社区
非技术区
帖子详情
老大,我的CSDN左侧菜单显示空白啊???
icefeiji
2007-10-11 12:26:55
打开bbs.csdn.net
左侧显示:论坛,小组,消息,小组和消息的内容显示正常,但论坛块内容是空的,我开始以为网速慢,等了n久刷新n*100次,还是空的,浏览器状态栏显示已完成,
但右面的网页也显示正常,这是咋回事撒?????
附:我的使用环境:Vista 中文版+Opera/9.23
...全文
168
2
打赏
收藏
老大,我的CSDN左侧菜单显示空白啊???
打开bbs.csdn.net 左侧显示:论坛,小组,消息,小组和消息的内容显示正常,但论坛块内容是空的,我开始以为网速慢,等了n久刷新n*100次,还是空的,浏览器状态栏显示已完成, 但右面的网页也显示正常,这是咋回事撒????? 附:我的使用环境:Vista 中文版+Opera/9.23
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
2 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
icefeiji
2007-10-11
打赏
举报
回复
楼上,我用的是opera
BookSirSwordsMan
2007-10-11
打赏
举报
回复
会不会是IE的安全级别太高了,上次我也遇到过
把音频中的某个人声去掉_怎样去掉音频中的背景音乐 只保留人声?
展开全部1、打开消除人声保留32313133353236313431303231363533e59b9ee7ad9431333433626535背景音乐软件,在
左侧
空白
处双击鼠标添加音频或单击鼠标右键,点击“导入”选择用视频音频分离软件导出来的音频,点击“打开”。2、把添加进来的视频去人声保留背景音乐的音频拖拽到主群组面板中,如下图所示:3、点击软件顶部的
菜单
栏里的“效果”--“立体声声像”--“...
Sqribble:模板驱动的文档自动化流水线解析
文档自动化是内容生产提效的关键环节,其核心在于将结构化内容通过确定性规则转化为专业排版成品。不同于依赖大模型生成文本的AI工具,这类系统基于模板驱动、规则渲染与云端协同架构,强调输出一致性、流程可复现与跨平台稳定性。它解决的是‘执行熵增’问题——即重复性排版劳动带来的效率损耗与格式错误风险。典型应用场景包括白皮书生成、培训手册编撰、产品文档交付及知识付费资料封装等。Sqribble作为代表,体现了文档数控化(Document CNC)趋势:以语义清洗、结构升维、布局原子化为技术支点,实现从内容输入到PDF输
Ubuntu 20.04中文输入法配置全指南:fcitx4+搜狗拼音稳定方案
Linux桌面输入法本质是输入法框架(如fcitx、IBus)与桌面环境(GNOME/Xorg/Wayland)的协同机制。其核心原理在于环境变量(GTK_IM_MODULE、QT_IM_MODULE、XMODIFIERS)驱动前端模块加载,并通过DBus会话完成输入上下文传递。技术价值体现在跨应用兼容性、中文智能组词与云同步能力;典型应用场景覆盖开发者终端协作、办公文档编辑及网页表单填写。本文聚焦Ubuntu 20.04 LTS这一长期支持版本,基于Xorg会话下fcitx4框架的成熟稳定性,系统解决搜狗
YOLO26算法工业车间中央处理器目标检测+训练好的模型+932张数据集+pyqt可视化界面.zip
详情可查看下方数据集可视化效果。 【数据集概况】 · 检测类别(中文):[中央处理器(CPU)] · 训练集:810 张 · 验证集:82 张 · 测试集:40 张 · 总计:932 张 该数据集聚焦于工业制造环境中中央处理器的精准识别,通过多背景、多光照条件下的图像采集,构建了覆盖典型生产场景的高质量样本库。数据集中中央处理器以标准封装形态呈现,背景涵盖金属台面、彩色渐变板及纹理表面,充分模拟实际生产线中的视觉干扰因素,为自动化质检与智能分拣系统提供了可靠的数据支撑。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 37 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9650** mAP50-95 | 0.9173 Precision | 0.9967 Recall | 0.9647 train/box_loss | 0.4580 train/cls_loss | 0.2414 val/box_loss | 0.3658 val/cls_loss | 0.2987 【训练过程分析】 37 轮训练后 mAP50 达到 0.9650,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9173,和 mAP50 差距仅 0.05,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9967、Recall 0.9647,精召双高,模型对中央处理器的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖中央处理器,置信度整体偏高。 【改进建议】 1...
ops-nn本项目是CANN提供的神经网络类计算算子库
ops-nn是CANN(Compute Architecture for Neural Networks)算子库中提供神经网络计算能力的高阶算子库,包括matmul类、activation类等算子
非技术区
7,776
社区成员
63,111
社区内容
发帖
与我相关
我的任务
非技术区
.NET技术 非技术区
复制链接
扫一扫
分享
社区描述
.NET技术 非技术区
社区管理员
加入社区
获取链接或二维码
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