thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
比來Cpanel經常在進級從PHP 5 生到PHP 7 主動設定
原本安裝好的 OPENCART 3.0.2
變得不克不及上傳
點擊上傳圖片沒反映
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
這篇文章將註釋如何在 RHEL 8 或 CentOS 8 上安裝和設定 Samba。您還將認識如何利用 samba 將 RHEL 8 或 CentOS 8 系統中的資料夾共用到 Windows 電腦。
Windows 和 Linux 系統的佈局分歧，兩者之間的和平共處常常是個挑戰。感激 Samba，兩個系統如今可以透過網路同享檔案和資料夾。那什麼是森巴舞呢？ Samba 是一種免費的開源協議，答應以簡單、無縫的體例在兩個系統之間共用檔案。您可以在 Linux 伺服器上擁有一個 Samba 伺服器，託管 Windows 用戶端可以存取的各類檔案和資料夾。
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
網頁設計
在利用CSS的時辰，用某些特效能讓網站更有活力，若是應用JQUERY又太甚複雜
不外今天作者看到某網站的應用不錯，於是就操縱CSS也做了
可以看到下圖，滑鼠未移置圖片範例
 
用CSS寫以下代碼
- .chimga{
- margin:10px;
- width:100%;
- height:100%;
- box-sizing:border-box;
- overflow:hidden;
- display:block;
- }
- .chimga:hover img{
- -moz-transform:scale(1.3) rotate(2deg);
- -webkit-transform:scale(1.3) rotate(2deg);
- -o-transform:scale(1.3) rotate(2deg);
- -ms-transform:scale(1.3) rotate(2deg);
- transform:scale(1.3) rotate(2deg);
- }
複製代碼
|
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
在測試 mnist 數字辨識時
代碼來源
https://hackmd.io/@Maxlight/SkuYB0w6_#3-hyperparameter
- import torch
- from torch.utils import data as data_
- import torch.nn as nn
- from torch.autograd import Variable
- import matplotlib.pyplot as plt
- import torchvision
- import os
-
- EPOCH = 1
- BATCH_SIZE = 50
- LR = 0.001
- DOWNLOAD_MNIST = False
-
- train_data = torchvision.datasets.MNIST(root = './mnist',train = True,transform = torchvision.transforms.ToTensor(),download = DOWNLOAD_MNIST)
-
- print(train_data.train_data.size())
- print(train_data.train_labels.size())
- plt.ion()
- for i in range(11):
- plt.imshow(train_data.train_data[i].numpy(), cmap = 'gray')
- plt.title('%i' % train_data.train_labels[i])
- plt.pause(0.5)
- plt.show()
-
- train_loader = data_.DataLoader(dataset = train_data, batch_size = BATCH_SIZE, shuffle = True,num_workers = 2)
-
- test_data = torchvision.datasets.MNIST(root = './mnist/', train = False)
- test_x = torch.unsqueeze(test_data.test_data, dim = 1).type(torch.FloatTensor)[:2000]/255.
- test_y = test_data.test_labels[:2000]
-
- class CNN(nn.Module):
- def __init__(self):
- super(CNN, self).__init__()
- self.conv1 = nn.Sequential(
- nn.Conv2d(in_channels = 1, out_channels = 16, kernel_size = 5, stride = 1, padding = 2,),# stride = 1, padding = (kernel_size-1)/2 = (5-1)/2
- nn.ReLU(),
- nn.MaxPool2d(kernel_size = 2),
- )
- self.conv2 = nn.Sequential(
- nn.Conv2d(16, 32, 5, 1, 2),
- nn.ReLU(),
- nn.MaxPool2d(2)
- )
- self.out = nn.Linear(32*7*7, 10)
-
- def forward(self, x):
- x = self.conv1(x)
- x = self.conv2(x)
- x = x.view(x.size(0), -1)
- output = self.out(x)
- return output, x
-
- cnn = CNN()
- print(cnn)
-
- optimization = torch.optim.Adam(cnn.parameters(), lr = LR)
- loss_func = nn.CrossEntropyLoss()
-
- for epoch in range(EPOCH):
- for step, (batch_x, batch_y) in enumerate(train_loader):
- bx = Variable(batch_x)
- by = Variable(batch_y)
- output = cnn(bx)[0]
- loss = loss_func(output, by)
- optimization.zero_grad()
- loss.backward()
- optimization.step()
-
- if step % 50 == 0:
- test_output, last_layer = cnn(test_x)
- pred_y = torch.max(test_output, 1)[1].data.numpy()
- accuracy = float((pred_y == test_y.data.numpy()).astype(int).sum()) / float(test_y.size(0))
- print('Epoch: ', epoch, '| train loss: %.4f' % loss.data.numpy(), '| test accuracy: %.2f' % accuracy)
-
- test_output, _ = cnn(test_x[:10])
- pred_y = torch.max(test_output, 1)[1].data.numpy()
- print(pred_y, 'prediction number')
- print(test_y[:10].numpy(), 'real number')
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
DEMO圖片
Strength.js 套件能用在註冊時就先檢查暗碼的強度，目前良多網站都有會員機制，許多人怕暗碼會忘記或是偷懶都會用一些很簡短簡單的暗碼，如許就讓其它歹意的利用者就有機可趁，這也讓網站的經管者很頭大。
此套件首要的標準分數為:
暗碼必需包含8個字符以上
暗碼必須包括1個小寫字母
暗碼必需包括1個大寫字母
暗碼必須包括1個數字
固然有特別的字元也是加分的要害
利用方法:
第一步 載入 JavaScripts 和 CSS 的樣式檔案
- <!-- 樣式檔案 -->
- <link href='strength.css' rel='stylesheet' type='text/css'>
- <!-- 使用 Google 的 API 獲得 jQuery-->
- <script type="text/javascript" src="http://ajax.googleapis.com/ajax/libs/jquery/1.7.2/jquery.min.js"></script>
- <!-- Strength.js 的主程式檔案-->
- <script type="text/javascript" src="strength.js"></script>
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
法式員的渺茫－找尋不到價值
在浩蕩的軟件世界裡，作為一位普通法式員，顯得十分渺小，乃至會感應蒼茫。我們內心崇拜手藝，卻也對日新月異的手藝抱有深深的恐懼。手藝市場就像這喜怒不定的老天爺，今全國個大數據雨，明天掛小我工智能風，面臨琳瑯滿目標手藝海潮的衝擊，法式員不免深感無力，深怕錯過了手藝潮流從而落空了職場競爭力。
有時刻我會思慮難道在手藝領域內不息緊跟新潮，不休提陞技能就是我的價值地點?那麼我是手藝的主人仍是手藝的奴隸？人之所以蒼茫常常是找不到工作生活的重心，感觸感染不到工作或糊口的價值。那麼什麼是價值呢？說的大一點就是我改變了世界，說的小一點就是我的所作所為改良了某些問題。如果不清楚本身的行為、目標、價值三者的關係，那麼又何來重心？又如何能分得清主要性與優先級呢？
程序員的迷茫不僅僅是面臨手藝複雜的無力感，更重要的是因為長期藏匿於軟件世界的浩大的分工系統中，沒法看清從業務到軟件架構的價值鏈條，沒法清晰定位自己在分工體系的位置，處置懲罰欠好自身與手藝、營業的關係而至。
許多程序員打心底不喜好營業，這一點我曾也經歷過，我更寧願從事框架東西、手藝組件研究的相幹工作。我有個朋友常常吐槽我說:"你們天天加班加點寫了那麼多代碼，然後呢？有改變什麼嗎？還不是寫出了一堆垃圾。"細心想一想良多時辰營業在我們腦海中存留的只是邏輯和流程，我們丟失的是對營業場景的感觸感染，對用戶痛點的體會，對營業發展的思慮。這些都是與價值慎密相幹的部份。我們很天然的用戰術的勤勞掩蓋戰略的怠惰！那麼如許的後果就是我們把本身限死在流水線的工位上，閹割了自己能夠發現營業價值的能力，而過多關注新技術對職場競爭力的價值。這也就是我們面臨複雜手藝，而產生手藝進修焦炙症的基本原因。
營業、技術與軟件系統的價值鏈
那麼什麼是營業呢？就是指某種有目的的工作或工作項目，營業的目標就是解決人類社會與吃喝住行互相關註的範疇問題，包羅物質的需乞降精力的需求。
使展開營業運動的主體和受眾都能得到利益。通俗的講營業就是用戶的痛點，是業務供應方（好比公司）的盈利點。而技術則是解決問題的東西和手段。
好比為了解決用戶隨時隨地購物的營業問題時，法式員哄騙web手藝構建電子商務App，而當需求進級為幫助用戶快速選購商品時，法式員會行使數據算法等技術手段構建保舉引擎。
手藝假如離開了營業，那麼技術應用就沒法很好的落地，手藝的研究也將落空場景和方向而營業離開了手藝，那麼營業的開展就變得極爲昂貴和低效。
所以回過頭來我們想一想本身沒日沒夜寫了那麼多的代碼從而構建起來的軟件系統，它的價值安在呢？
說白了就是為認識決業務問題，所以當你所從事的工作內容並不能為解決營業問題帶來多大接濟的時候，你應當要實時做出調劑。
那麼軟件系統又是若何體現它本身的價值呢？在我看出處如下方面表現：
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
網頁設計
jQuery分類過濾和排序結構插件-Isotope，jquery-isotope
Isotope是一款效果非常神奇的元素分類過濾和排序結構jQuery插件。Isotope是Masonry結構的作者David DeSandro的一款力作，該分類過濾和排序插件允許你以非常簡單和炫酷的方式來潛藏和顯示元素，和對元素依照指定的劃定規矩進行排序。
Isotope可以設置多種佈局體例：masonry結構、程度結構、垂直佈局、合適行結構、合適列結構等等。
注意：Isotope不是完全免費的軟件。用於貿易用處時需要向作者購置。作為非商業用處利用時，在遵守GPL v3 License 規範的條件下，你可以自由利用該插件。
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
因為項目中需要用到圖表生成，所有Google了下，找到了這個插件，順帶寫了個DEMO。點擊跳轉官網
先上三個圖，別離曲直線、柱狀、扇形。
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
網頁設計
因為信件發不出去(gmail hotmail 直接被退回)
問了CPanel官方後
他說hostname沒法對應，要改成與nameserver一樣
然後若何重建Exim PTR /保存DNS Cache 和更新MAIL HELO
進入WHM
Home »Service Configuration »Exim Configuration ManagerDocumentation
Rebuild Reverse DNS Cache and Update Mail HELO
thatcheulruaj 發表在 痞客邦 留言(0) 人氣()
