关于截图工具，QQ的截图可以自动选择窗口，之前以为是颜色相近的选取，后来意识到不对，应该是窗口，用spy++找到的窗口和QQ截取到的窗口也是一样的，但是有个问题，那就是怎么选择这些窗口？我的想法是枚举所有窗口，记录这些窗口的位置和大小，然后当鼠标经过的时候用DC来画框，但是这样有个问题就是枚举到的窗口有几百个，太多了，当鼠标经过的从几百个大小的数组或vector里查找当前鼠标的位置在哪个窗口范围内实在是太拙计了，这种方法实在不太靠谱。关于QQ的截图：拷贝当
系统 2019-08-12 09:26:47 2204
点击下拉框之后，下拉列表会显示出来，但是有时候下拉列表会很快就消失掉，导致后面选择元素的时候会失败。像这种情况，需要将鼠标移动到下拉列表上，使下拉列表维持显示，然后才选择元素进行点击。将鼠标移动到下拉列表上，有时候只要提供整个下拉列表的Dom结构就可以，有时候下拉列表很长，这种方式也会失败。后来采用计算下拉列表的大小，给一点偏移量来进行移动，比较好使。/***ClickdropdowncontrolofAssetClassSetinAssetClassSe
系统 2019-08-12 09:26:47 2204
方法一故障描述：编辑Word文档的过程中，程序非法关闭，重新打开也是如此。即使重新安装了Office2003，在启动Word2003后仍然出现了异常情况。双击Word文档后，程序弹出出错对话框，其中显示“正在处理的信息有可能丢失，MicrosoftOfficeWord可以尝试为您恢复……”并询问用户是否发送错误报告，在点击了“不发送”按钮后，Word将开始恢复当前文档。恢复完毕后，程序将询问用户上次启动失败，是否以安全模式启动Word。在此，如果选择“否”
系统 2019-08-12 09:26:41 2204
一个完整的ODBC由下列几个部件组成：1.应用程序(Application)。2.ODBC管理器(Administrator)：整个架构的管理中心。3.驱动程序管理器(DriverManager)：ODBC驱动程序集中管理的部件。4.ODBCAPI：规定程序中SQL语句的格式,以及数据库访问的相关函数的函数头。5.ODBC驱动程序：与具体的DBMS通信，调用DBMS提供的API；自己(通过DriverManager)被ODBCAPI调用6.数据源：数据库位
系统 2019-08-12 01:54:50 2204
首先感谢这位博主整理的AndrewNg的deeplearning.ai的相关作业：https://blog.csdn.net/u013733326/article/details/79827273开一个我的github传送门，可以看到代码。https://github.com/VVV-LHY/deeplearning.ai/tree/master/improveNeuralNetwork/InitializeRegularize以下是今天要分类的目标点集：
系统 2019-09-27 17:57:39 2203
类也是对象在大多数编程语言中，类就是一组用来描述如何生成一个对象的代码段，在python中也是成立的。classObjectCreator:passmy_object=ObjectCreator()print(my_object)"""输出结果：<__main__.ObjectCreatorobjectat0x037DACD0>"""但是，python的类不止于此，类同样也是一种对象。classObjectCreator:pass上面的代码段将在内存中创建
系统 2019-09-27 17:57:17 2203
本文实例讲述了python实现去除下载电影和电视剧文件名中的多余字符的方法，是一个非常实用的技巧，分享给大家供大家参考。具体如下：有时候我们讨厌下载电影和电视剧文件名中的多余字符(如网址和广告字样),搞得文件名好长！不便于查看,这时候就可以使用下面的Python代码,自行修改即可.具体实现代码如下：#!\usr\bin\envpython#-*-coding:utf-8-*-#Author:吴徐平#FileName:RefineFileName.py#Fu
系统 2019-09-27 17:56:40 2203
本文实例讲述了Python爬虫实现的根据分类爬取豆瓣电影信息功能。分享给大家供大家参考，具体如下：代码的入口：if__name__=='__main__':main()#!/usr/bin/python3#-*-coding:utf-8-*-#author：Sirius.Zhaoimportjsonfromurllib.parseimportquotefromurllib.requestimporturlopenfromurllib.requestimpo
系统 2019-09-27 17:56:14 2203
本章包括：1、了解卷积神经网络（convnets）2、使用数据增强来减轻过度拟合3、使用预训练的convnet进行特征提取4、微调预训练的信号5、可视化回馈学习的内容以及他们如何做出分类决策一、引言一个简单的convnet示例。第二章中的密接网络的测试精度为97.8%，而convnet的测试精度为99.3%：我们将错误率降低了68%（相对）。为什么这个简单的convnet比一个紧密连接的模型工作得那么好呢？为了回答这个问题，让我们深入研究conv2d和ma
系统 2019-09-27 17:55:54 2203
本文实例讲述了Python原始字符串(rawstrings)用法，分享给大家供大家参考。具体如下：Python原始字符串的产生正是由于有正则表达式的存在。原因是ASCII字符和正则表达式特殊字符间所产生的冲突。比如，特殊符号“\b”在ASCII字符中代表退格键，但同时“\b”也是一个正则表达式的特殊符号，代表“匹配一个单词边界”。为了让RE编译器把两个字符“\b”当成你想要表达的字符串，而不是一个退格键，你需要用另一个反斜线对它进行转义，即可以这样写：“\
系统 2019-09-27 17:55:21 2203
