.NET Core开发的iNeuOS工业互联平台，升级四大特性：配置数据接口、图元绑定数据、预警配置和自定义菜单
目 录 1. 概述... 2 2. 演示信息... 2 3. iNeuView（Web组态）配置数据接口... 2 4. iNeuView（Web组态）图元绑定数据... 4 5. iNeuView（Web组态）图元和文本框配置预警... 5 6. iNeuView（Web组态）图元和文本框自定义右键菜单... 6 1. 概述 2019年即将结束，我们从2018年到现在，打了两年的基础，2020年是我们的发展元年，目标是带动群友5-10名人员一同发展。 此次升级主要针对iNeuView的Web
Snipaste(钉图工具)的使用方法
转载于;https://www.jianshu.com/p/1d1e8faa861a; 记录截图神器Snipaste使用。 Snipaste 中文官网：https://zh.snipaste.com/ 介绍：snipaste的名字就是“截图+贴图”，是一个简单但强大的截图工具。 功能：屏幕截图、贴图、编辑、标注 费用：个人免费，企业版需内购 官方文档：https://docs.snipaste.com/zh-cn/ 使用： 截图 快捷键（默认为F1） 鼠标左键单击托盘图标 截图、标注 保存 i
【抖音测试开发日常实习】一二三四面面经，攒人品求Offer
总结： 一、流程 （估计）一面二面技术leader面，三面部门领导面，四面肯定是HR面 二、系统 用的牛客网面试系统，长相大概是这样： 打字聊天框我在听不清对面声音的时候用过，感觉没啥卵用，手撕代码区不是OJ，但是你的输出和写的代码实时传给面试官，面试官出题也是实时显示在题目区的。 不用指望这套系统有debug功能，所以最好一遍写对。写不对也别慌，给面试官讲讲你的思路再排除BUG比较好。 不要试图退出去查找资料或者用别的工具debug，有专门的JS脚本在后台监测你是否开网页、将当前页面设置为不
Python使用ctypes模块调用C/C++
最近在做图卷积相关的实验，里面涉及到图采样，该过程可以抽象为：从一个包含n个节点,m条边的图中根据一定规则采样一个连通图。由于实验使用的是FB15k-237数据集，共包含14541个节点，272115条边，每次采样30000条边，采样一次需要8s，这对于深度学习实验来说是难以接受的，会导致GPU长时间空闲。因此我开始尝试使用C/C++优化代码，虽然最后优化效果不行，但是也是对python调用C代码的一次学习，因此在此纪录一下。 Python原代码 def get_adj_and_degree
[不务正业]单纯收个支线的第二天
嗯，只是做个记录，也不是找不到，但就记录一哈，直观一点吧。 open live writer 表情快捷键 :-) or :) for :-D or :D for :-O or :o for :-P or :p for :-@ or :@ for :-$ or :$ for :-S or :s for :-( or :( for :’( or :'( for :-| or :| for :-[ or :[ for :-# for :-* for :^) for :-\ for :-B or :b
北漂去帝都大医院求医到底有多难？我的真实经历，真的是一路坎坷与辛酸~
工作了一段时间后，估计可能是因为长时间久坐，感觉腰疼。 正好赶上社保卡下来了，于是打算去医院看看。社保卡大约是三个多月下来的，当然如果社保卡没下来，也可以自费去看病，后来报销即可。 找医院 emmm,第一步想去看看哪家医院合适，有名气而且是北京医保可以报销的医院，于是去了百度HI的服务号去咨询了一下人工客服，嗯，HR效率还是很高，非常感谢。 以下19家是北京社保默认定点医院，去以下医院看病，使用北京的医保卡都是可以省去一部分费用。 1、中国医学科学院北京协和医院 2、首都医科大学附属北京同仁医
<orm.RegisterModel> cannot use non-ptr model struct `demo/models.MenuModel`
原样传递给 RegisterModel 时，应该为 orm.RegisterModel(new(MenuModel))
Playing Atari with Deep Reinforcement Learning:打响DRL的第一枪
这篇文章就是DQN,DRL领域非常重要的一篇文章,也是David Silver大神的工作。文章本身没有什么难度。 文章说了RL和DL 的两个不同之处 - DL 尤其是supervised learning 需要大量的labelled training data, 强化学习只有一个scalar Reward，并且reward很可能 noisy, sparse, delayed - DL 通常假设数据是独立同分布的，但是强化学习的数据前后有高度的相关性，数据分布也会变化 DQN 其实就是Q-lea
朋友别怕做的慢，你可知道慢也是一种优势！
如果一件事情我们能够很快的就把它做完，那么我们也不会觉得它有多珍贵。就像太容易得到的东西我们就不会去珍惜它一样。 正是因为我们做得很慢，花了非常多的时间跟精力，所以我们非常的珍惜它，重视它。就像我们很好的朋友，我们之所以把他当做知心朋友，之所以重视他，正是因为我们跟他建立了长期的友谊，这些友谊并不是一两天能够建立起来的，也许是一年，也许是5年，也许是10年。而那些很快能成为朋友的，往往也很快就会失去。因为得到的太容易，没有为我们的友谊打牢地基。 有些人很慢，慢的只能一生做一件事情。也许我们会笑
20182306 2018-2019-1《程序设计与数据结构》课程总结
20182306 2018-2019-1《程序设计与数据结构》课程总结 （按顺序）每周作业链接汇总 预备作业： 安装虚拟机过程中遇到的问题及解决过程和Linux基础入门学习记录 第一周作业： 配置linux虚拟机、环境、学习git和单步调试 第二周作业： 输入两个数，计算两个数的加、减、乘、除运算结果，并输出。 第三周作业： 生成-10~10之间的随机数（1.5分），并格式化输出（0.###） 编写一个Book类，其实例数据分别表示书名、作者、出版社以及版权日期。定义一个Book构造方法，接收
Linux 源码的卸载
正常的编译安装/卸载 源码的安装一般由3个步骤组成： 配置(configure) 编译(make) 安装(make install)。 configure文件是一个可执行的脚本文件，它有很多选项，在待安装的源码目录下使用命令./configure –help可以输出详细的选项列表。 其中--prefix选项是配置安装目录，如果不配置该选项，安装后可执行文件默认放在/usr /local/bin，库文件默认放在/usr/local/lib， 配置文件默认放在/usr/local/etc，其它的资
动态点分治 学习笔记
引子 点分治是个好东西, 可万一树上的权值需要修改呢...... 算法过程 点分治, 计算出初始数据. 构建点分树. 在点分树上进行数据维护. 点分树 : 把原树在点分治时的各级重心连接起来的数据结构, 称为点分树. 它有一个非常优美的性质 : 树高 规模为 \(\log n\). 根据这个性质, 我们就可以在修改点权时, 在点分树上一层一层往上走, 逐个维护每个祖先的数据. 并且, 我们还可以得到 \(\sum_{u \in V} size[u] = n \log n\), 其中 \(V\)
Debian卸载软件
说明：此方法适用于Debian、Ubuntu等带apt工具的操作系统。 步骤： 1、首先我们需要知道将要卸载的软件名称，比如我现在打算卸载tightvncserver，但是如果你不确定名称，没关系，可以用Tab键自动补全来确定。 2、打开终端/命令行准备输入命令。 sudo apt-get autoremove --purge 1 命令&参数解释： sudo——获取 root 权限 apt-get——执行安装卸载功能的软件 autoremove——告诉 apt-get 我们所要做的操作是移除软
全栈程序员的新玩具Rust（六）第一个WASM程序
先上代码 https://gitee.com/lightsever/rust_study/tree/master/wasm_hello01 webassembly就不用再赘述了，耳朵里面快磨出茧子来了。 rustwasm是火狐自家的玩具，让我们来继续做实验，让rust飞起来吧。 环境安装 安装好rust环境之后仍然需要 一个 wasm 工具包 cargo install wasm-pack 然后如果想快速创建一个wasm项目模板可以用这个 cargo generate --git https:
今日推荐
周排行