.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