随着keil版本的更新，一些使用问题一随之产生。本文针对安装目前最新版本keil软件和使用问题做一些总结。目录1Keil5下载&安装1.1官网下载链接1.2软件安装1.2.1安装说明1.2.2关于51和ARM共存的问题1.3软件破解2pack包安装&破解2.1下载2.2安装3keil关于软件中文乱码和字体不能修改问题3.1问题说明3.2解决办法3.2.1下载方式3.2.2安装3.2.1字体使用4keilAC编译器问题4.1最后的AC5编译器4.2AC5编译器下载安装4.2.1下载4.2.2安装1Keil5下载&安装1.1官网下载链接官网下载链接下载指引-----以下载C51为例-1-选择Dow
进入k8s部署的pod1. 安装kubectl2. 连接k8s集群2.1）之前没有配置过访问凭证2.2）之前配置过访问凭证3. 进入k8s的pod由于想要进入k8s部署的Postgre数据库上查看存储的信息，想到一个方法------进入对应的pod节点，在pod节点里面执行sql语句，来进行查看。这里顺带附一篇k8s上部署pg数据库的教程：HowtoDeployPostgreSQLonKubernetes1. 安装kubectl要想要对k8s的集群进行操作，首先我们需要安装kubectl这个工具：安装教程2. 连接k8s集群安装完成之后，我们需要与k8s集群进行连接，它的连接方式：2.1）之前
进入k8s部署的pod1. 安装kubectl2. 连接k8s集群2.1）之前没有配置过访问凭证2.2）之前配置过访问凭证3. 进入k8s的pod由于想要进入k8s部署的Postgre数据库上查看存储的信息，想到一个方法------进入对应的pod节点，在pod节点里面执行sql语句，来进行查看。这里顺带附一篇k8s上部署pg数据库的教程：HowtoDeployPostgreSQLonKubernetes1. 安装kubectl要想要对k8s的集群进行操作，首先我们需要安装kubectl这个工具：安装教程2. 连接k8s集群安装完成之后，我们需要与k8s集群进行连接，它的连接方式：2.1）之前
@目录起因过程确定工具功能拆分读取Word文件通过PPT模板创建PPT并填充内容将PPT转为图片总结起因近期身边的一位朋友来寻求帮助，她在日常工作时，总是需要做一些重复的事情，所以想着是否能通过程序实现自动化的操作。具体需求为，每天会收到一份固定格式的Word文件，然后根据其中的内容，填充到固定的PPT模板中，最终生成图片输出。过程确定工具有了需求后，第一件事自然是在网络上查找是否有符合需要的工具使用，笔者之前用过ApachePOI来操作过Excel文件的经历，因此有印象ApachePOI是支持Office文件的操作，不局限于Excel文件，于是决定就用它了。(制作后期有看到一些其他的工具框架
@目录起因过程确定工具功能拆分读取Word文件通过PPT模板创建PPT并填充内容将PPT转为图片总结起因近期身边的一位朋友来寻求帮助，她在日常工作时，总是需要做一些重复的事情，所以想着是否能通过程序实现自动化的操作。具体需求为，每天会收到一份固定格式的Word文件，然后根据其中的内容，填充到固定的PPT模板中，最终生成图片输出。过程确定工具有了需求后，第一件事自然是在网络上查找是否有符合需要的工具使用，笔者之前用过ApachePOI来操作过Excel文件的经历，因此有印象ApachePOI是支持Office文件的操作，不局限于Excel文件，于是决定就用它了。(制作后期有看到一些其他的工具框架
python中使用opencv的cuda开发经验1.python使用GPU读取视频如果要在python种使用GPU读取视频的话，需要在opencv编译的时候加入ffmpeg和nvcuvid。(1)nvcuvdid编译下载Video_Codec_SDK_11.1.5.zip文件，地址：NVIDIAVIDEOCODECSDK复制nvcuid/cuviddec头文件sudocp./Video_Codec_SDK_11.0.10/Interface/nvcuvid.h/usr/local/cuda/includesudocp./Video_Codec_SDK_11.0.10/Interface/cuv
python中使用opencv的cuda开发经验1.python使用GPU读取视频如果要在python种使用GPU读取视频的话，需要在opencv编译的时候加入ffmpeg和nvcuvid。(1)nvcuvdid编译下载Video_Codec_SDK_11.1.5.zip文件，地址：NVIDIAVIDEOCODECSDK复制nvcuid/cuviddec头文件sudocp./Video_Codec_SDK_11.0.10/Interface/nvcuvid.h/usr/local/cuda/includesudocp./Video_Codec_SDK_11.0.10/Interface/cuv
BatchSize的数值并不是设置的越大越好通常我们可能会认为设置较大的batchsize时，模型的训练效果会比较好。原因有以下几点：1、模型由于每次得到较多的训练数据，模型的下降方向会更加准确，模型训练曲线会更加平滑。2、减少了训练时间。同样的epoch时，batchsize需要的batch数目减少了，所以处理速度变快了。但是啊但是，较大的batchsize有以下几点问题需要注意：1、内存问题。较大的batch可能会造成内存/显存溢出2、泛化能力下降。这一点是我之前没有考虑到的一点。使用太大的批处理大小可能会在训练期间对网络的准确性产生负面影响，因为它减少了梯度下降的随机性。使用较小的批处
BatchSize的数值并不是设置的越大越好通常我们可能会认为设置较大的batchsize时，模型的训练效果会比较好。原因有以下几点：1、模型由于每次得到较多的训练数据，模型的下降方向会更加准确，模型训练曲线会更加平滑。2、减少了训练时间。同样的epoch时，batchsize需要的batch数目减少了，所以处理速度变快了。但是啊但是，较大的batchsize有以下几点问题需要注意：1、内存问题。较大的batch可能会造成内存/显存溢出2、泛化能力下降。这一点是我之前没有考虑到的一点。使用太大的批处理大小可能会在训练期间对网络的准确性产生负面影响，因为它减少了梯度下降的随机性。使用较小的批处
前言：点滴积累，贵在坚持一、布局描述：屏幕分为上下两部分，上面部分高度固定，比如 400rpx（单位可以指定为其他的比如px、upx等，高度也可以自己设定），下面部分为 scroll-view占满剩余高度，两者宽度都是占满，效果图如下：二、实现方法如下，经验证APP端和H5端都可适用（易于看懂就直接上代码了），不管底部是有tabbar还是没有tabbar都兼容exportdefault{onLoad(){//uni.hideTabBar();//控制是否隐藏底部tabbar}};.full-page{width:100%;height:100vh;background-color:red;//
