- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序手艺人
02 - Yocto Project (YP)快速入门
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z2066411585/article/details/89049111
6.5K00发布于 2019-04-18 - 来自专栏程序手艺人
03 - Yocto Project (YP)构建 Alexa SDK
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z2066411585/article/details/89159268
2K00发布于 2019-04-18 - 来自专栏小L的魔法馆
BZOJ 1193--马步距离
任给 平面上的两点 p 和 s ,它们的坐标分别为 (xp,yp) 和 (xs,ys) ,其中，xp，yp，xs，ys 均为整数。 从 (xp,yp) 出发经过一步马步移动可以达到 (xp+1,yp+2)、(xp+2,yp+1)、(xp+1,yp-2)、(xp+2,yp-1)、(xp-1,yp+2)、(xp-2, yp+1 )、(xp-1,yp-2)、(xp-2,yp-1)。 Input 只包含4个整数，它们彼此用空格隔开，分别为xp,yp,xs,ys。并且它们的都小于10000000。 Output 含一个整数，表示从点p到点s至少需要经过的马步移动次数。
49630发布于 2019-02-20 - 来自专栏巴山学长
MATLAB非线性可视化之Mandelbrot集与分形
=[YP;y_t];ZP=[ZP;z_t]; end if Z(kx,ky)~=Z(kx+1,ky) x_t=0.5*(X(kx,ky)+X(kx =[YP;y_t];ZP=[ZP;z_t]; %pause(0.1) end end end %边界值 for kx=1:Nx XP=[XP;X( kx,1)]; YP=[YP;Y(kx,1)]; ZP=[ZP;Z(kx,1)]; XP=[XP;X(kx,end)];YP=[YP;Y(kx,end)];ZP=[ZP;Z(kx,end)] ; end for ky=2:Ny-1 XP=[XP;X(1,ky)]; YP=[YP;Y(1,ky)]; ZP=[ZP;Z(1,ky)]; XP=[XP;X(end,ky)];YP =[YP;Y(end,ky)];ZP=[ZP;Z(end,ky)]; end Zq=griddata(XP,YP,ZP,X,Y,'natural');%'v4'最好，实在不行用linear end 参考资料
1.2K50发布于 2021-08-26 - 来自专栏YP小站
K8S Dashboard 2.0 部署并使用 Ingress-Nginx 提供访问入口
kubernetes-dashboard-certs secret 按上面方法，生成证书，证书生成存放到 $HOME/certs 目录中 # 证书 $ ls $HOME/certs k8s-dashboard.yp14 .cn.crt k8s-dashboard.yp14.cn.key # 创建 kubernetes-dashboard-certs secret $ kubectl create secret generic .cn 域名 Ingress nginx https 证书 $ kubectl create secret tls k8s-dashboard --key k8s-dashboard.yp14.cn.key --cert k8s-dashboard.yp14.cn.crt -n kubernetes-dashboard $ vim k8s-dashboard-ingress.yaml apiVersion .cn # 创建 $ kubectl apply -f k8s-dashboard-ingress.yaml 访问入口域名：https://k8s-dashboard.yp14.cn 把上文查看的登陆
8.7K30发布于 2020-06-04 - 来自专栏运维
NIS迁移
步骤 1，复制原hosts,passwd,shadow,group,gshadow相关文件到新机器上 2，安装ypserv,ypbind,yp-tools 3，修改ypserv.conf,yp.conf 文件 4，/usr/lib64/yp/ypinit -m 生成库，完成 客户端安装 1，用的一台rhel6.3，ypbind,yp-tools用的是自带的版本 安装后设置nisdomain 后，用ypwhich检查 ypwhich ypwhich: 无法与 ypbind 通讯 报如上错误 2，不知什么原因导致 后yum remove ypbind yp-tools 安装rhel5.8 下的ypbind,yp-tools问题解决 ypbind-1.19-12.el5_6.1.x86_64.rpm yp-tools-2.9-2.el5.x86_64.rpm
1.3K10发布于 2018-11-14 - 来自专栏光城(guangcity)
灵魂拷问std::enable_shared_from_this，揭秘实现原理
template<typename _Yp, typename _Yp2 = typename remove_cv<_Yp>::type> typename enable_if<__has_esft_base <_Yp2>::value>::type _M_enable_shared_from_this_with(_Yp* __p) noexcept { if (auto __base = __enable_shared_from_this_base typename _Yp, typename _Yp2 = typename remove_cv<_Yp>::type> typename enable_if<! __has_esft_base<_Yp2>::value>::type _M_enable_shared_from_this_with(_Yp*) noexcept { } make_shared看起来一切正常 template<typename _Yp, typename = _Compatible<_Yp>> explicit __shared_ptr(const __weak_ptr<_Yp, _Lp>&
4.8K10编辑于 2023-11-22 - 来自专栏Android点滴分享
C++模版笔记(2)
<_Yp*, element_type*>::value, __nat>::type) : __ptr_(__p) { unique_ptr<_Yp> __hold(__p); typedef typename __shared_ptr_default_allocator<_Yp>::type _AllocT; typedef __shared_ptr_pointer< _Yp*, default_delete<_Yp>, _AllocT > _CntrlBlk; __cntrl_ = new _CntrlBlk(__p, default_delete<_Yp> _OrigPtr* __ptr) _NOEXCEPT { typedef typename remove_cv<_Yp __weak_this_ = shared_ptr<_RawYp>(*this, const_cast<_RawYp*>(static_cast<const _Yp
66720编辑于 2022-10-25 - 来自专栏C/C++基础
Linux 命令（247）—— domainname / nisdomainname / ypdomainname 命令
文章目录 1.命令简介 2.命令格式 3.选项说明 4.常用示例 5.NIS 是什么 参考文献 1.命令简介 domainname 显示或设置系统的 NIS/YP 域名。 注意： （1）domainname，nisdomainname 和 ypdomainname 均是 hostname 的软链，等同于hostname -y | --yp | --nis。 --all-ip-addresses all addresses for the host -s, --short short host name -y, --yp , --nis NIS/YP domain name Description: This command can get or set the host name or the NIS 请注意， NIS 与 YP 是一模一样的咚咚喔！这个 Yellow Pages 名字取的真是好！怎么说呢？知道黄页 (Yellow Pages) 是什么吗？就是我们家里的电话簿啦！
97410编辑于 2023-02-23 - 来自专栏代码手工艺人
C++ enable_shared_from_this 具体实现
unique_ptr<_Yp> __hold(__p); typedef typename __shared_ptr_default_allocator<_Yp>::type _AllocT ; typedef __shared_ptr_pointer<_Yp*, __shared_ptr_default_delete<_Tp, _Yp>, _AllocT > _CntrlBlk ; __cntrl_ = new _CntrlBlk(__p, __shared_ptr_default_delete<_Tp, _Yp>(), _AllocT()); shared_ptr<_RawYp>(*this, const_cast<_RawYp*>(static_cast<const _Yp*>(__ptr))) 这个调用的是 std::shared_ptr <_Yp> 的。
1.4K30编辑于 2022-11-21 - 来自专栏拓端tecdat
R语言非参数模型厘定保险费率：局部回归、广义相加模型GAM、样条回归
让我们将其可视化为驾驶员年龄的函数， > plot(a,yp0,type="l",ylim=c(.03,.12)) > segments(a[k],yp1[k] ,a[k],yp2[k],col="red",lwd=3) ? 我们确实会为所有驾驶员预测相同的频率，例如对于40岁的驾驶员， > cat("Frequency =",yp0[k]," confidence interval",yp1[k],yp2[k]) Frequency (a,yp2,lty=2) > points(a[k],yp0[k],pch=3,lwd=3,col="red") > segments(a[k],yp1[k],a[k],yp2[k],col="red 对于我们40岁的驾驶员的年化索赔频率的预测现在为7.74％（比我们之前的7.28％略高） > cat("Frequency =",yp0[k]," confidence interval",yp1[k
35231发布于 2020-10-23 - 来自专栏深度学习与计算机视觉
Octave Convolution原理与Caffe实现
上采样和下采样 下采样： Octave Convolution的低频域输出可以用下面的公式表示： Yp,qL=Yp,qL→L+Yp,qH→L Y_{p,q}^{L}=Y_{p,q}^{L\rightarrow L}+Y_{p,q}^{H\rightarrow L} Yp,qL=Yp,qL→L+Yp,qH→L Yp,qL→L=∑i,j∈NkWi+k−12,j+k−12L→LXp+i,q+jL Y_{p ，Yp,qH→LY_{p,q}^{H\rightarrow L}Yp,qH→L就是（2）的结果，Yp,qH→LY_{p,q}^{H\rightarrow L}Yp,qH→L的公式就解释了下采样的过程 上采样： Octave Convolution的高频域输出可以用下面的公式表示： Yp,qH=Yp,qH→H+Yp,qL→H Y_{p,q}^{H}=Y_{p,q}^{H\rightarrow H} +Y_{p,q}^{L\rightarrow H} Yp,qH=Yp,qH→H+Yp,qL→H Yp,qH→H=∑i,j∈NkWi+k−12,j+k−12H→HXp+i,q+jH Y_{p,q}
1.1K40发布于 2019-08-01 - 来自专栏拓端tecdat
R语言非参数模型厘定保险费率：局部回归、广义相加模型GAM、样条回归
让我们将其可视化为驾驶员年龄的函数， > plot(a,yp0,type="l",ylim=c(.03,.12))> segments(a[k],yp1[k],a[k],yp2[k],col="red ",lwd=3) 我们确实会为所有驾驶员预测相同的频率，例如对于40岁的驾驶员， > cat("Frequency =",yp0[k]," confidence interval",yp1[k],yp2 ,type="l",ylim=c(.03,.12))> abline(v=40,col="grey")> lines(a,yp1,lty=2)> lines(a,yp2,lty=2)> points(a [k],yp0[k],pch=3,lwd=3,col="red")> segments(a[k],yp1[k],a[k],yp2[k],col="red",lwd=3) 对于我们40岁的驾驶员的年化索赔频率的预测现在为 7.74％（比我们之前的7.28％略高） > cat("Frequency =",yp0[k]," confidence interval",yp1[k],yp2[k])Frequency = 0.07740574
58920发布于 2020-08-05 - 来自专栏我想境境的开发专栏
AI-深度神经网络（前向传播算法和滑动平均模型）以及激活函数实例
激活函数与损失函数如下： def activity_func(a): # simgoid函数 yp = 1 / (1 + np.exp(-1 * a)) return yp , Y, error): size = YP.shape[1] # 得到YP的数量 Y_arr = Y.tolist() YP_arr = YP.tolist() # 避免后续求dA时出现除0现象 temp = np.where(YP == 1) for index, item in enumerate(temp[0]): YP[item , temp[1][index]] = 0.999999999999 dA = -(np.true_divide(Y, YP) + np.true_divide((Y - 1), (1 - YP ))) loss_part1 = np.dot(Y, np.log(YP).T) loss_part2 = np.dot(1 - Y, np.log(1 - YP).T) loss
44430编辑于 2023-02-23 - 来自专栏centosDai
nis限制网段
securenets文件所在的目录为/var/yp，默认没有该文件，创建一个 # touch /var/yp/securenets 编辑内容，格式有两种： 1）指定子网，针对一个网段进行限制，第一列是子网掩码 设置完securenets后，重启NIS服务： # /usr/lib/netsvc/yp/ypstop # /usr/lib/netsvc/yp/ypstart
2.1K20发布于 2021-05-26 - 来自专栏拓端tecdat
R语言和STAN,JAGS：用RSTAN,RJAG建立贝叶斯多元线性回归预测选举数据
test,] Yp <- Y[test] # 为预测预留的地区 Xp <- X[test,] 选举数据的探索性分析 boxplot(X, las = 3 image(1:p, dens(fit) traceplot(fit) rjags中实现 用高斯先验拟合线性回归模型 library(rjags) model{ # 预测 for(i in 1:np){ Yp ","alpha"), 从后验预测分布(PPD)和JAGS预测分布绘制样本 #提取每个参数的样本 samps <- samp[[1]] Yp.samps <- samps[,1: [,j])) # 真值 abline(v=Yp[j],col=3,lwd=2) # 95% 置信区间 alpha.mn+Xp%*%beta.mn - 1.96*sigma.mn ) apply(Yp.samps,2,quantile,0.975) ## [1] 0.9634673 请注意，PPD密度比JAGS预测密度略宽。
40400编辑于 2025-01-15 - 来自专栏话梅糖のAndroid学习
Android第三阶段操作总览
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HvT4UAof-1615865297231)(https://yp.nyanon.online/data/User/admin [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-x0T9JpxZ-1615865297239)(https://yp.nyanon.online/data/User/admin （如图） [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pB5W1kt3-1615865297244)(https://yp.nyanon.online/data/User [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Q1Bv9wF5-1615865297247)(https://yp.nyanon.online/data/User/admin 界面大体如下： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VQJrujcR-1615865297250)(https://yp.nyanon.online/data
51800编辑于 2025-03-03 - 来自专栏巴山学长
非线性可视化（4）庞加莱截面
，所以放弃，从第10个点开始 figure() plot(yP_List(1,10:end),yP_List(2,10:end),'.') xlim([-1,0.6]) ylim([-0.8,0.2]) (1,10:end),yP_List(2,10:end),zeros(size(yP_List(2,10:end))), =yP0+(yP1-yP0)/(Dis1-Dis0)*(0-Dis0); tP=t0+(t1-t0)/(Dis1-Dis0)*(0-Dis0); %储存 yP_List=[yP_List,yP]; tP_List=[tP_List,tP]; end end end %点到平面的距离 function Dis=DistancePlane (1,10:end),yP_List(2,10:end),zeros(size(yP_List(2,10:end))),
3.5K12编辑于 2023-03-15 - 来自专栏容器云生态
局域网内的NIS服务器器搭建管理
服务端口 /etc/protocols 基础的协议数据包 /etc/rpc 每种RPC服务器所对应的程序号码 /var/yp NFS server端的设置 软件所需:yp-tools;ypind;ypserv;rpcbind 2.1设置NIS服务的域名 #vim Building /var/yp/xxbandy/ypservers... gethostbyname(): Success Running /var/yp/Makefile... gmake[1]: Entering directory `/var/yp/xxbandy' instractor instractor ~]# /etc/init.d/ypserv restart;/etc/init.d/yppasswdd restart [root@instractor ~]# /usr/lib64/yp
3.6K60发布于 2018-02-26 - 来自专栏拓端tecdat
样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化
lsgen(x, y, degree = 1, numknot = 2) 在5%的收缩参数下，代码简单如下 v=.05 fit=lm(y~bs(x,degree=1,knots=optknot)) yp =predict(fit,newdata=df) yr= y - v*yp YP=v*yp for(t in 1:200){ fit=lm(yr~bs(x,degree=1,knots= optknot v=.1 rpart(y~x,data=df) yp=predict(fit) yr= y - yp YP=v*yp for(t in 1:100){ predict(fit,newdata=df 为了直观地看到收缩参数改变的结果，使用动态可视化 viz=function(v=0.05) f$yr=df$y -v*yp YP=v*yp for(t in 1:100){ yp=predict (fit,newdata=df) yr= yr - v*yp lines(df$x,y,type="s" 图3 显然，这个收缩参数有影响。
82560编辑于 2022-03-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号