第三方的app，引用作者的描述：“最近一直在利用空余时间开发一个完整的App，名字就叫“专栏”。开发这个App的目的主要是为了练练手，熟悉开发一个完整App的流程。就像造房子，亲手打地基，搬砖头，垒砖头，还自己装修（虽然装修的不好看）”Dependency-依赖JavaDevelopmentKit(JDK)7+com.android.tools.build:gradle:1.0.0AndroidSDKAndroidSDKBuild-tools21.1.2B
系统 2019-08-12 09:29:50 2053
理解嵌入式开发中的一些硬件相关的概念做嵌入式系统开发，经常要接触硬件。做嵌入式开发对数字电路和模拟电路要有一定的了解。这样才能深入的研究下去。下面我们简单的介绍嵌入式开发中的一些硬件相关的概念。电平（Level）在数字电路中，分为高电平和低电平，分别用1和0表示。一个数字电路的管脚，总是存在一个电平的，要么高要么低，或者说要么1要到0（其实，还有另一种状态，后面会提到）。总线（Bus）在嵌入式系统中一定会有一块处理器芯片，此外，还有其它的芯片作为外部设备（
系统 2019-08-12 09:29:43 2053
首先设置样式：标题一，标题二，标题三......设置完成样式后，在“开始”标签选择“段落”块里的“多级列表”按钮。如果我们要设置第一级就用鼠标选中级别为1级，然后设置“将级别链接到样式”为前面设置的风格名为“标题一”的样式；同样的操作，如果设置第二级，需要从第一级开始逐级选中需要调整的级别，再设置二级列表，使用鼠标选中级别为2级，然后设置“将级别链接到样式”为前面设置的风格名为“标题二”的样式；以后如此类推。假设是设置第4级，则需要从第一级开始逐级选中需要
系统 2019-08-12 09:27:23 2053
冷落博客已有一年，理由种种，想来是腾出了些时间，但未见得其他方面有了什么可观的进步。打理博客犹如健身，每天不抬几次杠铃活动活动筋骨则憋的荒。消耗了大量的体力，一天下来却倍感清爽，人清爽了做什么都很来劲儿，久而久之反而能积累不少成果。写博客，百利而无一害也。最近一年与往年相比相差甚远，不管是Positivity、Endurance还是各种Ablilities，好比黄金圣斗士堕落到了青铜级别，更可怕的是对技术越感麻木，难道这就是所谓的技术阶段性更年期？思前想后
系统 2019-08-12 09:27:07 2053
F:\ILMerge>ILMerge/targetplatform:v4,"C:\WINDOWS\Microsoft.NET\Framework\v4.0.30319"/lib:"C:\WINDOWS\Microsoft.NET\Framework\v4.0.30319\WPF"/lib:"C:\ProgramFiles\MicrosoftVisualStudio10.0\Common7\IDE\PublicAssemblies"/out:Contact.
系统 2019-08-12 01:54:14 2053
-(void)setTitleWithString:(NSString*)title,...{NSMutableArray*argsArray=[[NSMutableArrayalloc]init];if(title){//将第一个参数添加到array[argsArrayaddObject:title];va_listparams;//定义一个指向个数可变的参数列表指针；va_start(params,title);//va_start得到第一个可变参数地
系统 2019-08-12 01:53:50 2053
(1)枚举默认为unsignedint类型，我们可以手动为枚举指定类型，如：enumAttr:char{ATTR_LV=120,};(2)我们可以使用泰勒展开式快速计算两点间距离：intfastDistance2D(int_nX1,int_nY1,int_nX2,int_nY2){//thisfunctioncomputesthedistancefrom_nX1,_nY1to_nX2,_nY2with3.5%error//firstcomputetheab
系统 2019-08-12 01:53:24 2053
os模块中关于文件/目录常用的函数使用方法函数名使用方法getcwd()返回当前工作目录chdir(path)改变工作目录listdir(path=’.’)列举指定目录中的文件名（’.‘表示当前目录，’…'表示上一级目录）mkdir(path)创建单层目录，如该目录已存在抛出异常makedirs(path)递归创建多层目录，如该目录已存在抛出异常，注意：'E:\a\b’和’E:\a\c’并不会冲突remove(path)删除文件rmdir(path)删除单
系统 2019-09-27 17:56:19 2052
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 2052
关于Django生成迁移文件，我是在虚拟机上完成的1.创建虚拟环境：在终端上输入创建python3的虚拟环境mkvirtualenv-ppython3虚拟环境的名字在虚拟环境中安装好django1.8.4和pymysql2.创建项目创建项目语句：django-adminstartproject项目名字创建APP：pythonmanage.pystartapp模块名字这时，我们要在pycham中打开这个项目，并在项目名的同名文件夹下的settings.py的
系统 2019-09-27 17:55:45 2052
