精华内容
下载资源
问答
  • 初始化输入
    千次阅读
    2021-11-23 12:08:42

    报错信息为

    ERROR 1045 (28000): Access denied for user 'root'@'localhost' (using password:NO)

    意思是你输入的初始化密码不对。

    密码是初始化过程中mysqld --initialize  --console时出现的,有的mysql版本再次输入这个指令还可以获得初始化密码,但是有的版本再次输入并不会重新出现初始化密码。

    不管是复制开始一个一个的对应,在mysql -u root -p之后输入的密码总是提示不正确。

    百分之九十九是因为:

    mysql给的初始化密码中包含“<”和“>”两种符号中的其中一个,或者都有。

    这并不是大于号或者小于号,而是括号,也就是“(”或者“)

    替换过来在输入,密码就正确了,就会提示welcome了

    更多相关内容
  • 初始化配置过程 将结构体GPIO_InitStructure配置完成,将其输入初始化函数GPIO_Init(GPIOX, &GPIOX_InitStructure)中 完成对GPIOB口的初始化操作,继续更改一下端口名,输入初始化函数后,完成对GPIOB口的初始化操作...

     STM32f103的跑马灯程序(固件库版):

    #include "stm32f10x.h"


    void Delay(u32 count){
    u32 i=0;
    for(;i<count;i++);
    }


    int main(void){
    GPIO_InitTypeDef GPIO_InitStructure;
    RCC_APB2PeriphClockCmd(RCC_APB2Periph_GPIOB|
    RCC_APB2Periph_GPIOE, ENABLE);                                        //使能 PB,PE 端口时钟
    GPIO_InitStructure.GPIO_Pin = GPIO_Pin_5;                            //LED0 ---->PB.5 端口配置
    GPIO_InitStructure.GPIO_Mode = GPIO_Mode_Out_PP;          //推挽输出
    GPIO_InitStructure.GPIO_Speed = GPIO_Speed_50MHz;        //IO 口速度为 50MHz
    GPIO_Init(GPIOB, &GPIO_InitStructure);                                   //初始化 GPIOB.5
    GPIO_SetBits(GPIOB,GPIO_Pin_5);                                         //PB.5 输出高
    GPIO_InitStructure.GPIO_Pin = GPIO_Pin_5;                          //LED1 ---->PE.5 推挽输出
    GPIO_Init(GPIOE, &GPIO_InitStructure);                                 //初始化 GPIO
    GPIO_SetBits(GPIOE,GPIO_Pin_5);                                       //PE.5 输出高
    while(1){
    GPIO_ResetBits(GPIOB,GPIO_Pin_5);
    GPIO_SetBits(GPIOE,GPIO_Pin_5);
    Delay(3000000);
    GPIO_SetBits(GPIOB,GPIO_Pin_5);
    GPIO_ResetBits(GPIOE,GPIO_Pin_5);
    Delay(3000000);}
    }
     

    从程序的操作步骤出发对其进行一步步分析 

    1. GPIO的操作步骤

    1. 使能 IO 口时钟。调用函数为 RCC_APB2PeriphClockCmd 。
    2. 初始化 IO 参数。调用函数 GPIO_Init();
    3. 操作 IO 。

    2. 使能IO口时钟

    通过查阅stm32参考手册,得知GPIO口时钟挂靠在APB2总线上,通过配置APB2外设时钟使能寄存器就可以使能IO口时钟

    通过库函数操作寄存器:RCC_APB2PeriphClockCmd(RCC_APB2Periph_GPIOB|RCC_APB2Periph_GPIOE, ENABLE); //使能 PB,PE 端口时钟

    查询函数RCC_APB2PeriphClockCmd,输入对应IO口的位与状态 进行对APB2外设时钟使能寄存器的更改

    void RCC_APB2PeriphClockCmd(uint32_t RCC_APB2Periph, FunctionalState NewState)
    {
      /* Check the parameters */
      assert_param(IS_RCC_APB2_PERIPH(RCC_APB2Periph));
      assert_param(IS_FUNCTIONAL_STATE(NewState));
      if (NewState != DISABLE)              
      {
        RCC->APB2ENR |= RCC_APB2Periph;    //如果为使能状态,对应IO口时钟状态置1       
      }
      else
      {
        RCC->APB2ENR &= ~RCC_APB2Periph;   //如果为关闭状态,对应IO口时钟状态置0
      }
    }

    官方固件库通过对APB2总线上寄存器对应位的封装来实现更形象的操作。

    #define RCC_APB2Periph_AFIO              ((uint32_t)0x00000001)
    #define RCC_APB2Periph_GPIOA             ((uint32_t)0x00000004)
    #define RCC_APB2Periph_GPIOB             ((uint32_t)0x00000008)
    #define RCC_APB2Periph_GPIOC             ((uint32_t)0x00000010)
    #define RCC_APB2Periph_GPIOD             ((uint32_t)0x00000020)
    #define RCC_APB2Periph_GPIOE             ((uint32_t)0x00000040)
    #define RCC_APB2Periph_GPIOF             ((uint32_t)0x00000080)
    #define RCC_APB2Periph_GPIOG             ((uint32_t)0x00000100)

     

    3. 初始化IO口参数

    GPIO口的初始化配置如下,一共有三个对于对应IO口的操作,合起来即想对哪个IO口进行配置,这个IO口的速度是多少,又是怎么样输入输出的

    typedef struct
    {
      uint16_t GPIO_Pin;             //选择pin口
      GPIOSpeed_TypeDef GPIO_Speed;  //配置IO口速度
      GPIOMode_TypeDef GPIO_Mode;    //配置IO口输入输出方式
    }GPIO_InitTypeDef;
    

    3.1 GPIO口的基本认识

    STM32的每个IO端口都有 7 个寄存器来控制。他们分别是:配置模式的 2 个 32 位的端口配置寄存器 CRL 和 CRH ,2 个 32 位的数据寄存器 IDR 和 ODR 1 个 32 位的置位 复位寄存器 BSRR 一个 16 位的复位寄存器 BRR ,1 个 32 位的锁存寄存器 LCKR。

    常用的寄存器有四个:CRL(端口配置低寄存器),CRH(端口配置高寄存器),IDR(端口输入数据寄存器),ODR(端口输出数据寄存器)

    对于stmf103来说,有 7 个GPIO口,分别为GPIO A~G,每个端口都由16位组成,比如下图是GPIOA的16个端口

    即总共有112个IO口,其中一大部分拥有复用功能,也就是除了输入输出外,还可以用作IIC,USART,CAN口等等作用。

    而对于每个IO口的配置都是通过更改寄存器来实现的。

    这里的选择pin口即通过选择单独的位与原来的位相与后输入寄存器来实现

     

    3.3 配置IO口的八种模式

    每个GPI/O端口有两个32位配置寄存器(GPIOx_CRL,GPIOx_CRH),可以对GPIO口对应的配置寄存器进行配置,来更改IO口的功能。

    推挽输出:可以输出高,低电平,连接数字器件

    开漏输出:适合于做电流型的驱动

     

    3.4 选择IO口的输出输入模式

    常用的外设GPIO口模式配置如下表

    4.初始化配置过程

    将结构体GPIO_InitStructure配置完成,将其输入初始化函数GPIO_Init(GPIOX, &GPIOX_InitStructure)中

    完成对GPIOB口的初始化操作,继续更改一下端口名,输入初始化函数后,完成对GPIOB口的初始化操作

    GPIO_InitStructure.GPIO_Pin = GPIO_Pin_5; //LED0 ---->PB.5 端口配置
    GPIO_InitStructure.GPIO_Mode = GPIO_Mode_Out_PP; //推挽输出
    GPIO_InitStructure.GPIO_Speed = GPIO_Speed_50MHz; //IO 口速度为 50MHz
    GPIO_Init(GPIOB, &GPIO_InitStructure); //初始化 GPIOB.5
    GPIO_SetBits(GPIOB,GPIO_Pin_5); //PB.5 输出高
    GPIO_InitStructure.GPIO_Pin = GPIO_Pin_5; //LED1 ---->PE.5 推挽输出
    GPIO_Init(GPIOE, &GPIO_InitStructure); //初始化 GPIO
    GPIO_SetBits(GPIOE,GPIO_Pin_5); //PE.5 输出高

     

    5.操作 IO口输出

    while(1){
    GPIO_ResetBits(GPIOB,GPIO_Pin_5);
    GPIO_SetBits(GPIOE,GPIO_Pin_5);
    Delay(3000000);
    GPIO_SetBits(GPIOB,GPIO_Pin_5);
    GPIO_ResetBits(GPIOE,GPIO_Pin_5);
    Delay(3000000);}
    }

    这里用的是   void GPIO_SetBits(GPIO_TypeDef* GPIOx, uint16_t GPIO_Pin)(置位)和   void GPIO_ResetBits(GPIO_TypeDef* GPIOx, uint16_t GPIO_Pin)(复位)函数改变IO口状态来实现IO口输出1和0的

    这两个函数分别操作的BSRR(端口位设置/清除 寄存器)和BRR(端口位清除寄存器)

     在BSRR高位写1,将对应位置0,在BSRR低位写1,将对应位置1,写0则无影响(相同位高低同时写1,则置1的优先级更高)

    在BRR低位写1,置对应位为0(与在BSRR高位写1作用相似)

    展开全文
  • 数组定义,初始化,以及输入和输出

    千次阅读 2020-01-04 14:31:06
    定义 初始化 通过数组名和索引号操作各个元素输入及输出. # include int main ( void ) { //二维数组的定义及其初始化; //double a[2][3];//定义了2个一维数组,每个一维数组有三个元素; //int...

    数组

    数组是将一些变量编制到一个组中;用来存放一组类型相同、意义通常也相同的数据。其中每个数据称为数组的元素,每个元素就是一个变量.数组中的每个元素都有各自的位序,可通过数组名和索引号操作各个元素.长度为n的数组索引号范围为[0,n-1].

    一维数组

    简单实例

    定义 初始化 通过数组名和索引号操作各个元素.

    #include <stdio.h>
    
    
    int main(void) {
    
    	//一维数组初始化
    	//int s[10];//定义整型长度为10的数组
    	//int s[10] = { 1,2,3,4,5,6,7,8,9,10 };//完全初始化
    	//int s[10] = { 1,2,3,4,5 };//不完全初始化
    	//int s[] = {1,2,3,4,5,6,7,8,9,10}//省略长度的初始化,与完全初始化等价
    
    	//一维数组元素的引用:数组名[下标]
    	//int a = s[1];
    	//printf("%d", a);
    
    	//将一组整数逆置
    	int n;//n个整数,n小于40
    	printf("请输入数组长度: ");
    	scanf_s("%d", &n);
    	int a[40];//数组定义
    	printf("数组为:");
    	for (int i = 0; i < n; i++)//数组元素赋值
    		scanf_s("%d", &a[i]);
    	for (int j = 0; j < n / 2; j++) {//交换元素
    		int temp = a[j];
    		a[j] = a[n - j - 1];
    		a[n - j - 1] = temp;
    	}
    	for (int k = 0; k < n; k++) {//循环输出元素
    		printf("%d  ", a[k]);
    	}
    	
    	return 0;
    }
    

    结果:
    在这里插入图片描述

    二维数组

    C语言二维数组的存储是按行优先存储的

    简单实例

    定义 初始化 通过数组名和索引号操作各个元素输入及输出.

    #include <stdio.h>
    
    
    int main(void) {
    	//二维数组的定义及其初始化;
    	//double a[2][3];//定义了2个一维数组,每个一维数组有三个元素;
    	//int b[2][3] = { 1,2,3,4,5,6 };//按行连续赋值
    	//int c[3][2] = { {1,2},{3,4},{5,6} };//按行分段赋值
    	//int d[3][3] = { 1,2,3 };//可以对部分元素赋值,未赋值的元素自动取0值
    	//int e[][2] = {1,2,3};//第一维长度可以不给出
    
    	//输入二维数组元素
    	int f[2][3];
    	printf("输入二维数组元素:");
    	for (int i = 0; i < 2; i++)
    		for (int j = 0; j < 3; j++)
    			scanf_s("%d", &f[i][j]);
    	//输出二维数组元素
    	printf("输出二维数组元素:");
    	for (int i = 0; i < 2; i++)
    		for (int j = 0; j < 3; j++)
    			printf("%d ", f[i][j]);
    
    	return 0;
    }
    

    结果:
    在这里插入图片描述
    由于程序中定义的二位数组是2行3列,所以输入的多出来的在输出时会自动忽略.

    展开全文
  • 此外,训练深度模型是一个足够困难的问题,以至于大多数算法都很大程度地受到初始化选择的影响。初始点能够决定算法是否收敛,有些初始点十分不稳定,使得该算法会遭遇数值困难,并完全失败。当学习收敛时,初始点...

    有些优化算法本质上是非迭代的,只是求解一个解点。有些其他优化算法本质上是迭代的,但是应用于这一类的优化问题时,能在可接受的时间内收敛到可接受的解,并且与初始值无关。深度学习训练算法通常没有这两种奢侈的性质。深度学习模型的训练算法通常是迭代的,因此要求使用者指定一些开始迭代的初始点。此外,训练深度模型是一个足够困难的问题,以至于大多数算法都很大程度地受到初始化选择的影响。初始点能够决定算法是否收敛,有些初始点十分不稳定,使得该算法会遭遇数值困难,并完全失败。当学习收敛时,初始点可以决定学习收敛得多块,以及是否收敛到一个代价高或低的点。此外,差不多代价的点可以具有区别极大的泛化误差,初始点也可以影响泛化。

    现代的初始化策略是简单的、启发式的。设定改进的初始化策略是一项困难的任务,因为神经网络优化至今还未被很好地理解。大多数初始化策略基于在神经网络初始化时实现一些很好的性质。然而,我们并没有很好地理解这些性质中的哪些会在学习开始进行后的哪些情况下得以保持。进一步的难点是,有些初始点从优化的观点看或许是有利的,但是从泛化的观点看是不利的。我们对于初始点如何影响泛化的理解是相当原始的,几乎没有提供如何选择初始点的任何指导。

    也许完全确知的唯一特性是初始参数需要在不同单元间“破坏对称性”。如果具有相同激活函数的两个隐藏单元连接到相同的输入,那么这些单元必须具有不同的初始参数。如果它们具有相同的初始参数,然后应用到确定性损失和模型的确定性学习算法将一直以相同的方式更新这两个单元。即使模型或训练算法能够使用随机性为不同的单元计算不同的更新(例如使用Dropout的训练),通常来说,最好还是初始化每个单元使其和其他单元计算不同的函数。这或许有助于确保没有输入模式丢失在前向传播的零空间中,没有梯度模式丢失在反向传播的零空间中。每个单元计算不同函数的目标促使了参数的随机初始化。我们可以明确地搜索一大组彼此互不相同的基函数,但这经常会导致明显的计算代价。例如,如果我们有和输出一样多的输入,可以使用Gram-Schmidt正交化于初始的权重矩阵,保证每个单元计算彼此非常不同的函数。在高维空间上使用高熵分布来随机初始化,计算代价小并且不太可能分配单元计算彼此相同的函数。

    通常情况下,我们可以为每个单元的偏置设置启发式挑选的常数,仅随机初始化权重。额外的参数(例如用于编码预测条件方差的参数)通常和偏差一样设置为启发式选择的常数。我们几乎总是初始化模型的权重为高斯或均匀分布中随机抽取的值。高斯或均匀分布的选择似乎不会有很大的差别,但也没有被详尽地研究。然而,初始分布的大小确实对优化过程的结果和网络泛化能力都有很大的影响。更大的初始权重具有更强的破坏对称性的作用,有助于避免冗余的单元。它们也有助于避免在每层线性成分的前向或反向传播中丢失信号——矩阵中更大的值在矩阵乘法中有更大的输出。如果初始权重太大,那么会在前向传播或反向传播中产生爆炸的值。在循环网络中,很大的权重也可能导致混沌(对于输入中很小的扰动非常敏感,导致确定性前向传播过程表现随机)。在一定程度上,梯度爆炸问题可以通过梯度截断来缓解(执行梯度下降步骤之前设置梯度的阈值)。较大的权重也会产生使得激活函数饱和的值,导致饱和单元的梯度完全丢失。这些竞争因素决定了权重的理想初始大小。

    关于如何初始化网络,正则化和优化有着非常不同的观点。优化观点建议权重应该足够大以成功传播信息,但是正则化希望其小一点。诸如随机梯度下降这类对权重较小的增量更新,趋于停止在更靠近初始参数的区域(不管是由于卡在低梯度的区域,还是由于触发了基于过拟合的提前终止准则)的优化算法倾向于最终参数应接近于初始参数。在某些模型上,提前终止的梯度下降等价于权重衰减。在一般情况下,提前终止的梯度下降和权重衰减不同,但是提供了一个宽松的类比去考虑初始化的影响。我们可以将初始化参数 θ \theta θ θ 0 \theta_0 θ0类比于强置均值为 θ 0 \theta_0 θ0的高斯先验 p ( θ ) p(\theta) p(θ)。从这个角度来看,选择 θ 0 \theta_0 θ0接近0是有道理的。这个先验表明,单元间彼此互不交互比交互更有可能。只有在目标函数的似然项表达出对交互很强的偏好时,单元才会交互。此外,如果我们初始化 θ 0 \theta_0 θ0为很大的值,那么我们的先验指定了哪些单元应互相交互,以及它们应如何交互。

    有些启发式方法可用于选择权重的初始大小。一种初始化 m m m个输入和 n n n输出的全连接层的权重的启发式方法是从分布 W i , j ∼ U ( − 1 m , 1 m ) W_{i, j}\sim U(-\frac{1}{\sqrt{m}}, \frac{1}{\sqrt{m}}) Wi,jU(m 1,m 1)中采样权重,而Glorot andBengio建议使用标准初始化(Normalized Initialization):
    W i , j ∼ U ( − 6 m + n , 6 m + n ) W_{i, j}\sim U(-\frac{6}{\sqrt{m+n}}, \frac{6}{\sqrt{m+n}}) Wi,jU(m+n 6,m+n 6)

    后一种启发式方法初始化所有的层,折衷于使其具有相同激活方差和使其具有相同梯度方差之间。这假设网络是不含非线性的链式矩阵乘法,据此推导得出。现实的神经网络显然会违反这个假设,但很多设计于线性模型的策略在其非线性对应中的效果也不错。

    Saxe等人推荐初始化为随机正交矩阵,仔细挑选负责每一层非线性缩放或增益因子 g g g。他们得到了用于不同类型的非线性激活函数的特定缩放因子。这种初始化方案也是启发于不含非线性的矩阵相乘序列的深度网络。在该模型下,这个初始化方案保证了达到收敛所需的训练迭代总数独立于深度。

    增加缩放因子 g g g将网络推向网络前向传播时激活范数增加,反向传播时梯度范数增加的区域。Sussillo表明,正确设置缩放因子足以训练深达1000层的网络,而不需要使用正交初始化。这种方法的一个重要观点是,在前馈网络中,激活和梯度会在每一步前向传播或反向传播中增加或缩小,遵循随机游走行为。这是因为前馈网络在每一层使用了不同的权重矩阵。如果该随机游走调整到保持范数,那么前馈网络能够很大程度地避免相同权重矩阵用于每层的梯度消失与爆炸问题。

    可惜,这些初始权重的最佳准则往往不会带来最佳效果。这可能有三种不同的原因。首先,我们可能使用了错误的标准——它实际上并不利于保持整个网络信号的范数。其次,初始化时强加的性质可能在学习开始进行后不能保持。最后,该标准可能成功提高了优化速度,但意外地增大了泛化误差。在实践中,我们通常需要将权重范围视为超参数,其最优值大致接近,但并不完全等于理论预测。

    数值范围准则的一个缺点是,设置所有的初始权重具有相同的标准差,例如 1 m \frac{1}{\sqrt{m}} m 1,会使得层很大时每个单一权重会变得极其小。Martens提出了一种被称为稀疏初始化(Sparse Initialization)的替代方案,每个单元初始化为恰好有 k k k个非零权重。这个想法保持该单元输入的总数量独立于输入数目 m m m,而不使单一权重元素的大小随 m m m缩小。稀疏初始化有助于实现单元之间在初始化时更具多样性。但是,获得较大取值的权重也同时被加了很强的先验。因为梯度下降需要很长时间缩小“不正确”的大值,这个初始化方案可能会导致某些单元出问题,例如Maxout单元有几个过滤器,互相之间必须仔细调整。

    如果计算资源允许,将每层权重的初始数值范围设为超参数通常是个好主意,如随机搜索,挑选这些数值范围。是否选择使用密集或稀疏初始化也可以设为一个超参数。作为替代,我们可以手动搜索最优初始范围。一个好的挑选初始数值范围的经验法则是观测单个小批量数据上的激活或梯度的幅度或标准差。如果权重太小,那么当激活值在小批量上前向传播于网络时,激活值的幅度会缩小。通过重复识别具有小得不可接受的激活值的第一层,并提高其权重,最终有可能得到一个初始激活全部合理的网络。如果学习在这点上仍然很慢,观测梯度的幅度或标准差可能也会有所帮助。这个过程原则上是自动的,且通常计算量低于基于验证集误差的超参数优化,因为它是基于初始模型在单批数据上的行为反馈,而不是在验证集上训练模型的反馈。由于这个协议很长时间都被启发式使用,最近Mishkin and Matas更正式地研究了该协议。

    目前为止,我们关注在权重的初始化上。幸运的是,其他参数的初始化通常更容易。设置偏置的方法必须和设置权重的方法协调。设置偏置为零通常在大多数权重初始化方案中是可行的。存在一些我们可能设置偏置为非零值的情况:

    • 如果偏置是作为输出单元,那么初始化偏置以获取正确的输出边缘统计通常是有利的。要做到这一点,我们假设初始权重足够小,该单元的输出仅由偏置决定。这说明设置偏置为应用于训练集上输出边缘统计的激活函数的逆。例如,如果输出是类上的分布,且该分布是高度偏态分布,第 i i i类的边缘概率由某个向量 c c c的第 i i i个元素给定,那么我们可以通过求解方程 softmax ( b ) = c \text{softmax}(b)=c softmax(b)=c来设置偏置向量 b b b。这不仅适用于分类器,也适用于其它的模型,例如自编码器和玻尔兹曼机。这些模型拥有输出类似于输入数据x的网络层,非常有助于初始化这些层的偏置以匹配 x x x上的边缘分布。
    • 有时,我们可能想要选择偏置以避免初始化引起太大饱和。例如,我们可能会将ReLU的隐藏单元设为0.1而非0,以避免ReLU在初始化时饱和。尽管这种方法违背不希望偏置具有很强输入的权重初始化准则。例如,不建议使用随机游走初始化。
    • 有时,一个单元会控制其他单元能否参与到等式中。在这种情况下,我们有一个单元输出 u u u,另一个单元 h ∈ [ 0 , 1 ] h\in[0,1] h[0,1],那么我们可以将 h h h视作门,以决定 u h ≈ 1 uh\approx1 uh1还是 u h ≈ 0 uh≈0 uh0。在这种情形下,我们希望设置偏置 h h h,使得在初始化的大多数情况下 h ≈ 1 h\approx 1 h1。否则, u u u没有机会学习。例如,Jozefowicz等人提议设置LSTM模型遗忘门的偏置为1。

    另一种常见类型的参数是方差或精确度参数。例如,我们用以下模型进行带条件方差估计的线性回归:
    p ( y ∣ x ) = N ( y ∣ x T x + b , 1 β ) p(y|x)=N(y|x^Tx+b, \frac{1}{\beta}) p(yx)=N(yxTx+b,β1)

    其中 β \beta β是精确度参数。通常我们能安全地初始化方差或精确度参数为1。另一种方法假设初始权重足够接近零,设置偏置可以忽略权重的影响,然后设定偏置以产生输出的正确边缘均值,并将方差参数设置为训练集输出的边缘方差。

    除了这些初始化模型参数的简单常数或随机方法,还有可能使用机器学习初始化模型参数。我们还可以用无监督模型训练出来的参数来初始化监督模型。我们也可以在相关问题上使用监督训练。即使是在一个不相关的任务上运行监督训练,有时也能得到一个比随机初始化具有更快收敛率的初始值。这些初始化策略有些能够得到更快的收敛率和更好的泛化误差,因为它们编码了模型初始参数的分布信息。其他策略显然效果不错的原因主要在于它们设置参数为正确的数值范围,或是设置不同单元计算互相不同的函数。

    展开全文
  • 原文地址 为什么神经网络参数不能全部初始...假设我们现在需要初始化的神经网络如下所示: 我们初始化权值为: 其中W1代表输入层到隐藏层的权值矩阵,W2代表隐藏层到输出层的权值矩阵。 假设网络的输入为[x1,x2...
  • 主机的初始化方法初始化是指,将主机内的数据删除,恢复到购入时的状态。Nintendo Switch可以仅将一部分数据进行初始化初始化缓存与账号关联或发布截图和视频至社交平台时,将在主机中打开网页。初始化缓存将清除...
  • 004:神秘的数组初始化

    千次阅读 2017-10-29 17:43:29
    004:神秘的数组初始化 总时间限制: 1000ms 内存限制: 65536kB 描述 填空,使得程序输出指定结果include using namespace std;int main() { int * a[] = { // 在此处补充你的代码 };*a[2] = 123; a[3][5] = ...
  • c语言结构体学习整理(结构体初始化,结构体指针)

    万次阅读 多人点赞 2018-11-01 20:22:12
    请注意,在我们进行数组初始化的时候如果定义的数组过长,而我们只初始化了一部分数据,对于未初始化的数据如果是数值型,则会自动赋值为0,对于字符型,会自动赋初值为NULL,即‘\0’ 即不足的元素补以默认值 这里...
  • GPIO_Init() 引脚初始化理解

    万次阅读 2018-07-22 17:19:50
    /* 初始化GPIO -- GPIO_Init() */ void GPIO_Init(GPIO_TypeDef* GPIOx, GPIO_InitTypeDef* GPIO_InitStruct) { uint32_t currentmode = 0x00, currentpin = 0x00, pinpos = 0x00, pos =...
  • RNN输入数据初始化,预处理

    千次阅读 2019-07-03 23:57:41
    RNN输入数据初始化,预处理, 此例子将文本,i love you ,you love me? 如果是10个字符预测一个字符,则转化成 [iloveyouyo-u], [loveyouyou-l]这种,时序数据,然后在向量化,此处为One-hot #!/usr/bin/env ...
  • 初始化mysql的数据库失败怎么办

    万次阅读 2021-02-01 21:20:27
    初始化mysql数据库失败的解决办法:首先找到并打开my.ini文件;然后注释掉my.ini文件中的datadir;最后根据提示把UTF8换成UTF8MB4即可。推荐:《mysql视频教程》安装MySQL8,安装时初始化数据库失败大概过程下载解压...
  • 常用的初始化方法有四种,分别是高斯初始化、Xavier初始化和MSRA初始化。它们一般都把偏置初始化为0,但对权值进行随机初始化。其中,高斯初始化比较容易理解,就是根据某个高斯分布来初始化权值,但均值通常选0,...
  • C语言数组初始化及malloc初始化

    千次阅读 2021-05-06 20:39:20
    数组赋值初始化的三个方式 1、{0} 初始化 例如: int nums[3] = {0}; 但是经常出现的是给定长度(变量)然后需要进行初始化,如果写成下式: int main(){ int numsSize=0; scanf("%d",&numsSize); int ...
  • 服务器初始化

    千次阅读 2021-08-09 15:30:10
    服务器初始化后(Ubuntu 20.04),创建了一个新的账户,创建命令如下: adduser Ant # 创建新用户Ant passwd Ant # 设置Ant账户的密码,然后输入密码即可 赋予Ant账号sudo权限 在root账户下,输入如下命令: ...
  • 项目初始化 步骤全

    千次阅读 2021-01-24 19:20:14
    安装完成后就可以输入vue ui 命令来启动图形界面 通过Vue脚手架创建项目 创建一个新项目 如果是第一次配置的话,就可以选择手动,当然也可以直接使用以前配置好的 一些基本功能(按需选择即可) 按需选择配置 ...
  • windows网卡初始化

    千次阅读 2022-03-10 13:31:38
    windows网卡初始化 1:首先打开管理员终 ①第一种方法(如果是win10以上系统可直接打开管理员 poewershell管理员终端) 打开CMd管理员终端 输入window+x,点击以windows终端管理员 点击会提示是否打开,点击是即可...
  • tensorflow参数初始化方法

    千次阅读 2019-12-02 15:55:14
    在tensorflow中,经常会遇到参数初始化问题,比如在训练自己的词向量时,需要对原始的embeddigs矩阵进行初始化,更一般的,在全连接神经网络中,每层的权值w也需要进行初始化。 tensorlfow中应该有以下几种初始化...
  • C语言变量初始化是必须的吗?不初始化会怎样?

    千次阅读 多人点赞 2020-10-15 13:58:15
    所谓初始化就是“第一次赋值”的意思。我们先来看一个程序:   #include <stdio.h>int main(void){int i;printf("i = %d\n", i);return 0;} 这里i没有被赋值,只是定义了一个存储空间。这时输出这个...
  • 数组的初始化

    千次阅读 2021-04-14 20:41:09
    一维数组有两种初始化方法: (1)动态初始化:手动输入数组的长度,由系统为数组元素赋值。 格式: 数据类型[] 数组名 = new 数据类型[数组长度]; 数组长度其实就是数组中元素的个数。 eg: int arr[]=new int[3]; ...
  • 1,初始化(赋值)方式(注意,在定义结构体时是不允许赋值的) 第一种:这种比较常用,也比较清晰 struct TEST{ int a; int b; }test={ a:1, b:2 }; 第二种:与第一种是一样的,只是形式稍有差别 struct TEST{ int...
  • C语言数组如何初始化

    千次阅读 2021-02-01 01:24:55
    1.一维数组的初始化1.1 未初始化的一维数组一维数组的成员在没有初始化时,数组成员的值都是未知的,一旦访问到未知的值,可能导致不可预料的情况,严重时可以导致软件运行异常。下面,将没有初始化的数组对应的值打印1. ...
  • mysql安装和遇到不能初始化的问题

    千次阅读 2021-01-18 21:01:20
    1.打开命令窗口cmd,输入命令:net stop mysql,停止MySQL服务,然后输入命令mysqld –skip-grant-tables以不输入密码的方式启动MySQL服务,但是这条命令对MYSQL8.0.13,是没有任何作用的。2..后来又在网上看到这条...
  • hadoop集群环境的初始化
  • Xavier初始化

    千次阅读 2019-04-26 20:07:32
    本文介绍一下深度学习参数初始化问题中耳熟能详的参数初始化方法——Xavier(发音[‘zeɪvɪr])初始化。 大家应该感觉到一般的深度学习文章上来就是实验,告诉读者这个实验结果好,然后由实验结果再反向给出一些...
  • TensorFlow-Keras 3.常见参数初始化方法

    千次阅读 2020-09-28 16:12:43
    上篇文章自定义 metrics 用到了 add_weights 方法,这个方法会初始化一个变量,维度不定。下面就常见的初始化方法,进行介绍。
  • C语言_结构体数组初始化

    千次阅读 2021-12-20 11:02:44
    typedef struct _TEST_T { int i; char c[10]; }TEST_T; ...//初始化个数少于实际个数时,只初始化前面的成员。 TEST_T gst = {.c=“12345”};//有选择的初始化成员。 复合字面量。 gst ...
  • 深度学习相关概念:权重初始化

    千次阅读 2022-03-19 15:10:42
    深度学习相关概念:权重初始化1.全零初始化(×)2.随机初始化2.1 高斯分布/均匀分布2.1.1权重较小—N(0,0.01)\pmb{\mathcal{N}(0,0.01)}N(0,0.01)​N(0,0.01)​​N(0,0.01)2.1.1权重较大—N(0,1\pmb{\mathcal{N}(0,...
  • 1登陆华为交换机2然后输入如下命令reset saved-configuration3系统会提示否初始化输入Y回车4注意:初始化之后需要重启交换机才生效输入reboot5重启成功之后需要重新设置密码62次密码设置完成之后就可以了7我们以华为...
  • 神经网络参数初始化方法

    千次阅读 2019-09-14 10:29:31
    文章目录过大或者过小的初始化1. 所有的参数初始化为0或者相同的常数2. 随机初始化3. Batch Normalization4. Xavier限制均匀分布正态分布5. MSRA正态分布均匀分布总结及使用的概率公式 神经网络模型一般依靠随机梯度...
  • MSF数据库初始化

    千次阅读 2019-08-27 11:55:30
    MSF数据库初始化(1.1)第一次进入 msf 发现数据库并没有连接,因为 msf 数据库需要手工创建(1.2)启动 postgresql 服务(1.3)初始化 msf 数据库(1.4)重新进入 msf ,输入 db_status ,可见数据库已自动连接 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,556,821
精华内容 622,728
关键字:

初始化输入