好久没来了,提个小问题,散分

atyzy 2002-03-08 07:36:46
好久没来了,提个小问题,散分
如何保存精彩的贴子,以前我用文件->另存为-->纯html,现在咋存,有更好的办法吗?
...全文
264 21 打赏 收藏 举报
写回复
用AI写文章
21 条回复
切换为时间正序
请发表友善的回复…
发表回复
zhangwh6882 2002-03-09
  • 打赏
  • 举报
 回复
试试“网海拾贝”，能方便不少
tuoshi 2002-03-08
  • 打赏
  • 举报
 回复
其实Ctrl+C Ctrl+V粘贴，然后自己再编辑整理一下也不错啊。
zyl910 2002-03-08
  • 打赏
  • 举报
 回复
我是用“2.xls”的！
tuoshi 2002-03-08
  • 打赏
  • 举报
 回复
收藏么，用起来也很方面啊。
atyzy 2002-03-08
  • 打赏
  • 举报
 回复
还是把2.xsl保存到硬盘的这个方法好.最简单
浏览器的方法也挺好,不过还得装
官方解答没找.
fanpingli 2002-03-08
  • 打赏
  • 举报
 回复
官方解答一点也不好.
最好是->选中需要的文本->Ctrl+C->记事本打开->Ctrl+V
pengnick 2002-03-08
  • 打赏
  • 举报
 回复
to:saiko(小新)
收到了吗？
likesome 2002-03-08
  • 打赏
  • 举报
 回复
我还是喜欢收藏
wgku 2002-03-08
  • 打赏
  • 举报
 回复
我用langzhi(方舟)同样的方法
thirdapple 2002-03-08
  • 打赏
  • 举报
 回复
http://www.csdn.net/expert/topic/540/540039.xml?temp=.6447565
40Star 2002-03-08
  • 打赏
  • 举报
 回复
必须同时保存expert/Xsl/2.xsl
这个XML需要的样式文件！
thirdapple 2002-03-08
  • 打赏
  • 举报
 回复
CSDN上有这方面的官方解答，你搜索一下吧！
langzhi 2002-03-08
  • 打赏
  • 举报
 回复
编辑->全选->复制
打开记事本,crtl+V
tolimit 2002-03-08
  • 打赏
  • 举报
 回复
ctrla
ctrlc
ctrlv
saiko 2002-03-08
  • 打赏
  • 举报
 回复
pengnick(pengnick ）你好，有的咩？给我发一个啊 saikoyz@sohu.com
秋雨 2002-03-08
  • 打赏
  • 举报
 回复
前面有位老兄作的csdn浏览器有保存项
atyzy 2002-03-08
  • 打赏
  • 举报
 回复
不需要太复杂,我指的是大众环境下,简单保存一下文本就可以了
sonicdater 2002-03-08
  • 打赏
  • 举报
 回复
加到 "收藏" 中.
iamfancy 2002-03-08
  • 打赏
  • 举报
 回复
建议 CSDN 做个输出文本的功能好了
pengnick 2002-03-08
  • 打赏
  • 举报
 回复
留个E_mail吧。这里有份源程序可以保存。效果马马虎虎。（ＣＳＤＮ上的兄弟做的）
加载更多回复（1）
变分贝叶斯估计：KL散度及变分自由能
这可以通过最小化KL散度来找到最优的变分分布，从而近似真实的后验分布。它是变分推断中的一个目标函数，通过最小化变分自由能，可以找到一个近似分布，使其尽可能接近真实的后验分布。变分自由能与最大化证据下界是等价的，因为最大化 ELBO 的过程等价于最小化其负值，即最小化变分自由能，且通常通过迭代的方式进行。通过最小化变分自由能，我们在近似分布的选择中取得了折中，同时考虑了与真实后验的接近度和模型对观测数据的拟合。其中，Q 是我们希望找到的近似分布，P 是真实的后验分布，X 是观测数据，Z 是未知的潜在变量。
正向KL散度与反向KL散度
KL散度的公式是 KL[p(x)∣∣q(x)]=∫xp(x)logp(x)q(x)dx KL[p(x)||q(x)] = \int_{x}p(x)log{p(x) \over q(x)}dx KL[p(x)∣∣q(x)]=∫x​p(x)logq(x)p(x)​dx 假设真实分布为p(x)p(x)p(x)，我们想用分布q(x)q(x)q(x)去近似p(x)p(x)p(x)，我们很容易想到用最小化KL散度来求，但由于KL散度是不对称的，所以并不是真正意义上的距离，那么我们是应该用KL[p∣∣q]KL[p||q]
GAN的理论基础之KL散度与JS散度
在介绍KL散度和JS散度之前，我们需要了解什么是信息熵，什么是交叉熵。 香农信息量、信息熵 香农信息量用于刻画消除随机变量X在x处的不确定性所需的信息量的大小 当对数的底数为2时，香农信息量的单位为比特 香农信息量描述的是随机变量在某一点...
高考复读数学提分技巧
高考数学题型固定，掌握常见题型的解题套路，能快速提高解题效率和正确率。归纳高频题型：比如函数单调性证明、...高考复读数学提分技巧复读生数学提分的核心是 “精准补漏、优化节奏、减少重复失误”，要利用已有的高三基础，避开过去的低效学习误区，针对性突破。复读时间有限，要追求 “做一题会一类”，避免重复劳动。错题复盘要 “三步到位”：重新独立做：盖住答案，限时重新解题，检验是否真的掌握；提炼核心思路：在错题旁写清 “这道题的关键突破口是什么”（如 “看到‘恒成立’就想分离参数”）；
DL：RBM学习算法——Gibbs采样、变分方法、对比散度、模拟退火
RBM学习方法 当前在对RBM 的研究中，典型的学习方法有Gibbs 采样(Gibbs sampling)算法，变分近似方法(variational approach)，对比散度(contrastive divergence,CD)算法，模拟退火(simulate annealing) 算法等。下面对这些方法进行对比。 1、Gibbs采样算法 （1）简介 G
VB基础类

7,788

社区成员

197,583

社区内容

发帖
与我相关
我的任务
社区描述
VB 基础类
社区管理员
  • VB基础类社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章