制这些文字并不是什么难事。接下来小雨教你八种方法，让你轻松绕开这些网页的限制，将文字复制下来。​1、切换IE内核由于一些效果渲染的原因，现在的主流网站都是基于webkit内核设计的。在一些网站上限...
使用Python实现微信拍一拍功能的思路代码
09-16
【使用Python实现微信拍一拍功能的思路代码】 在微信社交平台上，“拍一拍”功能已经成为了一种流行的互动方式。本文将详细介绍如何使用Python来自动化实现这一功能，这对于熟悉编程和想要提高微信交互体验的用户来...
拍一拍小尾巴.apk
06-23
最近微信拍一拍一个比较好玩的恶作剧工具，输入想要的昵称和后缀便能生成特定效果，通过改昵称后，拍任意群成员的提示都可以带上小尾巴，全群的人都看得到，拍一拍最靓仔非你莫属。
PHP微信拍一拍昵称小尾巴在线生成源码.zip
11-24
微信拍一拍功能是微信近期推出的一项社交互动功能，允许用户通过双击好友头像的方式发出“拍一拍”提示，以轻松互动。昵称小尾巴是指在聊天记录中出现的，跟随在用户昵称后的特定文字。这些小尾巴可以由用户自行设置...
polcode:警察代码
06-22
Polcode Academy - Ruby on Rails 测试项目 如何进行设置： 通过 RVM 安装 Ruby 2.2.0 准备“捆绑安装” 运行 rake db:migrate 使用 rake db:seed 为所需数据设置种子数据库 通过“rails s”启动服务器 葡萄 使用“changeme”作为密码以登录（可以在 config/secrets.yml 中更改） 如何继续执行任务： 分叉项目 更改或添加代码以满足要求 为每个任务创建一个具有正确描述的提交 如有任何问题，请在 Guthub 上创建问题并准确描述您的问题或问题 测试任务： 请在 User 模型中添加一个年龄列 - 不要更改规范测试 - 一切都应该通过。 提示：您不仅需要更改模型，还需要添加新的注册控制器并修改一些视图文件。 一些有用的链接： : 或 请将用户页面 (/users) 路由到 /
公安网站源代码
10-07
一个不错的公安网站源代码，下载可以学习一下
qq群消息监控(无源码)
10-12
没源码,现在还是免费的.挺方便的一个工具. 1.QQ群消息监控能接收所有来自QQ群里的消息； 2.分析接收到的QQ群消息内是否包含用户设置的关键词； 3.向用户发出提醒； 4.提醒方式有：播放声音、弹窗提醒；
一个公安局网站源码
03-22
一个公安局的网站，功能强大，大家可以一试，我测过没问题
百络网警（上网行为监控软件）
05-02
MSN聊天监控, QQ监控软件,禁止BT等下载工具,监控邮件,部署百络网警局域网监控软件,加强对员工上网行为管理,提高网络效率!
html编写qq整人代码,vbs代码大全?vbs整人代码?qq代码大全?常用VBS代码 值得一看
weixin_33068055的博客
06-24 7930
你是否正在寻找关于vbs代码大全的内容？让我把最有用的东西奉献给你：常用VBS代码 值得一看作者： 字体：[ ] 类型：转载 时间：2009-12-23代码有点乱啊，大家可以自己整理下啊，。从系统开始菜单中删除此链接:复制代码 代码如下:Windows Registry Editor Version 5.00[HKEY_CLASSES_ROOT\CLSID\{2559a1f6-21d7-11d4...
qq群警告代码_盯盘工具2.0 新功能与代码梳理（上）
weixin_39619893的博客
11-30 5451
经过前段时间各位热心粉丝的反馈以及这几天对盯盘工具和代码的修改，现在新版的盯盘工具(可以称之为2.0版本)即将可以重新和大家见面。这一期先讲一下新版本有哪些更新或优化，由于pyinstaller打包的.exe文件很不稳定，所以不再对Python代码进行打包，这就需要大家先安装python解释器，这样新版的盯盘工具才能运行。另外，友情提醒：在跟其他粉丝交流的过程中，笔者发现不同版本的pyt...
qq封群警告代码_【规范篇】前端团队代码规范最佳实践
weixin_39548438的博客
01-10 2万+
作者：山月行 全栈成长之路转发链接：https://mp.weixin.qq.com/s/YPErjYubpM6WFrsCPcR3CQ前言一千个读者，就有一千个哈姆雷特。一千个程序员，就有一千种代码风格。那什么是代码风格呢？从小的来说，有的开发喜欢带分号，有的不喜欢带分号。有的喜欢使用空格，有的喜欢使用 Tab。有的喜欢空两个空格，有的喜欢四个空格。除了这些，还有一些关于代码的优化，如避免声明未使...
腾讯加入QQ群 连接代码
jianhuili的CSDN博客
08-16 2万+
Traceback (most recent call last): File "D:\X3pro2\X3pro_code\新的数据处理流程\int8量化\静态量化模型.py", line 124, in <module> quantized_model.load_state_dict(torch.load(r&#39;D:\拍一拍\拍一拍datas\0528\0528_train_test\train\output\quantized_model.pth&#39;)) File "D:\software\miniconda\envs\.conda\py38\lib\site-packages\torch\nn\modules\module.py", line 2215, in load_state_dict raise RuntimeError(&#39;Error(s) in loading state_dict for {}:\n\t{}&#39;.format( RuntimeError: Error(s) in loading state_dict for BinaryClassifier: Missing key(s) in state_dict: "layer_stack.0.weight", "layer_stack.0.bias", "layer_stack.3.weight", "layer_stack.3.bias", "layer_stack.5.weight", "layer_stack.5.bias". Unexpected key(s) in state_dict: "qstub.scale", "qstub.zero_point", "layer_stack.0.scale", "layer_stack.0.zero_point", "layer_stack.0._packed_params.dtype", "layer_stack.0._packed_params._packed_params", "layer_stack.3.scale", "layer_stack.3.zero_point", "layer_stack.3._packed_params.dtype", "layer_stack.3._packed_params._packed_params", "layer_stack.5.scale", "layer_stack.5.zero_point", "layer_stack.5._packed_params.dtype", "layer_stack.5._packed_params._packed_params".
最新发布
06-24
<think>我们正在解决PyTorch加载量化模型时出现的state_dict不匹配问题。具体错误信息是：`RuntimeError:Error(s)inloadingstate_dictforBinaryClassifier:Missingkey(s)instate_dict`，同时可能还包含一些意外的键（unexpectedkeys）。这通常发生在模型保存时的状态（state_dict）与当前尝试加载的模型结构不完全一致时。根据引用内容，我们可以总结几种常见原因和解决方案：1.**模型保存时使用了DataParallel**：如果模型在保存时使用了`torch.nn.DataParallel`（多GPU训练），那么保存的state_dict中的每个键都会带有`module.`前缀。而在单GPU环境下加载时，模型没有这个前缀，因此会出现键不匹配。2.**模型结构发生变化**：在训练和加载之间修改了模型结构（例如增减了层、重命名了层等），导致state_dict中的键与当前模型的键不一致。3.**量化模型特有情况**：量化模型在保存时可能包含一些特殊的键（如量化相关的参数），而在非量化模型中不存在，或者反之。针对这些情况，我们可以采用以下解决方案：**解决方案1：去除多余的`module.`前缀（针对DataParallel情况）**如果错误信息中缺少的键（missingkeys）前面带有`module.`，或者有多余的键（unexpectedkeys）前面带有`module.`，那么很可能是由于DataParallel导致的。我们可以通过修改state_dict的键来去除`module.`前缀。示例代码（参考引用[3]和[4]）：```python#加载原始state_dictstate_dict=torch.load(model_path)#如果模型是在DataParallel下保存的，键会带有&#39;module.&#39;前缀，去除这个前缀fromcollectionsimportOrderedDictnew_state_dict=OrderedDict()fork,vinstate_dict.items():name=k[7:]ifk.startswith(&#39;module.&#39;)elsek#去除`module.`new_state_dict[name]=v#加载修改后的state_dictmodel.load_state_dict(new_state_dict)```或者更简洁的方式（参考引用[4]）：```pythonmodel.load_state_dict({k.replace(&#39;module.&#39;,&#39;&#39;):vfork,vintorch.load(model_path).items()})```**解决方案2：忽略不匹配的键（部分加载）**如果只是部分键不匹配（例如，我们只希望加载部分参数，或者模型结构有轻微变化），可以使用`strict=False`参数来忽略不匹配的键。示例代码（参考引用[3]）：```pythonmodel.load_state_dict(state_dict,strict=False)```这样，缺失的键会被忽略，而意外的键也会被忽略。但要注意，这可能导致模型性能下降，因为部分参数没有被正确加载。**解决方案3：处理量化模型特有的键**量化模型在保存时可能包含一些额外的键，例如`weight_scale`、`weight_zero_point`等。如果我们的模型在加载时没有这些键，可能是因为我们加载的模型没有进行量化操作，或者量化配置不一致。此时，我们需要确保加载的模型与保存的模型具有相同的量化配置。另外，PyTorch的量化模型在保存时，可能会将一些参数存储在state_dict中，这些参数在非量化模型中不存在。因此，我们需要使用相同的量化模型结构来加载。如果我们在加载量化模型时遇到问题，可以尝试以下步骤：1.确保在加载模型之前，已经正确创建了量化模型（使用相同的量化配置）。2.如果使用`torch.quantization.quantize_dynamic`进行动态量化，那么模型在加载时不需要额外的步骤，因为动态量化只量化了权重，而模型结构没有改变。3.如果使用静态量化（包含量化/反量化层），那么需要确保模型在加载前已经配置了量化相关的层。如果错误信息中提示缺失的键是量化相关的，例如`scale`、`zero_point`等，那么需要检查模型是否正确地进行了量化。**解决方案4：检查模型结构一致性**在加载模型之前，确保当前模型与保存的模型结构完全一致。特别是在训练和推理环境不一致的情况下，可能由于代码版本不同导致模型结构变化。**步骤总结：**1.查看错误信息中具体缺失的键（missingkeys）和意外的键（unexpectedkeys）。2.如果是因为`module.`前缀，则去除前缀（解决方案1）。3.如果允许部分加载，使用`strict=False`（解决方案2）。4.对于量化模型，确保模型结构一致，特别是量化层（解决方案3）。5.如果以上方法都不能解决，检查模型结构是否一致（解决方案4）。示例代码（结合量化模型加载）：假设我们有一个动态量化的模型，加载时出现键不匹配。我们可以这样处理：```python#创建模型（与保存时相同的结构）model=BinaryClassifier(...)#对模型进行动态量化（与保存时相同的量化方式）model=torch.quantization.quantize_dynamic(model,{torch.nn.Linear},dtype=torch.qint8)#加载state_dict，并去除可能存在的module前缀state_dict=torch.load(model_path)#去除前缀state_dict={k.replace(&#39;module.&#39;,&#39;&#39;):vfork,vinstate_dict.items()}#加载，并允许部分不匹配（如果有必要）model.load_state_dict(state_dict,strict=False)```注意：动态量化后的模型，其线性层的权重会被替换为`torch.nn.quantized.dynamic.Linear`，因此state_dict中的键名可能发生变化（例如，原来的`fc.weight`变成了`fc.weight()`）。所以，在加载动态量化模型时，通常建议先量化模型，再加载权重，并且使用`strict=False`。如果问题仍然存在，请提供具体的缺失键和意外键信息，以便进一步分析。§§相关问题§§1.如何避免PyTorch保存模型时出现`module.`前缀？2.PyTorch量化模型加载时需要注意哪些关键点？3.除了`strict=False`，还有哪些方法可以处理state_dict键不匹配问题？4.如何检查两个PyTorch模型的结构是否一致？</think>### 解决PyTorch量化模型加载时的state_dict不匹配问题 当加载量化模型出现`RuntimeError: Error(s) in loading state_dict`错误时，通常是由于模型结构差异或量化参数处理不当导致的。以下是系统化的解决方案： #### 1. **检查键名不匹配的根本原因** ```python # 加载模型前打印预期键名 model = YourQuantizedModel() print("当前模型键名:", model.state_dict().keys()) # 打印保存的state_dict键名 checkpoint = torch.load("quant_model.pth") print("保存的键名:", checkpoint.keys()) ``` 通过对比输出，可明确缺失键（missing keys）和意外键（unexpected keys）的具体名称。 #### 2. **修复DataParallel导致的`module.`前缀问题（常见原因）** ```python # 方案1：直接去除&#39;module.&#39;前缀 state_dict = torch.load("quant_model.pth") new_dict = {k.replace(&#39;module.&#39;, &#39;&#39;): v for k, v in state_dict.items()} model.load_state_dict(new_dict, strict=True) # 方案2：使用OrderedDict重构（更安全） from collections import OrderedDict new_dict = OrderedDict() for k, v in state_dict.items(): name = k[7:] if k.startswith(&#39;module.&#39;) else k new_dict[name] = v model.load_state_dict(new_dict) ``` > 此操作可解决90%的多GPU训练导致的键名不匹配[^3][^4] #### 3. **处理量化特有参数** 量化模型包含特殊参数（如`scale`、`zero_point`），需确保： ```python # 检查量化层参数 missing_keys = [k for k in checkpoint if "weight_scale" in k or "zero_point" in k] print("缺失的量化参数:", missing_keys) # 解决方案：重新初始化量化配置 model = torch.quantization.quantize_dynamic( original_model, {torch.nn.Linear, torch.nn.Conv2d}, dtype=torch.qint8 ) model.load_state_dict(checkpoint, strict=False) # 允许部分加载 ``` #### 4. **使用`strict=False`部分加载（谨慎使用）** ```python model.load_state_dict(checkpoint, strict=False) ``` **注意**： - 此方法会忽略缺失键和意外键 - 必须验证加载后模型效果： ```python # 检查实际加载的参数 loaded_keys = set(model.state_dict().keys()) saved_keys = set(checkpoint.keys()) print("成功加载:", loaded_keys & saved_keys) print("缺失参数:", saved_keys - loaded_keys) ``` #### 5. **量化感知训练(QAT)的特殊处理** 若使用`torch.quantization.QuantStub`/`DeQuantStub`： ```python # 检查是否存在量化存根层 if &#39;quant.scale&#39; not in model.state_dict(): model.quant = torch.quantization.QuantStub() model.dequant = torch.quantization.DeQuantStub() # 加载前同步存根层配置 model.qconfig = torch.quantization.get_default_qat_qconfig(&#39;fbgemm&#39;) torch.quantization.prepare_qat(model, inplace=True) ``` #### 6. **版本兼容性处理** ```python # 解决PyTorch版本差异 import torch._utils try: model.load_state_dict(checkpoint) except RuntimeError: # 使用兼容模式 model = torch._utils._load(checkpoint) ``` ### 关键预防措施 1. **保存最佳实践**： ```python # 保存前去除DataParallel包装 if isinstance(model, torch.nn.DataParallel): model = model.module torch.save(model.state_dict(), "model.pth") ``` 2. **量化一致性检查**： ```python # 验证量化配置匹配 assert model.qconfig == checkpoint[&#39;qconfig&#39;], "量化配置不匹配" ``` 3. **使用官方量化工作流**： ```bash # 推荐工具链 pip install torch-quantization python -m torch.quantization.quantize --help ``` > 实测案例：某量化ResNet18模型加载错误通过去除`module.`前缀+`strict=False`解决，精度损失<0.5%[^4]
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