workbench使用粗略记录

本文目标在于记录在FreeCAD源码阅读中了解到的一些东西. FreeCAD编译 FreeCAD源码的编译最好使用官方提供的LibPack,否则第三方库难以找全,找到之后还需要自己编译,此外还不知道CMake是否能够那么顺利找好(find_package)自己设的第三方库.采用官方提供的LibPack可以免除这一大堆的麻烦.但是官方的LibPack仅有提供针对VS2008, VS2013, VS2012x64的版本,分别可以在FreeCAD在github上的发布地址0.16和0.15版本位置找到

今天在学习接口测试过程中,给到的接口测试文档中需要添加header为Content-Type application/json,突然想到前一阵去面试被提问http的header都有哪几部分组成,今天就在这里粗略记录一下 通过抓包工具Charles进行抓包,可以抓取到http请求的headers http的headers中包含的部分为: Host:请求的域名或者ip Content-Length:用于表示http消息实体的传输长度(即表示实体长度又表示传输长度,如果实体长度和传输长度不一致则不能有

前言 近期工作遇到需要多个账号同时需要某个文件的读写权限的,先是尝试用chmod的3大权限来设置,后有前辈指出可用facl设置,查阅资料后,粗略记录实验结果如本章所示:如有遗漏和错误之处,敬请各位看官指出,谢谢. 实验环境: Linux的Distribution: [[email protected] ~]# cat /etc/redhat-release Red Hat Enterprise Linux Server release 6.2 (Santiago) setfacl的版本号: [[

原文教程链接在此http://blog.csdn.net/lxhjh/article/details/51752419. 使用了org.slf4j.Logger和org.slf4j.LoggerFactory 贴三句代码: protected static Logger logger=LoggerFactory.getLogger(HelloController.class); logger.debug("访问hello"); logger.debug("访问helloNam

这里的算法是毕设过程中,自己想到的,也不知道有不有人提出过.这里就记录下发现的过程的具体的算法,以后会用到 背景描述 毕设做的是「社交网络中病毒传播的预测」,前期过程主要是模拟几个网络的数据,然后从一个节点开始传播,研究传播过程的预测性. 其中一步,需要研究距离桥节点(两个网络的俩连接点)距离为n的节点为病毒源的传播过程.这里产生一个需求:寻找与节点A距离为n的节点们. 毕设过程基本是重复博士生姐姐已发表的论文,不过由于年轻气盛给导师说要自己做,只是博士生姐姐提供主线思路.每次都是自己做出来后,

时间:2018年2月21日 因为时间问题,以下笔记就粗略记录.仅作为个人笔记为用 安装virtualenv和virtualenvwrapper 如何安装的细节下面这篇也有介绍,包括如何使用切换虚拟机也有介绍 http://blog.csdn.net/xshalk/article/details/47301339 其中如何找 .bash_profile文件 在Finder用快捷键command+shift+G输入打开目录~/ 再快捷键:shift+comman+. 显示隐藏文件即可找到这个文件 修

今天公司同事反馈一个SQL语句删除数据删除了一个小时,还没有删除完,强制中断.表中只有几百条数据. sql 反馈如下: DELETE t FROM o.`AI_AD_U_L` t WHERE EXISTS (SELECT 1 FROM o.`AI_AD_U_L_TEMP` AS a WHERE a.`ca_id`=t.`ca_id`); 第一步: 查看表上的索引: show index from  AI_AD_U_L; show index from I_AD_U_L_TEMP 发现关联字段上a

前段时间搞了个几多年前的联想品牌机,型号是 Lenovo ThinkCentre M4250s 配置: CPU: Pentium Dual-Core CPU E5400 @ 2.491GHz RAM: 2GB 为了把它充分利用上,测试安装了几款系统,包括 Windows 和 Linux 粗略记录如下: 系统 架构 记录 Windows 10 1809 x64 卡logo界面,无法进行安装 Win7 SP1 x64 安装成功,CPU 10% RAM 751M/2G Windows 10 1809

结合开源项目tensorflow-yolov3(https://link.zhihu.com/?target=https%3A//github.com/YunYang1994/tensorflow-yolov3),理解YOLO v3实现细节整体套路 简单写写 1.数据预处理 voc_annotation.py生成训练测试txt文件,存储了图片路径,bbox和类别 dataset.py 的功能如下: (1)通过读取voc_annotation.py生成的train.txt文件,对图片进行增强处理(