草庐IT

micro-frontend

全部标签

Micro SD Card参数基本介绍

MicroSDCard原名Trans-FlashCard或T-FlashCard,由SanDisk(闪迪)公司发明,目前主要用于可移动设备储存,比如数码相机、手机、MP4等可移动设备。一、品牌标识MicroSDCard虽是SanDisk(闪迪)公司发明,但不止其一家公司生产制造,常见品牌有金士顿、三星、OV、东芝等品牌,如下图所示: 二、内存标识 MicroSDCard作为闪存设备,肯定有区分不同内存大小,比如128MB、256MB、1GB、16GB、32GB等,如下图所示: 三、按内存划分的microSD卡类型MicroSDCard会发现类似这样字样:①microSD、②microSDHC、

【Go微服务开发】gin+micro v4+rabbitmq+etcd 重构备忘录

写在前面最近稍微重构了之前写的micro-todolist模块项目地址:https://github.com/CocaineCong/micro-todoList本次升级将原有的microv2升级到了microv4版本,v5stilldeving,所以可能不太稳定,所以选择了v4版本。micro相对于grpc,区别就是grpc比较原始,什么都要自己封装,比如服务的注册与发现,熔断降级等等…而micro这些都帮忙做好了,只需要调用对于的方法函数就可以了。所以其实如果是对于rpc的学习,我还是推荐grpc这种比较原始的框架,可以更好的体验实现一些方法和函数。1.项目结构改变与之前的目录有很大的区别

Type c口和Micro USB作为电源接口,原理图设计

1、TypeC接口目前适用于各种充电器接头,应用十分广泛,在设计一些PCB板时,对于板载供电,可以考虑TYPEC接口方式。上图即为TYPEC接口原理图,其中设计关键点是要在CC1/CC2上任意选择一个,加入Rd5.1k电阻,将PCB板设置为SNK,以供外接充电器作为SRC,可以识别到该设备,建立CC连接后,才进行VBUS供电。具体原理可以参考TYPEC协议内容。即使使用一个100w的充电器,不用担心插入到接口位置供电电流电压过大,因为100w这么大功率充电器,包含PD协议,当SNK端不支持PD协议时,充电器不会输出大功率,会按照最低规格电压5v电压输出。2、MICROUSB供电方式MicroU

OpenHarmony 快速上手 BearPi-HM Micro 一个带显示屏的开发板

一、前言为什么要写这篇文章呢?华为官方给OpenHarmony分:南向开发和北向开发北向开发:应用APP开发南向开发:设备开发带显示屏的设备,可以更好的使用可视化界面,能更直接的利用烧录到设备里面的代码。例如:冰箱上面的小的显示屏,可以更好的操控和观察当前冰箱里面的情况,这个时候就不再需要手机去操作了,一个设备即可。二、简介开发板BearPi-HMMicro仓库代码点击查看我购买的是这款开发板:BearPi-HMMicro,这是我研究的开发板其中的一款,大家可以看文章学习,感兴趣的也可以买,多花点投资你们自己是不会有错的,研究新东西可以提升你的技能。

OpenHarmony开发一个App,安装到BearPi-HM Micro开发板

一、前言建议先阅读我们这篇OpenHarmony快速上手BearPi-HMMicro一个带显示屏的开发板,这里面详细介绍了Micro开发板如何进行源码编译烧录,以及hap包安装的全过程。本篇是介绍如何开发一个App,然后安装到BearPi-HMMicro开发板上。有同学会问,这不是有手就行了吗?不完全是,比如写的hap包,无法安装等问题。给大家看一下,这个错误提示,下面这个就是常见的安装失败:二、带着大家踩坑点击下载最新的DevEcoStudio按照我们正常思路下,应该创建一个OpenHarmony程序对吧:

多分类问题的“宏平均”(macro-average)与“微平均”(micro-average)

机器学习中的监督学习主要包括分类问题和回归问题,二分类问题是多分类问题的基础。对于二分类问题,在测试数据集上度量模型的预测性能表现时,常选择Precision(准确率),Recall(召回率),F1-score(F1值)等指标。对于二分类问题,可将样例根据其真实类别和分类器预测类别划分为:真正例(TruePositive,TP):真实类别为正例,预测类别为正例的样例个数。假正例(FalsePositive,FP):真实类别为负例,预测类别为正例的样例个数。假负例(FalseNegative,FN):真实类别为正例,预测类别为负例的样例个数。真负例(TrueNegative,TN):真实类别为负

多分类问题的“宏平均”(macro-average)与“微平均”(micro-average)

机器学习中的监督学习主要包括分类问题和回归问题,二分类问题是多分类问题的基础。对于二分类问题,在测试数据集上度量模型的预测性能表现时,常选择Precision(准确率),Recall(召回率),F1-score(F1值)等指标。对于二分类问题,可将样例根据其真实类别和分类器预测类别划分为:真正例(TruePositive,TP):真实类别为正例,预测类别为正例的样例个数。假正例(FalsePositive,FP):真实类别为负例,预测类别为正例的样例个数。假负例(FalseNegative,FN):真实类别为正例,预测类别为负例的样例个数。真负例(TrueNegative,TN):真实类别为负

可折叠鸿蒙开发板,BearPi-HM Micro首发体验

【摘要】开箱让人眼前一亮,非常漂亮!“折叠”的设计,特别用心和专业。原贴地址:可折叠鸿蒙开发板,BearPi-HMMicro首发体验-云社区-华为云开箱让人眼前一亮,非常漂亮!“折叠”的设计,特别用心和专业感谢小熊派的赞助

docker-compose 报错failed to solve: rpc error: code = Unknown desc = failed to solve with frontend doc

执行docker-compose up时候,有时候会出现如下报错:failedtosolve:rpcerror:code=Unknowndesc=failedtosolvewithfrontenddockerfile.v0:failedtocreateLLBdefinition:unexpectedstatuscode[manifestslatest]:403Forbidden这个错误据说基本只出现在Windows端,查了一圈的资料,有说是因为win端必须显式声明Dockerfile位置的,可以参考如下连接:SolutionforDockerissuefailedtosolve:rpcerro

failed to solve with frontend dockerfile.v0: failed to create LLB definition:

起因:windows中使用dockersbuild镜像,出现“failedtosolvewithfrontenddockerfile.v0:failedtocreateLLBdefinition:failedtocopy:httpReadSeeker:failedopen:failedtodorequest:”原因:它发生在构建过程中,它是buildkit中的一个错误,考虑到buildkit仍然不稳定。如果您在Mac/Windows上使用Docker桌面,您可能还必须在“DockerEngine”json配置中禁用它。解决方案:设置一下docker的setting。Docker桌面->设置->