运行x509的库报错 调用.net的库运行报错如下。 " at System.Net.Security.SslState.StartSendAuthResetSignal(ProtocolToken message, AsyncProtocolRequest asyncRequest, Exception exception)\r\n at System.Net.Security.SslState.CheckCompletionBeforeNextReceive(ProtocolToken message, AsyncProtocolRequest asyncRequest)\r\n at System.Net.Security.SslState.ProcessReceivedBlob(Byte[] buffer, Int32 count, AsyncProtocolRequest asyncRequest)\r\n at System.Net.Security.SslState.StartReceiveBlob(Byte[] buffer, AsyncProtocolRequest asyncRequest)\r\n at System.Net.Security.SslState.CheckCompletionBeforeNextReceive(ProtocolToken message, AsyncProtocolRequest asyncRequest)\r\n at System.Net.Security.SslState.ProcessReceivedBlob(Byte[] buffer, Int32 count, AsyncProtocolRequest asyncRequest)\r\n at System.Net.Security.SslState.StartReceiveBlob(Byte[] buffer, AsyncProtocolRequest asyncRequest)\r\n at System.Net.Security.SslState.ForceAuthentication(Boolean receiveFirst, Byte[] buffer, AsyncProtocolRequest asyncRequest, Boolean renegotiation)\r\n at System.Net.Security.SslState.ProcessAuthentication(LazyAsyncResult lazyResult)\r\n at console.TLSServer.Main(String[] args) in C:\Users\admin\Desktop\Socket\ssl\Program.cs:line 103" 调用 SSPI 失败，请参见内部异常。 1.在使用 New-SelfSignedCertificate 命令创建自签名证书时，你可以通过 -KeyExportPolicy Exportable 参数来设置私钥可导出，然后你将能够为私钥设置密码。下面是具体步骤：

报错如下： Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLError("Can't connect to HTTPS URL because the SSL module is not available.")': /simple/numpy/ Retrying (Retry(total=3, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLError("Can't connect to HTTPS URL because the SSL module is not available.")': /simple/numpy/ Retrying (Retry(total=2, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLError("Can't connect to HTTPS URL because the SSL module is not available.")': /simple/numpy/ Retrying (Retry(total=1, connect=None, read=None, redirect=None, status=None)) after connection broken by 'SSLError("

安装openssl报错如下： 使用apt-get install perl得到解决。

文章目录 异常报错异常截图异常代码原因解释修正代码执行结果 异常报错 epoch1:loss3667.782471 epoch2:loss65358620.000000 epoch3:loss14979486720.000000 epoch4:loss1739650891776.000000 epoch5:loss12361745880317952.000000 epoch6:loss2740315398365287284736.000000 epoch7:loss1176857261847129541794856960.000000 epoch8:loss7211548287231028836649926656.000000 epoch9:loss7537356298471407320145204346880.000000 epoch10:lossinf 异常截图 异常代码 # 初始化模型的参数,使用正态分布来初始化权重参数，将偏置设置为0 net[0].weight.data.normal_(0,0.01) net[0].bias.data.fill_(0) # 定义损失函数 loss = nn.MSELoss() # 定义优化算法 trainer = torch.optim.SGD(net.parameters(),lr = 0.03) # 训练 # 训练过程：遍历完整的数据集，每一次都是抽取一个batch_size，然后在进行前向传播计算对应的loss,然后将loss反向传播，计算梯度，然后根据梯度优化参数 num_epochs = 10 for epoch in range(num_epochs): for X,y in data_iter: l = loss(net(X),y) l.backward() trainer.step() l = loss(net(features),labels) print(f'epoch{epoch+1}:loss{l:f}') 原因解释 每一个batch_size之后，都没有进行梯度清零，模型参数更新是基于之前所有的mini_batch，并不是基于当前的mini_batch 导致如下问题 梯度爆炸：如果梯度值在每次迭代中都相对较大，那么累积梯度可能会迅速变得非常大，导致权重更新太过极端。这通常会导致损失值变成 NaN 或 Inf训练不稳定：如果梯度值在每次迭代中都相对较大，那么累积梯度可能会迅速变得非常大，导致权重更新太过极端。这通常会导致损失值变成 NaN 或 Inf 梯度下降的基本假设： 每次更新都是基于最近一次计算出的梯度， 修正代码 # 初始化模型的参数,使用正态分布来初始化权重参数，将偏置设置为0 net[0].

因为video标签只能播放特定格式的视频，比如MP4、WebM和Ogg格式，而对于这种视频流文件则需要通过转码实现，而vue-video-player也只能播放特定格式的视频。所以要播放监控的实时视频，除了在浏览器的地址栏直接打开摄像头的地址，还可以通过webrtc-streamer和video标签在页面实现监控实时播放。 包含rtc脚本文件（不转码减少资源消耗）和rtcstreamer.js文件 链接：https://pan.baidu.com/s/1QhRmDFHi7m7qZIcm1xblzA 提取码：zuwk 1、下载webrtc-streamer，对应下载自己电脑操作系统的版本（需要去GitHub下载，GitHub下载较慢，建议通过工具加速下载） https://github.com/mpromonet/webrtc-streamer/releases 2、解压下载包，双击ebrtc-streamer.exe文件，启动服务 （注意：这里也可以通过当前文件夹下用Cmd命令webrtc-streamer.exe -o或者自己编写一个脚本文件去启动exe文件，这样占用CPU会很少，直接双击exe文件会比较吃CPU） 当你看到下图是时就说明你启动成功，此时在浏览器访问localhost:8000可以看到本机监控画面（到这里，恭喜你，走完一半了，接下来就是重点了） 3、将下载包html文件夹下webrtcstreamer.js文件和html/libs文件夹下adapter.min.js文件复制到你的Vue项目public目录下，在index.html文件里引入这两个js文件。 js文件引用 index.html文件引用 <script type="text/javascript" src="<%= BASE_URL %>webrtcstreamer.js"></script> <script type="text/javascript" src="<%= BASE_URL %>adapter.min.js"></script> 4、编写页面 注意：因为是在本机启动服务,所以 new WebRtcStreamer(id,serverUrl)中URL需要传入127.0.0.1和端口号8000 <template> <div > <a-button @click="handleChange">切换</a-button> <video id="video" style="z-index: 9099999;" autoplay width="900" height="900"></video> </div> </template> <script> export default { name: 'index1', data() { return { webRtcServer: null//webRtcServer上下文 } }, mounted() { //video：需要绑定的video控件ID //127.0.0.1:8000：启动webrtc-streamer的设备IP和端口，默认8000 this.webRtcServer = new WebRtcStreamer('video', 'http://127.0.0.1:8000') //需要查看的rtsp地址,地址为财物系统地址 this.webRtcServer.connect('rtsp://127.0.0.1:8554/video') }, beforeDestroy() { this.

文章目录 前言方法一、本地yum源制作1.配置yum源2.测试 方法二、局域网内搭建yum源服务1.挂载镜像，配置本地源2.安装nginx3.其他局域网内服务器配置4.测试 前言 由于安全等问题，很多服务都只能在某个局域网被访问，服务器不能与互联网连接，此时，若要更新或安装一些基础软件就比较困难。 本文将介绍两种centos的yum源配置方法： 方法一：本地yum源制作方法二：局域网内搭建yum源服务，供其他服务器共同使用 方法一、本地yum源制作 1.配置yum源 # 备份 cd /etc/yum.repos.d/ mkdir repoback mv CentOS* repoback/ # 挂载系统镜像 mkdir /mnt/centos7.9 mount -o loop /home/test/CentOS-7-x86_64-Everything-2207-02.iso /mnt/centos7.9/ 编辑vi /etc/yum.repos.d/OS.repo [Centos7] name=Centos7 baseurl=file:///mnt/centos7.9 enabled=1 gpgcheck=0 更新源 yum clean all yum makecache 2.测试 # 安装net-tools测试一下是否可用 yum install net-tools 方法二、局域网内搭建yum源服务 1.挂载镜像，配置本地源 选择局域网的某一台服务器搭建为yum源服务，这里假设yum源服务的服务器ip地址为192.168.0.187。 首先也要挂载镜像，如果已经按方法一、本地yum源制作操作了，可直接跳到步骤2.安装nginx # 备份 cd /etc/yum.repos.d/ mkdir repoback mv CentOS* repoback/ # 挂载系统镜像 mkdir /mnt/centos7.9 mount -o loop /home/test/CentOS-7-x86_64-Everything-2207-02.iso /mnt/centos7.9/ 编辑vi /etc/yum.

随着计算机算力的提升，机器学习作为海量数据的分析处理技术，已经广泛服务于人类社会。 然而，机器学习技术的发展过程中面临两大挑战：一是数据安全难以得到保障，隐私泄露问题亟待解决；二是网络安全隔离和行业隐私，不同行业部门之间存在数据壁垒，导致数据形成“孤岛”无法安全共享，而仅凭各部门独立数据训练的机器学习模型性能无法达到全局最优化。为解决上述问题，谷歌提出了联邦学习（FL，federated learning）技术。 本文主要对联邦学习的开山之作《Communication-Efficient Learning of Deep Networks from Decentralized Data》 进行重点内容的解读与整理总结。 论文链接：Communication-Efficient Learning of Deep Networks from Decentralized Data 源码实现：https://gitcode.net/mirrors/WHDY/fedavg?utm_source=csdn_github_accelerator 目录 摘要 1. 介绍 1.1 问题来源 1.2 本文贡献 1.3 联邦学习特性 1.4 联邦优化 1.5 相关工作 1.6 联邦学习框架图 2. 算法介绍 2.1 联邦随机梯度下降（FedSGD） 2.2 联邦平均算法（FedAvg） 3. 实验设计与实现 3.1 模型初始化 3.2 数据集的设置 3.2.1 MNIST数据集 3.2.2 莎士比亚作品集 3.3 实验优化 3.3.1 增加并行性 3.3.2 增加客户端计算量 3.4 探究客户端数据集的过度优化 3.5 CIFAR实验 3.6 大规模LSTM实验 4. 总结展望 摘要 现代移动设备拥有大量的适合模型学习的数据，基于这些数据训练得到的模型可以极大地提升用户体验。例如，语言模型能提升语音设别的准确率和文本输入的效率，图像模型能自动筛选好的照片。然而，移动设备拥有的丰富的数据经常具有关于用户的敏感的隐私信息且多个移动设备所存储的数据总量很大，这样一来，不适合将各个移动设备的数据上传到数据中心，然后使用传统的方法进行模型训练。作者提出了一个替代方法，这种方法可以基于分布在各个设备上的数据（无需上传到数据中心），然后通过局部计算的更新值进行聚合来学习到一个共享模型。作者定义这种非中心化方法为“联邦学习”。作者针对深度网络的联邦学习任务提出了一种实用方法，这种方法在学习过程中多次对模型进行平均。同时，作者使用了五种不同的模型和四个数据集对这种方法进行了实验验证。实验结果表明，这种方法面对不平衡以及非独立同分布的数据，具有较好的鲁棒性。在这种方法中，通信所产生的资源开销是主要的瓶颈，实验结果表明，与同步随机梯度下降相比，该方法的通信轮次减少了10-100倍。

VMware虚拟机Linux系统与Windows系统共享文件夹出现"Transport endpoint is not connected"解决方法 问题描述：VMware虚拟机上Linux系统更换字体后，注销账户再次登录账户后，Linux与Windows系统的共享文件夹出现"Transport endpoint is not connected" 解决方法：重启大法！ over

Linux命令之cat 1.cat介绍 linux命令cat用于把文件内容显示在标准输出设备（即：显示器）上，也可以(单个/几个)文件内容追加别的文件当中去。 2.cat用法 cat [参数] [文件名称] cat命令常用参数 参数说明-b对所有非空输出进行编号，即空行不进行编号-s当遇到有连续两行以上的空白行时，“合并”为一行空白行显示-n对所有输出的行进行编号，编号默认从1开始-A,--show-all 显示隐藏符号；等价于-vET； -v 或 --show-nonprinting：使用 ^ 和 M- 符号，除了 LFD 和 TAB 之外。 -E 或 --show-ends : 在每行结束处显示 $。 -T 或 --show-tabs: 将 TAB 字符显示为 ^I。 3.实例 3.1对所有非空输出行进行编号 3.2连续空白行，“合并”一行显示 3.3对所有输出行进行编号 3.4cat特殊用法 1.使用cat命令创建文件ztj.txt 2.使用cat命令追加输出到ztj.txt 3.5显示文件的每行结尾的隐藏符号 命令： cat -A zzz.txt [root@rhel77 ~]# cat -A zzz.txt 123acb111 aaaa bbbb$ $ 123acb111 error 11111$ this is a test line$ aaa bbb ccc$ this is a test line$ $ $ aaaa bbbb cccc$ 1 111 111$ 2 222 222$ 1 111 111$ aaa$ $ $ a 1[34]5 dd$ a 135 dd$ a 145 dd$ $ $ $ $ loveable aaaa$ [root@rhel77 ~]#

Android 有线网络静态属性配置 本篇主要涉及Android 7【SDK 25】以上系统应用，设置有线网络的静态IP、子网掩码、网关等属性设置； 有线网络提供了管理类EthernetManager，获取开关状态、获取有线网络信息、设置动态IP 静态IP 子网掩码 网关Ip获取都通过它，在标准的Android 接口中，EthernetManager是隐藏的，所以在Framework没有放开的情况下，只能通过Java反射的形式进行调用，下面就先了解相关的API和方法。 注意：反射EthernetManager的前提是你的应用是系统级应用，否则反射的时候会报缺少权限，即使在AndroidManifest.xml清单里面配了也无济于事 1、介绍framework层网络配置相关类 package android.net; @SystemService(Context.CONNECTIVITY_SERVICE) public class ConnectivityManager { /** * Create a new EthernetManager instance. * Applications will almost always want to use * {@link android.content.Context#getSystemService Context.getSystemService()} to retrieve * the standard {@link android.content.Context#ETHERNET_SERVICE Context.ETHERNET_SERVICE}. */ public EthernetManager(Context context, IEthernetManager service) { mContext = context; mService = service; } /* * 阅读framework源码，我们发现ConnectivityManager的构造函数，需要两个参数 * 最重要一个是IEthernetManager，是一个系统服务，那么说明在Android SDK里面，肯定会有个service Tag可以直接可以获得EthernetManager */ /** * Get Ethernet configuration.

前言 对于X和Wayland的历史，可以阅读这篇：揭开Wayland的面纱（一）：X Window的前生今世 。 X协议发展到今天已有30多年历史，许多性能问题日益严重，为了提效，人们将xserver中的一些功能（如字体）独立成模块放入了内核； 这就导致xserver的大部分功能被剥离，而xserver只剩下传递消息的功能。 Wayland就是为了取代X，解耦合xserver，实现更高效的通信方式。 Wayland的优势是： 使用合成器取代x服务器，减少通信损耗；不提供渲染API，渲染由客户端完成，提高渲染效率。 X协议 这张图是Wayland官网提供的，用以说明x的通信原理，但是官网没有解释术语和细节，我增加了实例解释过程： 1. evdev接收到鼠标事件，如点击了画图工具上的一个画矩形的按钮； evdev将鼠标事件（坐标，单击）放入消息队列（/dev/input/eventX）中，X是数字不是x服务器； xserver会打开相应的eventX文件，然后监听文件的读取事件来获取输入设备产生的事件信息。 2. xserver将evdev事件（坐标，单击）转换为窗口事件（窗口，按钮，单击）； xserver将窗口事件发给应用（x Client）； 3. 画图工具通过消息处理函数，调用x的画矩形API，XFillRectangle，将画矩形命令传送给了xserver； 4. xserver接收到画矩形事件，并将事件发给了合成器； 5. 合成器接收到画矩形事件，调用x内置渲染器或者OpenGL等渲染器，完成了渲染，将图形信息转化成像素信息，并合成最后的屏幕图像信息，传递给xserver； 6. xserver将屏幕图像发送给KMS，KMS调用显卡驱动进行显示，显示新的屏幕图像。 到这里，我们知道了xserver的架构原理，看上去没啥问题。 但是对比x架构图和下边的Wayland架构图，就会发现，合成器完全可以平移到xserver的位置，而通信架构不变。 啥意思呢？就是xserver是多余的，用合成器取代xserver,是Wayland提效的方法之一。 Wayland协议 在Wayland架构中，xserver的位置被合成器取代了，架构由星型架构（围绕xserver）变成了三层架构（以合成器为中心）； 1. evdev接收到鼠标事件； 2. 合成器负责转化为窗口事件，并传递给客户端； 3. 客户端调用消息处理函数， 此处，合成器不再提供绘图和渲染命令，也就是不再提供类似XFillRectangle这样的接口函数，而是由客户端调用OpenGL函数，如glDrawElements，来完成画矩形的动作，然后将图像保存到surface结构体中，并调用wl_surface_commit函数通知合成器有图像刷新； 4. 和x不同的是，Wayland中每个应用都维护一个surface缓存，当窗口需要更新时，通过wl_surface_commit函数通知合成器，合成器会读取surface缓存，合成新的屏幕图像。 在Wayland中，合成器只负责合成屏幕图像，而不负责渲染，这是Wayland加速的主要原因： 一者，Wayland取消了xserver作为中心地位的多余通信步骤； 二者，将渲染过程放在客户端处理，相当于并发渲染，而x放在合成器中集中渲染，影响了性能。 X API简介 窗口管理窗口通信渲染：2D绘图、文字等 使用x接口画矩形： #include <stdio.h> #include <stdlib.h> #include <X11/Xlib.h> int main() { Display *dpy = XOpenDisplay(NULL); if (dpy == NULL) { fprintf(stderr, "Cannot open display\n"

大模型基础：GPT 家族与提示学习 从 GPT-1 到 GPT-3.5 GPT(Generative Pre-trained Transformer)是 Google 于2018年提出的一种基于 Transformer 的预训练语言模型。它标志着自然语言处理领域从 RNN 时代进入 Transformer 时代。GPT 的发展历史和技术特点如下: GPT-1 2018年6月, Google 在论文 “Improving Language Understanding by Generative Pre-Training” 中首次提出 GPT 模型。GPT-1 使用 12 层 Transformer 解码器堆叠而成，每层包含一个 multi-head self-attention 模块和一个全连接前馈网络。在一个包含网页、书籍等的大规模文本数据集上进行了无监督预训练，根据下游任务进行微调，展示了其在语言理解和生成任务上的强大能力, 是语言模型发展历史上的重要里程碑。GPT-1 的贡献在于证明了 Transformer 结构也可以进行无监督预训练, 并可以捕获语言的长距离依赖特征。GPT-1的提出推动了后续GPT模型系列的发展与革新。 GPT-2 2019年2月, OpenAI 发布 GPT-2 模型。GPT-2 使用更大规模的数据集,包含40GB文本数据,规模比GPT-1大40倍。GPT-2基于GPT-1进行改进,提出了一种简化的 Transformer 解码器结构。GPT-2 展示了强大的语言生成能力, 可以根据提示文本进行长段落语言生成。GPT-2 继承 GPT-1的设计思路, 通过扩大模型和数据集规模, 优化模型结构, 给出了一个更强大的预训练语言模型, 显示了该方向的发展前景。 GPT-3 2020年5月,OpenAI 发布GPT-3,引起了广泛关注。GPT-3使用了1750亿参数,是迄今为止最大的语言模型。GPT-3沿用了 Transformer 解码器结构,但进一步扩大了模型宽度和深度, 包含了96层Transformer块, 具有更强的表示能力。训练数据集达到了4000亿字的海量文本数据, 远超之前的GPT模型。这为GPT-3提供了丰富的世界知识。GPT-3在问答、翻译、总结等多项任务上都展现出强大的零样本学习能力，展现出接近人类的语言处理能力。GPT-3的关键创新在于提出了In-Context Learning概念, 可以理解提示并根据上下文进行回答，例如在问答任务中,只需在prompt提供问题及一个QA示例,GPT-3就可以学习回答同类问题，在千亿级参数量级的模型上,In-Context Learning 的能力才初步显现,可以从5-10个示例中获取新任务和概念信息。这种学习方式更贴近人类的学习模式。GPT-3 使语言模型产生了质的飞跃, 具有广泛的应用前景。

目录 一、输入电容C~IN~的选择1.1输入电容容值选择1.2 纹波电流（温度有关的量）1.3 额定电压1.4 关于电容的ESR1.5关于C~IN~的摆放问题 二、功率电感L的选择2.1 电感值的计算 三、C~OUT~的选择四、小工具 在写这篇博客之前，我想开始我的废话文学 “有时候很难把一个东西写的既透彻，又全面，还有针对性。” 我复盘了一下我的学习过程： 1、我们很难只从一本书、一篇博客、一篇帖子、一篇技术文章掌握到全面的知识。 2、所以要多方面收集关于细节方面的知识，并且用自己的语言整理和归纳。最后这篇帖子可能不满足全面、清晰的要求，但是它是你在整个学习过程中，针对自己之前掌握知识 最好的 补充。所以，笔记这个东西看别人的是没有用的，而即使自己写了不看，也比不写 会让你进步的更快。 3、推翻第二条（都说了是废话文学），希望我的这篇博客，大家看完后有收获，能进步。O(∩_∩)O 好了，我们进入正题了。 开关电源buck的工作电路原理图如下： 要强调一点，在下面的纹波的分析中，是在电路稳态的条件下。这点一定要时时刻刻记在脑袋里。可能大家有疑惑，既然是稳态，为什么有纹波呢？举个例子，震荡电路的稳态是什么？是幅值和周期都恒定的正弦/方波信号。所以恒定的纹波就是稳态。 那么第二个问题：纹波从哪里来？本质是开关管的两种工作状态，更为本质是我们要降压。既然使用DC-DC，那么纹波不可消灭，只能尽可能降低。这是这个电路的基因。如何尽可能降低？那就是选择合理的感值、容值及其合理的其他特性参数，e.g. ESR ESL DCR 等。电路如何安全、可靠的工作？这就涉及到额定值：对电容来说就是额定电压、额定纹波电流；电感来说就是饱和电流、温升电流。 一、输入电容CIN的选择  为什么要加输入电容？ 答：为了降低输入电压纹波。降低输出纹波，稳定输出电压。  在存在CIN的条件下，合理的选择CIN的值，使输入电压纹波降低带来的好处？ 答：①减小电容上的功率消耗；②增加电容的使用寿命。 输入电压纹波与选择CIN 的ESR直接相关。而输入的电压纹波来源于电容上的纹波电流。所以我们要先分析电容的纹波电流。电路有两种工作状态：开关管的ON 或者OFF 状态。其实在下面的分析中，所有参数的都要分析开关管的ON/ OFF状态。 下面这一组图片的每一个波形，我希望大家都能够仔细的分析。 我们先分析输入纹波电流，所以先只用看上图的ICIN 1、当Q1 导通期间（ON）时，输入电流Iin和CIN 同时给输出端提供电流； 2、在Q1关断期间（OFF），输入电流仅仅给CIN充电。  那么充电和放电电流是多少呢？ 答：见下图↓↓ 以上分析时，可以假定IIN和IOUT几乎恒定的条件去分析。很容易得出上述的关系式。为什么可以这么假定？IOUT比较好理解。那么IIN呢？为什么是恒定呢？因为电路在动态平衡时，能量守恒。是不是很简单粗暴？？那怎么去理解电路的动态平衡？就是电路的电感和电容在开关ON & OFF的周期内，储能=放能。那么电路的净消耗就由源端VIN提供。 1.1输入电容容值选择 根据开关ON/OFF时，电容的充放电平衡可以得到： 理论上，上面的公式只给出了CIN的最小值要求。对于稳态平衡状态来说，可以改变的参量并不多，IO和D都是几乎不变的，所以上述公式建立输入电容和输入纹波电压之间的关系式。 洁仔遇到过的调试问题： 因为CIN不够，导致上电后输出电压持续下降的现象。原因就是输入电容容值过小，在充电时没有存储足够的能量，导致开关管开启以后，供流不够，导致电压下降。 比如ST的一款DC-DC芯片：ST1S06，在数据手册里面写输入电容可以大，而且没有限制。 在CIN容值确定时，需要考虑以下几点： 1、偏压效应（DC bias voltage） 参考文章电容的偏压效应（仅仅针对陶瓷电容），尤其当电压比较高时，偏压效应会导致容值的大幅减小，电解电容和钽电容不存在这个问题； 2、容值的精度范围；±10% or ±20% 3、电容的温度曲线；X5R 和 X7R都是±15%，两者温度范围有所不同。Z5U是-56%~+22%，还要注意一点，电容的温度曲线不是单调的。 总之，要将所有影响容值的因素都要考虑进去，然后保证在最恶劣的条件下，选取的电容值仍然≥CINmin 1.2 纹波电流（温度有关的量） 现推导流经输入电容纹波电流的有效值：

一、主机连接CentOs7虚拟机出现异常，xshell7一直连接不上 虚拟机ping 127.0.0.1可以ping通。 但是主机无法ping到虚拟机的ip：192.168.10.111。 网关、子网、子网掩码均配置没问题，vi /etc/sysconfig/network-scripts/ifcfg-ens33文件中均配置正常。 翻阅网上大部分解决方案，无非就是说ip或者本地网段配置出错。实际上，在尝试之后本机均ping不通。 二、解决方案：修改虚拟机的网络适配器 在确保vmware网络虚拟编辑器配置正确的前提下，查看虚拟机的网络适配器。 发现网络的处于NAT模式下，需要选择下方的自定义方法，自定义为为VMnet8，点击“确定”。 修改之后即可从本机ping通到虚拟机，之后即可通过xshell7等软件连接到虚拟机。

1 项目经验获取 ​ 1️⃣ 网上项目兼职 码市开源众包程序员客栈 ​ 2️⃣ 项目中学习 githubgitee 2 Github增加项目经验 ​ 😃 Explore – 探索github中有意思的项目 or hello github 😃 ​ Explore Trending Topics：学习当前热门主题，了解技术栈。 ​ 🎈 fork：copy项目到自己仓库中，可以修改之后pull request到原项目的主版本。 ​ 🧨 搜索名字中包含spring的项目：in:name spring ​ ✨ 搜索项目简介中包含spring的项目：in:description:spring ​ 🎉 限制搜索项目的stars和fork：in:description:spring stars:>1000 forks:>1000 ​ 🎊 限制项目的更新时间：in:description:spring pushed:>2023-08-28 3 别人项目高效学习方法 项目的整体逻辑梳理 项目整体逻辑项目设计项目需求 核心模块你会怎么实现？ 需求分析现有技术栈实现方法 核心模块查漏补缺，取长补短 别人是怎么实现和你的有什么不同 在项目中加入自己的东西（创新） 功能修改架构优化 ​ ❗ 遇见问题，解决问题 👉 编程自己的项目。 ​ ⭕ 总结+归纳

VUE+ElementUI 使用el-input类型type=“number” 时，取消右边的上下箭头 问题描述 在使用elementUI的el-input组件时，想要输入框只输入数字，于是设置了类型属性type=“number” ，但是右边出来了进步上下箭头 默认效果 最终实现效果 代码 <div class="tableForm"> <el-input v-model="value" type="number" placeholder="请输入内容" clearable /> </div> 解决方案 一、全局解决生效 在style里面添加以下代码即可取消所有el-input类型type="number"的右边箭头 <style lang="scss"> input::-webkit-outer-spin-button, input::-webkit-inner-spin-button { -webkit-appearance: none; } input[type="number"] { -moz-appearance: textfield; } inpit { border: none } </style> 二、仅局部当前页面生效 1. 通过父级元素添加指定类名去寻找对应的el-input 案例：取消所有父级元素类名为tableForm下面的el-input类型type="number"的右边箭头 <style lang="scss"> .tableForm { input::-webkit-outer-spin-button, input::-webkit-inner-spin-button { -webkit-appearance: none; } input[type="number"] { -moz-appearance: textfield; } inpit { border: none } } </style> 2. style上添加 scoped 属性 当前页面style样式上使用scoped属性，来避免影响其他页面样式，只在当前页生效，但是按照1的方法直接样式拿过来却没有任何效果，样式不起作用，因此需要使用 深度选择器 /deep/ 去寻找

linux文件恢复救大命 早上不小心将部署文件删除了，内心十分复杂，终于找回部分损失，其中一个非常重要的点是，文件必须得是修改过或者运行过，在服务器中存在进程记录 sudo su # 进入root权限 lsof | grep deploy.py 在这里可以看到10674为删除的进程号 然后我们需要进入进程号的位置 cd /proc/10674/fd ls -ltr 然后我们就可以看到被删除的文件名后面带有(deleted)，以及他的对应文件名，通常为数字，然后我们可以通过cp的方式将已删除的文件进行还原 cp ./3 /home/ps/ 大功告成！！！

目录 1、说在前面 2、RTKNAVI-v2.4.3 b34 数据输入、输出的配置 3、RTKNAVI-v2.4.3 b34 解算模式的配置 1、说在前面 RTKLIB中进行数据处理的模块有两个，分别是后处理分析rtkpost与实时处理rtknavi。其中，rtknavi模块将原始的观测数据作为输入执行实时的定位导航。并且用户通过设置定位模式为动态，输入流动站与基准站的接收机数据，可以执行模糊度OTF (on‐ he‐fly)解算下的RTK‐GPS/GNSS定位。 2、RTKNAVI-v2.4.3 b34 数据输入、输出的配置 （1）首先界面的左上角我们可以选择定位解算的时间参考系，如UTC、GPST等，并且正下方可以设置坐标参考系，如XYZ地心地固坐标，ENU东北天本地坐标系等: （2）点击界面的右上方的 "I"可以配置数据输入流的输入方式、数据格式及输入的数据类型。 PS：可选的输入类型有： (a) Serial : Input data from a serial port (RS232C or USB) (b) TCP Client : Connect to a TCP server and input data via the TCP connection (c) TCP Server : Accept a TCP client connection and input data via the TCP connection (d) NTRIP Client : Connect to a NTRIP caster [20] and input data via the NTRIP.

失物招领小程序，主要包括管理员与学生二个权限角色，对于用户角色不同，所使用的功能模块相应不同。本文从管理员、学生的功能要求出发，失物招领小程序中的功能模块主要是实现学生管理、失物招领管理、认领信息管理、失物寻找管理等功能。经过认真细致的研究，精心准备和规划，最后测试成功，系统可以正常使用。分析功能调整与失物招领小程序实现的实际需求相结合，讨论了springboot开发失物招领小程序的使用。 本失物招领小程序，使用的是比较成熟的java语言和比较完善的MySQL数据库，将网络失物招领小程序信息管理系统可以更安全、技术性更强的满足网站所有信息的管理。 失物招领小程序主要实现了管理员服务端模块、学生微信端模块二大部分。通过本失物招领小程序可以提高管理人员的工作效率，减少出错率，对于数据存储及查找有了更方便的操作。 详细内容介绍，将在以下五章中详细阐述： 第一章、绪论，介绍了研究课题选择的背景及意义、研究现状，简要介绍了本文的章节内容。 第二章、引入技术知识，通过引入关键技术进行开发，向系统中涉及直观表达的技术知识。 第三章、重点分析了系统的分析，从系统强大的供需市场出发，对系统开发的可行性，系统流程以及系统性能和功能进行了探讨。 第四章、介绍了系统的详细设计方案，包括系统结构设计和数据库设计。 第五章、系统设计的实现，通过对系统功能设计的详细说明，论证了系统的结构。 第六章、系统的整体测试，评判系统是否可以上线运行。 目 录 摘 要 1 Abstracts 1 目 录 1 第1章 绪论 1 1.1课题背景 1 1.2研究意义 1 1.3研究内容 2 第2章 技术介绍 2 2.1 微信开发者工具 3 2.2 小程序框架以及目录结构介绍 3 2.3 java语言 4 2.4 Mysql数据库 4 2.5 Spring Boot框架 4 第3章 需求分析 5 3.1需求分析概述 6 3.2可行性分析 6 3.2.1经济可行性 6 3.2.2技术可行性 7 第4章 系统设计 7 4.1系统结构设计 7 4.2数据库设计 8 4.2.1实体ER图 8 4.2.2数据表 10

一、基本概念（查询语句）* ①基本语句 1、“select * from 表名;”，—可查询表中全部数据； 2、“select 字段名 from 表名;”，—可查询表中指定字段的数据； 3、“select distinct 字段名 from 表名;”，—可对表中数据进行去重查询。 4、“select 字段名 from 表名 where 查询条件;”，—可根据条件查询表中指定字段的数据； ②条件查询 1）比较运算符：>, <, >=, <=, =, !=, <> 查询大于18岁的信息 select * from students where age>18; select id, name,gender from students where age>18; 查询小于18岁的信息 select * from students where age<18; 查询年龄为18岁的所有学生的名字 select * from students where age=18; 2）逻辑运算符：and, or, not –18到28之间的学生信息 select * from students where age>18_and age<28: –18岁以上的女性