liunx 运维知识四部分
一、 权限介绍及文件权限测试 二、 目录权限测试 三、 默认控制权限umask 四、 chown修改属性和属组 五、 网站安全权限介绍 六、 隐藏属性介绍 七、 特殊权限s 八、 特殊权限t 九、 用户介绍与用户组相关的文件及目录 十、 用户相关的命令 十一、 密码管理及系统安全 十二、 sudo命令实战 十三、centos6和7的区别 十四、
Nero8刻录引导系统光盘镜像图文教程
刻录可引导的Windows系统光盘一直是电脑使用者较为需要的，今天，倡萌抽空写了这篇图文教程，希望对于菜鸟级的朋友有所帮助，大虾请飘过。本教程以最为强大的刻录软件Nero 8做为工具(其他版本的Nero大同小异)，以刻录CD为参考过程(刻录DVD同样适用)，以windows7旗舰版为平台。 nero8中文版下载 刻录前期准备： 1.确保你的光驱具有CD或DVD刻录功能（CD刻录机只能刻录CD光盘，DVD刻录机一般都可以刻录CD和DVD光盘，能读取DVD的光驱不一定能刻录DVD）； –>推荐阅读
Java之冒泡排序(升序)
Java之冒泡排序 * 编辑者：鸿灬嗳
* 实现功能： 使用冒泡排序对数组：{25，24，12，76，101，96，28} 排序。
*/
package test05;
public class BubbleSort {
public static void main(String[] args) {
int[] arr = { 25, 24, 12, 76, 101, 96, 28 };
System.out.println("冒泡排序前数组为
Python——版权付费歌曲下载
杰伦的歌请不了了？我还以为被封了 # coding:utf8
# author:Jery
# datetime:2019/4/12 20:08
# software:PyCharm
# function:百度音乐/千千音乐歌曲下载
import re
import requests
def get_url(songids):
url = 'http://play.taihe.com/data/music/songlink'
data = {
html(jQuery）替换字符串（全部替换）
var str= "a<br/>b<br/>c<br/>"; var Newstr = str.replace("<br/>", ""); alert(Newstr); //内容为：ab<br/>c<br/>只能将第一个</br>替换为空 要替换全部匹配项，可以使用正则表达式： var str = "a<br/>b<br/>c<br/>"; re = new RegExp("<br/>","g"); //定义正则表达式 //第一个参数是要替换掉的内容，第二个参数"g"表示替换全部（global
Decreased Antibiotic Susceptibility Driven by Global Remodeling of the Klebsiella pneumoniae Proteome（肺炎杆菌通过整体重构蛋白质组降低抗生素敏感性）
文献名：Decreased Antibiotic Susceptibility Driven by Global Remodeling of the Klebsiella pneumoniae Proteome（肺炎杆菌通过整体重构蛋白质组降低抗生素敏感性） DOI：10.1074/mcp.RA118.000739。 期刊名：Molecular & Cell Proteomics 发表时间：2019年4月 单位：马里兰州巴尔的摩大学等 物种：KpV513型肺炎杆菌 技术：免疫组化，电镜，细菌培
JavaWeb——Servlet如何调用线程池中的线程？
tomcat线程池与servlet https://blog.csdn.net/qq_27817797/article/details/54025173
Selenium-滑块（基本）
目的：自动化测试开发中，针对基本的滑块操作进行代码编写； 参考网址：携程 网站上的滑块操作，https://passport.ctrip.com/user/member/fastOrder 这里是基本的滑块操作，所以是从A点到B点； 通过使用WebElement来操作滑块； WebElement sour = driver.findElement(By.cssSelector("#slider > div.cpt-drop-box > div.cpt-drop-btn > div > i.cp
WebGL编程指南理论分析之物体的运动和点光源
之前的所有案例中物体都是静止的并且是平行光照射，这里我们来讨论一下运动物体和点光源。 一、运动物体 我们知道对于一个提供原始顶点坐标和原始顶点法向量数据的着色器绘制出来的图形看上去是这样的： 看上去很有立体感，但是如果把颜色去掉之后： 立体感全无，这是因为没有对光线做出反映。 通过前面的学习，我们知道， ①在平行光下：最终颜色（漫反射光颜色 ）= 入射光线颜色 x 表面基底色 x （光线方向 · 法线方向） 顶点着色器变量：物体基色、光线颜色、点的法向量、归一化的光线坐标 当物体运动的时候
leetcode 347guess number higher or lower 猜数字大小
// Forward declaration of guess API.
// @param num, your guess
// @return -1 if my number is lower, 1 if my number is higher, otherwise return 0
int guess(int num);
class Solution {
public:
int guessNumber(int n) {
int left=1,ri
游戏中对象与点，边，斜面碰撞后速度方向的变化
（一）与点发生碰撞 当与点发生碰撞时，速度的方向直接变成反方向 v=-v （二）与边发生碰撞 a.当与竖边发生碰撞时，速度x方向上的分量的方向变成反方向，y方向上的分量方向保持不变 vx=-vx b.当与横边发生碰撞时，速度y方向上的分量的方向变成反方向，x方向上的分量方向保持不变 vy=-vy （三）与斜面发生碰撞 先求斜面的垂直向量 假设斜面用向量B[x,y]表示，有向量的几何意义：两个垂直向量的点积为0，求出N[y,-x]或N[-y,x] 图中N为[-y,x]将向量N规范化，N’=(-y
Unity Testing学习笔记
创建一个空的项目 在Assets下创建一个空的文件夹Editor（Create->Folder） 在Editor下创建一个Tests Assembly Floder 并重命名为MyTest 然后在MyTest下创建一个C# Test Script并重命名为MyTest 将下面的代码复制进MyTest中 using System.Collections; using System.Collections.Generic; using NUnit.Framework; using UnityEng
VS+opencv配置问题（更新opencv）
最近想更新opencv，发现VS2015中Microsoft.Cpp.x64.user的Include Directories无法删除以前的包含目录。 解决方案如下： C盘搜索Microsoft.Cpp.Win32.user.props，Microsoft.Cpp.Win32.user.props的路径目录是：C:\Users\Administrator\AppData\Local\Microsoft\MSBuild\v4.0，打开文件修改。 参考资料： 更新OpenCV SDK版本问题
VS+opencv配置（配置模板下载）
用VS2015时每次新建项目都要重新配置opencv环境，给出一个配置模板，需要使用时将配置模板根据需要修改，并复制到属性管理器。 下载链接见： VS2015+Opencv半永久配置
梯度下降（gradient descent）原理
目标：解决多变量函数的最优化问题 例如神经网络中的损失函数（loss function）： C(w,b)=12n∑x∥y(x)−a∥2C(w,b)=\frac{1}{2n}\sum_{x}\|y(x)-a\|^2C(w,b)=2n1x∑∥y(x)−a∥2 其中 www和 bbb为网络的参数， xxx为训练样本， nnn为训练样本的数目， y(x)y(x)y(x)为网络的期望输出， aaa为网络的实际输出， aaa是 x,w,bx,w,bx,w,b的函数。 为了让网络的输出尽可能接近期望输出，即
直方图匹配(直方图规定化)
直方图处理可以增加图像的动态范围，但是直方图处理针对的是图像整体偏暗偏亮（注意是整体），若一幅图像即存在偏暗又存在偏亮的区域，此时想要增加图像的动态范围，不宜采用直方图处理。（例如想要增加偏暗区域的动态范围，可以采用幂律变换，当 γ<1\gamma<1γ<1时，偏暗区域的动态范围增加） 直方图均衡化通过变换函数（累积分布函数）获得一个具有均匀分布直方图的输出图像。而直方图匹配(histogram matching or histogram specification)则将输入图像转
拉格朗日函数与广义拉格朗日函数
拉格朗日函数用来求解等式约束的最优化问题；广义拉格朗日函数用来求解不等式约束的最优化问题。 无约束优化问题 关于优化问题包括无约束优化问题，等式约束优化问题，不等式约束优化问题。这里简略地介绍一下无约束优化问题。（以后再来填坑。） 考虑无约束优化问题： minxf(x)\min \limits_{x} f(x)xminf(x) 根据Fermat定理，直接找到使得 ∇xf(x)=0\nabla_x f(x)=0∇xf(x)=0的点即可。若无解析解，可以使用梯度下降或牛顿方法等使 xxx沿负梯度
周排行