精华内容
下载资源
问答
  • 修改加密狗授权时间

    2020-07-09 18:01:14
    机器学习正在高速发展的过程中,无论是推荐系统、计算机视觉、自然语言处理、还是各种语音识别和自动驾驶技术,在机器学习的加持下,都在不断地变得越来越好用和可靠。但作为前端工程师的我们,尽管社区内已经有了 ...

    机器学习正在高速发展的过程中,无论是推荐系统、计算机视觉、自然语言处理、还是各种语音识别和自动驾驶技术,在机器学习的加持下,都在不断地变得越来越好用和可靠。但作为前端工程师的我们,尽管社区内已经有了 Tensorflow.js、ONNX.js 等前辈存在,但机器学习离 JavaScript 开发者仍然很远,原因有二:JavaScript 自身所沉淀的机器学习生态仍然不够成熟和稳定;JavaScript 对于机器学习/深度学习最前沿的算法和模型的支持总是滞后的;那么 Pipcook 究竟是如何解决以上两个问题并让 AI 爱 JavaScript 的呢?答案之一就是 —— Boa,在 Pipcook 的设计哲学中,我们并不迷信所谓的 JavaScript 邪教 —— “任何能被 JavaScript 重写的都将会使用 JavaScript 重写”,Pipcook 开发团队更在意用户的使用体验,而非使用何种语言去实现它。从上图可以看出来,我们在构建 Pipcook 的过程中,使用了多种编程语言和技术,其中 TypeScript 和 JavaScript 加起来仅不到 25%。在 Pipcook 中,通过 Boa 提供了无缝使用 Python 生态的能力,解决了机器学习与 JavaScript 的物理距离,但还剩下所谓的“理论”距离 —— 让前端工程师进化为机器学习软件工程师。如果说通过 Node.js,能帮助前端工程师转职成为服务端工程师,那么 Pipcook 在这方面,也希望成为前端工程师们进阶为机器学习软件工程师的利器。那么,在了解了为什么会有 Pipcook 之后,就来看看 Pipcook 本身的项目定义:Pipcook 是一个为前端工程师打造的机器学习工具集与此同时,Pipcook 引入了两个不算太新的概念:Pipeline 作为目前 Pipcook 最核心的功能提供,用于描述(JSON)并构建单个机器学习模型;PipApp 作为实验性质的功能提供,它通过提供更高级的使用方式,屏蔽了模型部署和训练的细节,让工程师只需关注机器学习的“业务逻辑”;另外,Pipcook 分别提供了 Pipcook Tools(命令行工具)和 Pipboard(GUI 工具)来让用户使用 Pipeline 和 Pipboard。什么是机器学习呢?在开始正式介绍 Pipcook 之前,我们先为一些新手同学科普下什么是机器学习,若你已经了解,可以直接跳过。首先,机器学习发展至今,已经成为了一种全新的思维模式,它不同于我们传统的编程思维,因为后者在思考和工作的过程中,虽然有明确的计算机分层,但最终从上至下的逻辑都是清晰可见的,也是易于解释的,而对于应用程序本身,要么是按照 OO 的思想在设计虚拟世界中的每一个实体和抽象,亦或者 FP 中的输入与输出,总而言之,我们在设计时,必须对细节了然于胸。但对于机器学习来说,其思维方式更像是通过代码构建了一个在通用与不通用之间的数据结构(即模型),然后将真实的数据输入到这个数据结构中,不同的数据输入就能产生不同的结果,而我们把这个产生的过程称为训练。对于一个问题而言,已经不需要我们将具体的操作步骤完全定义出来了,我们让机器取代我们的思考过程,从数据中去学习潜在的规律,这样的方式更适合一些更为复杂的问题,比如当很多数据产生时,人脑已经很难进行归纳和抽象时,往往使用机器学习会取得更好的效果。所以,可以看得出来,机器学习并非是为了完全取代人类。相反,正如一开始蒸汽革命与电气革命一样,机器学习是取代那部分对于人类来说繁琐,难以归纳和抽象的工作,而人类将借助于机器学习,可以站在更高的角度去解决遇到的问题。那么对于机器学习本身来说,它也不是万能灵药,而在 Pipcook 中,把机器学习分为了图片和文本两大类,其中每一类都包括了对应的一些任务,如下:比如在前端智能化最常见的设计稿生成代码的场景中,就使用了图片分类和目标检测来提取设计稿的信息,提供给代码生成器。在 Pipcook 中,针对每一类的任务,也就对应于一个 Pipeline —— 即一个模型,在接下来的系列文章中,我们也会针对典型的一些 Pipeline 提供单独的教程。什么是 Pipeline在了解了机器学习与 Pipcook,接下来就可以学习 Pipcook 中的 Pipeline 了,在前面也提到了 —— 一个 Pipeline 对应于一个模型,也就是说每个 Pipeline 就是通过输入一些插件和配置,然后最后输出一个训练好的模型。整个过程我们通过下图来做一个简单的说明:这条 Pipeline 是从左下方开始的:data collect 插件按照机器学习任务的类型(视觉/文本),将输入的数据集转成 Pipcook 内部标准的数据格式,PascalVoc 与 CSV;data access 插件则负责将 Pipcook 标准数据集格式转换为模型需要的 UniDataset,当中,如果配置了 data process 流程,会将数据集中的每一行数据通过 data process 进行预处理;处理好的 UniDataset 就分为元信息和训练集两个部分,分别传到 model define 和 model train 插件;model define 插件通过数据集的元信息来定义模型的形状和结构,定义完成后进入下一阶段;model train 插件通过将 UniDataset 中的训练集输入到定义的模型中进行训练,完成后进入下一个阶段;model evaluate 插件将 UniDataset 中的测试集输入到训练好的模型中,以此来对模型最终的效果进行评估,若结果满足要求,则输出可以使用的模型;以上就是一个基本的 Pipeline 流程,那么我们来看看 Pipeline 具体是长什么样子:{
    “plugins”: {
    “dataCollect”: {
    “package”: “@pipcook/plugins-mnist-data-collect”,
    “params”: {
    “trainCount”: 8000,
    “testCount”: 2000
    }
    },
    “dataAccess”: {
    “package”: “@pipcook/plugins-pascalvoc-data-access”
    },
    “dataProcess”: {
    “package”: “@pipcook/plugins-image-data-process”,
    “params”: {
    “resize”: [224, 224]
    }
    },
    “modelDefine”: {
    “package”: “@pipcook/plugins-tensorflow-mobilenet-model-define”,
    “params”: {
    “batchSize”: 8,
    “freeze”: true
    }
    },
    “modelTrain”: {
    “package”: “@pipcook/plugins-image-classification-tensorflow-model-train”,
    “params”: {
    “epochs”: 15
    }
    },
    “modelEvaluate”: {
    “package”: “@pipcook/plugins-image-classification-tensorflow-model-evaluate”
    }
    }
    }复制代码从上图可以看到 Pipeline 十分简单,只需要按照预先定义的字段配置你需要的插件及参数即可,然后再通过 Pipcook Tools 来运行它就行了:pipcook run https://foobar.xzz/mobilenet-classification.json复制代码Pipcook Tools 支持运行本地和远程的 Pipeline,这意味着开发者可以通过 CDN、GitHub 或者任意 HTTP 服务来分享你的 Pipeline。在经过一定时间的训练之后,就会在当前目录下的 output 文件夹下看到生成的模型文件和相关的 JavaScript 库了:生成后的使用方式也十分简单:$ cd ./output && npm install
    $ node -e "require(’./output’)(‘input data’)"复制代码除此之外,你也可以通过 Pipboard 随时下载历史的训练结果,如下图所示:为了方便开发者使用,Pipcook 已经内置了一些任务类型的 Pipeline:文本类文本分类:text-bayes-classification(基于朴素贝叶斯的分类)、fasttext-classification(基于 FastText 的文本分类)文本创作:chinese-poem-creation(生成中国诗歌)视觉类图片分类:mobilenet-image-classification(基于 mobilenet 的图片分类)目标检测:object-detection(基于 detectron2 开发的目标检测)图片风格迁移:image-generation-cycle-gan(基于 CycleGAN 的图片生成)如何开发插件通过上面的介绍,读者基本已经了解了 Pipcook 主要的使用场景了,对,那就是 —— Pipeline,但要说到 Pipeline 却离不开插件,我们为 Pipcook 的 Pipeline 生态构建了一套开放的插件机制,通过这套机制,任何开发者都可以随时随地基于 Node.js 为 Pipcook 拓展插件。首先,一个插件,也是一个 NPM 包,在 NPM 包的基础上,Pipcook 增加了一些拓展字段,即在 package.json 中增加了一些额外的定义,下面就是一个简单的定义:{
    “name”: “my-own-pipcook-plugin”,
    “version”: “1.0.0”,
    “description”: “my own pipcook plugin”,
    “dependencies”: {
    “@pipcook/pipcook-core”: “^0.5.0”
    },
    “pipcook”: {
    “category”: “dataCollect”,
    “datatype”: “image”
    },
    “conda”: {
    “python”: “3.7”,
    “dependencies”: {
    “tensorflow”: “2.2.0”
    }
    }
    }复制代码首先,每个插件都必须依赖 @pipcook/pipcook-core,它包含了实际定义插件所依赖的类型定义和一些工具函数。然后是 “pipcook” 节点,它定义了插件的基本信息,比如类别和数据类型,它用于 Pipcook 对插件本身做归类和整理,接下来就是 “conda” 节点(可选),如果插件依赖 Python 环境,那么开发者可以通过这个字段配置Python 的依赖,比如上述就表示插件依赖 Python 版 tensorflow@2.2.0,在 Pipcook 安装插件时就会自动进行安装。定义好这些基本信息后,就可以开始写具体的插件代码了,还记得前面在说明 Pipeline 流程时的那张图吗?每一种插件类型的写法都是不一样的,比如一个简单的 data collect 插件如下:const collectTextline: DataCollectType = async (args: ArgsType): Promise => {
    const { uri, dataDir } = args;
    await fs.copy(uri, dataDir + ‘/my-own-dataset.csv’);
    return null;
    };
    export default collectTextline;复制代码插件的输入是 ArgsType,输出是 void,那么来看看 data process 插件:const doubleSize: DataProcessType = async (sample: Sample, metadata: Metadata, args?: ArgsType): Promise => {
    // double the data
    sample.data = sample.data * 2;
    };
    export default doubleSize;复制代码看,无论是输入的参数还是函数返回值,都不一样了。但读者也不需要害怕,Pipcook 中的插件类型都是固定的,并且每一种插件的写法和类型定义也都定义好了,具体可以阅读 Pipcook 的插件规范文档。另外,正如在开篇所说的,Pipcook 通过 Boa 提供了无缝接入 Python 生态的能力,也正因为这种能力,才帮助 JavaScript 社区解决了机器学习生态成熟度和前沿技术使用的问题,那么究竟如何开始使用 Boa 呢?首先,在 package.json 中的依赖中添加 @pipcook/boa 及对应版本,另外在 “conda.dependencies” 中添加依赖的 Python 包,然后就能在插件中使用了:const boa = require(’@pipcook/boa’);
    const tensorflow = boa.import(‘tensorflow’);复制代码PipApp(实验功能)Pipcook 开发团队一直在思考什么样的编程方式,能让前端工程师更容易地使用机器学习,未来机器学习究竟会在前端领域是什么样的呢?因此我们开发了 PipApp,为开发者屏蔽掉了更多技术细节,让开发者只需要关注机器学习的“业务逻辑”。下面我们来看看一个 PipApp 长什么样:import { createLearnable, nlp } from ‘@pipcook/app’;
    const isCooking = createLearnable(async function(sentence: string) {
    return (await nlp.classify(sentence));
    });
    const isBooking = createLearnable(async function(sentence: string) {
    return (await nlp.classify(sentence));
    });

    (async () => {
    console.log(await isCooking(‘test’));
    console.log(await isBooking(‘booking test’));
    })();复制代码上面的例子,首先通过 createLearnable 创建了一个机器学习上下文,你可以把它理解成一种特殊的 async function,只有在 Learnable 函数块中才能使用 PipApp 提供的机器学习 API。上面的例子,分别创建了两个机器学习流程,在其中都使用了 nlp.classify 来完成一个文本分类的任务。与运行 Pipeline 不同,PipApp 需要创建一个完整的项目目录,因此在开始之前,我们需要从初始化一个 Node.js 项目开始。$ npm init
    $ npm install @pipcook/app --save复制代码创建好项目以及完成代码之后,就可以开始编译项目了,它的主要目的是分析项目代码并生成对应的 Pipeline 和项目文件。$ pipcook app compile /path/to/your/project/script.ts
    generated 2 pipelines, please click the following links to config them:
    (nlp.classify) > http://localhost:6927/index.html#/pipeline/info?pipelineId=1a287920-b10e-11ea-a743-792a596edff1
    (nlp.classify) > http://localhost:6927/index.html#/pipeline/info?pipelineId=1a287921-b10e-11ea-a743-792a596edff1复制代码执行完命令后,会提示配置 Pipeline,通过链接点击进去去配置即可,开发者需要根据不同的调用接口来配置不同的数据,比如第一个分类是为了对产品进行分类,那么我们配置 Pipeline 的时候,就要准备跟产品分类相关的数据集。当配置完成后,保存 Pipeline,就可以开始训练了:$ pipcook app train /path/to/your/project/script.ts复制代码当所有模型训练完成后,就可以开始构建最终的应用包了,构建完成后,会在目录下生成 {filename}.ml.js 文件,使用 Node.js 运行即可:$ pipcook app build /path/to/your/project/script.ts
    $ node /path/to/your/project/script.ml.js复制代码简单地说,当用户希望将多个模型放在一起使用时,PipApp 能更加方便地将这些模型的使用逻辑与调用关系结合在一起,就好像现在在 Node.js 中调用 API 一样,唯一的不同在于写好的代码仍然不能立即执行,需要将所有生成的模型训练完成后才可以运行。ROADMAP如果说 Pipcook 1.0 是开发团队对于前端智能化的一次社区输出,那么接下来,就是 Pipcook 会积极采纳社区的输入,一起将 Pipcook 变得更易于使用,易于分享和易于理解,围绕着这些“易于”,开发团队将会在下面几个方面努力:让插件安装变得更稳定、快速让插件开发变得更方便让插件分享变得更容易让 Pipeline 的执行更快,资源占用更少让 Pipboard 变得更有用、好用在接下来的3个月内,我们也会和阿里菜鸟的同学一起合作,将强化学习的能力拓展到 Pipcook 工具集中,相信有了强化学习的加持,无论是 PipApp 还是 Pipeline,都能完成更加自然和完整的机器学习工程,为前端智能化带来不一样的感受。最后,Pipcook 前端智能化的目标与阿里云负责机器学习前端的小伙伴一拍即合,因此我们也会与阿里云合作,推出针对前端工程师的机器学习解决方案,并且努力为机器学习新手们争取到尽量免费的训练资源,节省入门的算力成本。

    展开全文
  • “要走这条路,向主人看,跟随主人,与主人同行,... 切勿长时间时间监视机器人。 Zenbot不知道何时停止,因此如果发生太多损失,请做好停止的准备。 通常,默认交易参数与买入策略相比表现不佳,因此在“全押”之
  • 中国原创软件企业正在夹缝中生存,除了面临国内外软件巨头的挤压之外,同时面临着盗版对软件发展的巨大冲击。并且由于中国软件企业的发展正由之前的软件模仿向创新、创意发展。因此软件保护已成为中国软件企业乃至...
  • 一场闹剧结束了GANDCRAB V5.1,国外安全公司比特梵给GANDCRAB致命一击的时,GANDCRAB正在度假……老版本勒索病毒GandCrab v5.1,在成功***服务器后,加密受害机器上超过400种类型的数据文件,根据加密的文件数量以此...

    一场闹剧结束了GANDCRAB V5.1,国外安全公司比特梵给GANDCRAB致命一击的时,GANDCRAB正在度假……
    GANDCRAB V5.2 新版本勒索病毒数据恢复方案
    GANDCRAB V5.2 新版本勒索病毒数据恢复方案
    老版本勒索病毒GandCrab v5.1,在成功***服务器后,加密受害机器上超过400种类型的数据文件,根据加密的文件数量以此向中招用户勒索赎金1000美元-5000美元不等,短短两个月让犯罪分子获得近60万美元的“黑钱”。

    北京时间2月19日又升级到 v5.2版本,为防止用户感染该类病毒,我们可以从安全技术和安全管理两方面入手:
    1、不要打开陌生人或来历不明的邮件,防止通过邮件附件的***;
    2、尽量不要点击office宏运行提示,避免来自office组件的病毒感染;
    3、需要的软件从正规(官网)途径下载,不要双击打开.js、.vbs等后缀名文件;
    4、升级到最新的防病毒等安全特征库;
    5、升级防病毒软件到最新的防病毒库,阻止已存在的病毒样本***;
    6、定期异地备份计算机中重要的数据和文件,万一中病毒可以进行恢复
    7、找可靠的恢复数据公司解密

    GANDCRAB V5.2 新版本勒索病毒数据恢复方案

    转载于:https://blog.51cto.com/14119124/2353611

    展开全文
  • Xbox Live机器帐户创建服务 ... 我正在做的事情与其他人采取的方法不同,现在看来似乎有点不合时宜,但是随着时间的流逝,它的结构将比现在更好,因为我只是在尝试这个想法。 如果这是身份验证层中的所有Kerber
  • 比特币和其他加密货币挖矿一直是个起伏不定的行业。挖矿利润一直在变化,网络难度、价格波动和减半等因素正在不断改变挖矿收入。 成本考虑 矿机成本:质量、稳定性、价格、回本周期(推荐使用币印矿池的收益计算器...

    比特币和其他加密货币挖矿一直是个起伏不定的行业。挖矿利润一直在变化,网络难度、价格波动和减半等因素正在不断改变挖矿收入。

    成本考虑

    矿机成本:质量、稳定性、价格、回本周期(推荐使用币印矿池的收益计算器)

    一,电力及维护成本

    1.有很便宜的电费的客户,可以选择单T成本比较低的,这样回本周期短;

    2.对于电费不是特别有优势的客户,那就选择功耗比更好的产品,因为低功耗的机器,生命周期长,更长的生命周期意味着可以获取更多比特币,更有盈利潜力。

    挖矿其实是一个需要沉淀的行业,挖矿最好的时间是十年前,其次就是现在。十年前,可以只用一台电脑挖得巨量的BTC,产量大。十年的变化,又到了BTC减半更能体现价值存储的时候(大部分人都是法币思维角度),所以现在进入挖矿才是最好时机。

    二,当比特币价格回调时购买矿机

    矿机的价格高度依赖于加密货币的价格。当比特币在2018年底达到3,000美元时,ASIC矿机的价格急剧下跌,跌幅甚至超过了比特币,此时正是购买矿机的最佳时机。而当比特币在2019年6月从3,000美元跃升至14,000美元时,矿机价格上涨了六倍多。

    三,如果你无法获得廉价的电力,则说明你的挖矿工作存在风险

    电力成本是矿业中最重要的因素,对挖矿收益具有决定性作用。每次代币价格大幅下跌或网络难度增加时,许多矿工都会面临亏损。

    如果你的电力和维护成本很高,那么你就是最容易遭受损失的群体之一。而那些拥有廉价电力的矿工总是处在安全且有利可图的领域。

    现在,在中国、俄罗斯、格鲁吉亚等国家,许多挖矿的电费可以达到每千瓦$0.03-$0.04。如果你的电价远高于这个数字,那么你将面临很高的风险。

    我是挖矿小哪吒,专注于比特币以太坊挖矿。

    展开全文
  • 任务的调度周期),重试的次数如果设置的过多会导致数据重复,例如任务30秒执行一次,每次执行时间需要20秒,设置重试三次,如果任务失败了,第一个重试的时间段为1577755680-1577756680,重试任务没结束,新任务又...
  • 显示您机器上所有正在运行的进程及线程的详细信息;一键清理可以让您只按一次鼠标键即可自动清理垃圾文件及注册表信息。 系统优化通过设置您的系统可以提高windows Vista的启动及关机速度;通过设置您的多媒体驱动、...
  • 显示您机器上所有正在运行的进程及线程的详细信息;一键清理可以让您只按一次鼠标键即可自动清理垃圾文件及注册表信息。 系统优化 通过设置您的系统可以提高windows 7的启动及关机速度;通过设置您的多媒体驱动、...
  • 实例055 得到本地机器的ip地址 实例056 检测计算机是否存在网络连接 实例057 判断计算机的联机状态 3.4 获取特殊文件夹路径 实例058 获取系统特殊文件夹路径 实例059 得到本地运行的exe的路径 实例060 获取映射驱动...
  • 实例055 得到本地机器的ip地址 实例056 检测计算机是否存在网络连接 实例057 判断计算机的联机状态 3.4 获取特殊文件夹路径 实例058 获取系统特殊文件夹路径 实例059 得到本地运行的exe的路径 实例060 获取映射驱动...
  • 实例055 得到本地机器的ip地址 实例056 检测计算机是否存在网络连接 实例057 判断计算机的联机状态 3.4 获取特殊文件夹路径 实例058 获取系统特殊文件夹路径 实例059 得到本地运行的exe的路径 实例060 获取映射驱动...
  • 多媒体教室

    2013-06-14 08:10:31
    信息区会显示当前时间,目前已登录人数/班级模型总人数。 在班级模型显示区选择学生机(如不选择任何学生机则默认为对全体操作),然后点击图形按钮区中的图形按钮执行相应操作,您也可以在班级模型显示区点击右键...
  • math.arj c常用算法程序集(258kb)<END><br>58,mytoolpad.zip 可以将个人编程资料和心得进行加密存储,Windows桌面管理,搜索机器上所有的自启动程序并任意增删,优化Windows的INTERNET参数,提供1950-2050年...
  •  PsFile是一个显示机器上的会话和有什么文件被网络中的用户打开的命令。它是Sysinternals 命令行工具不断完善的 PsTools 工具包的一部分。  PsTools  PsTools是Sysinternals公司推出的一个功能强大的远程管理工具...
  • C#开发经验技巧宝典

    2008-10-14 20:21:45
    0796 如何得到本地机器的IP 484 0797 如何得到本地运行的EXE的路径 485 0798 得到计算机所有正在运行的进程 485 0799 获得Windows的启动模式 485 0800 获取鼠标的按钮个数及鼠标安装状态 485 0801 检测...
  • ApWiFi Route v1.0.5.3

    2012-05-11 16:52:17
    修正检测机器码不稳定Bug 加入服务器状态的刷新功能 修复一处可能的内存异常 一些细小修改 1.0.4.6[2011.07.10] 优化与新服务器的连通性 (连接VIP服务器负载均衡算法) 为安卓版本公测预留接口 修正部份英文语法...
  •  0070 远程服务器已经暂停或者正在启动过程中。  0071 由于该计算机的连接数目已达到上限,此时无法再连接到该远程计算机。  0072 指定的打印机或磁盘设备已经暂停。  0080 该文件存在。  0082 无法...
  • WinRAR_4.0.exe

    2011-02-04 11:34:33
    它不能重新压缩、解密或加密压缩文件数据,它不能整合或创建卷。如果 不和其它开关一起使用,'ch' 命令仅复制压缩文件数据而不修改它。 例如: 设置压缩文件时间为最新的文件: rar ch -tl files.rar cw 写...
  • 用户手册 ~~~~~~~~ RAR 3.30 32 位控制台版本 ~~~~~~~~~~~~~~~~~~~~~~~~ =-=-=-=-=-=-=-=-=-=-=-=-=-=- ... 欢迎使用 RAR 压缩文件管理器!... RAR/DOS32 版本使用 _recover.rar 和 _reconst.rar ...
  • rar压缩软件.rar

    2016-02-13 10:52:44
    'l' 列出存档文件的属性、大小、日期、时间和名称,每个文件一行。如 果文件被加密,行以 * 号开始。 'lt' 以多行模式显示详细的文件信息。此信息包括文件校验和值、主机 OS、压缩选项和其他参数。 'lta' ...
  • C#编程经验技巧宝典

    热门讨论 2008-06-01 08:59:33
    88 <br>0136 如何进行文本加密与解密 88 <br>0137 如何区别0、空字符串、Null、Empty和Nothing 89 <br>0138 从字符串中分离文件路径、文件名及扩展名 89 <br>0139 如何批量替换某一类字符串 89...
  • 机器学习:常用机器学习库 微软办公软件 自然语言处理 网络:与网络各层配合使用的库 视频:用于处理视频的库 其他 常用包 常用包 说明 fmt 实现格式化的输入输出操作,其中的fmt.Printf()和fmt....
  • 精易模块[源码] V5.15

    2015-03-21 22:03:37
    1、修正“进程_名取句柄”部分机器返回零的BUG。感谢易友【liu307921917】反馈。 2、修改“注册表操作Ex”中的写入函数,现在支持:#REG_SZ;#REG_EXPAND_SZ;#REG_MULTI_SZ;#REG_BINARY#REG_DWORD;#REG_DWORD_BIG_...
  • 【05】显示排序◆按 商品性质|上架时间|商品价格|商品品牌 等多种排序方式任意组合转换 【06】固顶设置◆后台可设置商品:无固顶、分类固顶、总固顶,轻松设置您主推的商品 【07】品牌管理◆普通品牌、推荐品牌...
  • delphi通用函数单元一

    2011-08-19 20:38:47
    //返回服务器的机器名称. function GetRemoteServerName:string; function InStr(const sShort: string; const sLong: string): Boolean; {测试通过} {* 判断s1是否包含在s2中} function IntToStrEx(Value: ...
  • dir 查看文件,参数:/Q显示文件及目录属系统哪个用户,/T:C显示文件创建时间,/T:A显示文件上次被访问时间,/T:W上次被修改时间 date /t 、 time /t 使用此参数即“DATE/T”、“TIME/T”将只显示当前日期和时间,...
  • Python数据挖掘工程师(机器学习、深度学习、算法专家) Python爬虫工程师 Python测试工程师(自动化测试、测试开发) 说明:目前,数据分析是一个非常热门的方向,因为不管是互联网行业还是传统行业都已经积累了...
  • Latexian V1.2.7:它被用于创建和排版latex文档上,可以预览正在编辑中的文档排版 SecureCRT V8.1.2:一款支持SSH(SSH1和SSH2)的终端仿真程序,同时支持Telnet和rlogin协议 Backgrounds V1.4.7:一款系统增强及...

空空如也

空空如也

1 2
收藏数 39
精华内容 15
关键字:

时间机器正在加密