overfit同步小助手
文章同步
基于java学生选课系统
设计功能需求学生选课系统分为三个登入用户，分别为学生、管理员、老师，其中管理员为已设账号，直接登入进行相关操作，学生和老师可进行注册，也可通过已有账号登入相应界面进行相关操作。管理员：登录功能通过已知的管理员账号（如账号00001密码2020）登录，登录成功进入学生选课管理员界面，执行相应功能。添加
C++ 封装 & 信息隐藏
C++ 封装 & 信息隐藏简介
JavaFx在测试工具中的快速应用
文章目录前言一、JavaFx是什么？二、使用心得官网地址优势小作品展示前言测试过程中往往需要做些小工具方便测试执行或者更加轻松的获取一些数据。近几年一直在做互联网行业，大家都倾向于spring相应的平台或者接口获取数据，然后手工整理，总体评价其实很不经济。因此想到之前做桌面软件应用的时候，经常使用q
django APScheduler
APScheduler的全称是Advanced Python Scheduler。它是一个轻量级的 Python 定时任务调度框架。APScheduler 支持三种调度任务：固定时间间隔，固定时间点（日期），Linux 下的 Crontab命令。同时，它还支持异步执行、后台执行调度任务。
使用Python获取Excel文件中单元格公式的计算结果
假设有如下Excel文件，其中第二个WorkSheet中数据如下：其中D列为公式，现在要求输出该列公式计算的数值结果，代码如下：代码运行结果：----------相关阅读---------...
计算机领域各大顶会顶刊集合梳理
每一个领域内，都有很多优秀的、认可度高的会议或者期刊。其他领域不太了解，但一般用SCI一区，二区等来区分论文质量。对于计算机领域而言，一般的分类方式是CCF评级，从A到C含金量依次降低。为了更好地关注计算机各个相关领域的最新技术、学术动态，今天梳理一下计算机领域内的顶会顶刊。会议会议论文指的是以被会
应用统计432考研复试复试提问总结精简版【一】
一、区间估计与假设检验的联系与区别联系：二者利用样本进行推断，都属于推断统计区别：原理： 前者是基于大概率，后者基于小概率；统计量：前者是构造枢轴量（不含未知参数，分布明确），后者是检验统计量；结果：前者是区间，后者是对假设作出判断；二、原假设和备择假设的选取原假设是不会轻易否定、传统的、已有的、大
Colossal-AI的安装
是一个集成的大规模深度学习系统，具有高效的并行化技术。最近在学习stable diffusion model,但是这个模型成本比较高，作为低端学习者，借助colossal-ai加速训练，即能满足显卡要求又能节约时间。下载并解压缩，进入ColossalAI/ -> examples/ -> tutor
搭建自己的语义分割平台deeplabV3+
搭建deeplabV3+网络 数据准备 源码修改 训练 测试
查看cudnn版本号
cudnn里的include里只有。cudnn的include里有。
WEB服务的部署
WEB服务的部署
内网渗透技巧
内网渗透主要是基于前期外围打点getshell的webserver，通过收集webserver上的信息，然后对其他内网主机进行口令上的攻击，当然也有一些基于漏洞的攻击。
信息系统安全技术
第二级，信息系统受到破坏后，会对公民、法人和其他组织的合法权益产生严重损害，或者对社会秩序和公共利益造成损害，但不损害国家安全。根据应用的要求，可以将数据划分为不同密级的集合，也可以同一记录中的不同字段划分为不同的保密等级，还可以将同一字段的不同值划分为不同的安全等级，从而实现数据的等级划分以及用户
漏洞挖掘之信息收集
对单一指定目标网站进行黑盒测试，最重要的就是信息收集，因为网站管理员肯定会在用户经常访问的主网站进行经常维护，而那些子域名，没有什么人访问的，可能就会忘记维护，挖洞的突破点大都在于子域名上，你搜集的信息越全面，就越容易挖到洞对于信息收集，是一个很枯燥，也不需要太多技术的过程，大佬和小白都差不多，也就
kali基于sqlmap的使用
kali之SQLmap
Web安全之CTF测试赛
一次CTF测试赛
某金融机构身份国产化LDAP创新实践——国产自主可控 LDAP目录服务建设经验分享
金融机构微软目录服务 Active Directory（AD）面临替换，国产ldap目录服务建设解决方案。
内网渗透 Metasploit（MSF）基础使用
内网渗透 Metasploit（MSF）使用，信息搜集，模块详解，端口扫描，反弹shell
Slave_IO_Running: No 的解决
Slave_IO_Running: No 的解决
详细且通俗讲解轻量级神经网络——MobileNets【V1、V2、V3】
文章目录轻量级神经网络——MobileNetsMobileNetV1深度可分离卷积1、**深度卷积**✨✨✨2、**逐点卷积**✨✨✨参数量和计算量1、**标准卷积**2、**深度可分离卷积**✨✨✨MobileNetV1的网络结构及效果MobileNetV2Linear Bottlenecks✨✨