社区
Windows Server
帖子详情
win2000server系统中用什么软件对磁盘进行分区?THANK
hutiefeng9847
2005-09-28 05:09:30
我用PQ8分区,但好像不能用在WIN2000SERVER中
...全文
158
3
打赏
收藏
win2000server系统中用什么软件对磁盘进行分区?THANK
我用PQ8分区,但好像不能用在WIN2000SERVER中
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
3 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
jact007
2005-10-07
打赏
举报
回复
用windows自帶的磁盤管理去格吧.
chi198199
2005-09-28
打赏
举报
回复
我的电脑右键--管理----磁盘...在那里可以分区的.
sanwen
2005-09-28
打赏
举报
回复
用winnt自带的diskpart
从零玩转 Linux:网络配置、
软件
安装及 Docker 实战
本文摘要:本文详细介绍了Linux
系统
管理、服务器配置及Docker容器化部署的实用指南。内容涵盖基础命令操作(如网络状态查看、文件管理、进程控制)、服务器网络配置(IP设置、时间同步、源更换)、Docker环境搭建与常用服务部署(Node-RED、RabbitMQ、Redis等),以及虚拟机环境配置(VMware/PVE)和
系统
维护技巧(日志清理、
磁盘
扩容)。重点提供了各类服务的安装脚本、配置模板和故障解决方案,适合运维人员快速查阅实现高效
系统
管理。文中还包含
Win
dows环境下Redis/PM2自启动等
MATLAB科学机器学习与物理信息神经网络PINN综合案例库源码+文档说明及全部资料.zip
MATLAB科学机器学习与物理信息神经网络PINN综合案例库源码+文档说明及全部资料.zip 包含多个关于科学机器学习(SciML)和物理引导机器学习的MATLAB示例。SciML结合了人工智能方法和领域特定知识以加速科学和工程发现。文章详细介绍了SciML的几种方法,包括物理引导神经网络(PINNs)、神经常微分方程(Neural ODEs)、神经算子(Neural Operators)和图神经网络(GNNs)。此外,还提供了一些示例和资源以帮助用户入门。 关键点 该仓库展示了科学机器学习(SciML)和物理引导机器学习的MATLAB示例。 SciML结合了AI方法和领域特定知识以加速科学和工程发现。 物理引导神经网络(PINNs)通过在神经网络训练的损失函数中结合微分方程来解决微分方程。 神经常微分方程(Neural ODEs)在神经网络中作为一层引入,用于解决常微分方程。 神经算子用于学习函数空间之间的映射,通常用于PDE问题。 图神经网络(GNNs)被设计用于操作图数据,适用于热传导等问题。
C#源码SqlSugar-master
C#源码SqlSugar-master
电影推荐与评论
系统
的设计与实现(代码+数据库+LW)
摘 要 随着互联网影视产业的迅速发展,电影资源呈指数级增长,类型也愈加多样化,但是用户面对如此庞大的影片库时,会遇到信息过载、筛选效率低下、观影决策成本高这些难题,而传统的电影平台大多只是对基本的分类和热度
进行
展示,并没有提供个性化的推荐服务,社交互动以及一体化管理的能力也比较薄弱。 该
系统
使用的是Spring Boot+Vue前后端分离的方式
进行
开发,设计并开发了一个电影推荐和评论
系统
。开发
系统
中存在三个问题,即无法准确地判断出用户的喜好、电影推荐功能上线之初没有用户数据,因此推荐效果不佳、大量用户同时评论打分时
系统
容易出现不稳定的情况。为了克服上述问题,本文查阅相关资料,不断迭代开发原型,并
进行
实际测试,完成整个
系统
的全部过程,即
系统
需求分析、架构设计、功能开发、
系统
测试。
系统
分为普通用户和管理员两种身份,具有注册登录、电影浏览、电影推荐、评分评论、影片收藏、个人中心、后台管理等功能,采用结合用户喜好和电影热度的简单推荐方式,提供热门电影推荐和个性化推荐,很好地解决了推荐功能初始没有数据、数据较少的问题。项目用接口来完成前后端的数据交互,使用MySQL数据库存储用户、电影、评论、收藏等各种数据,并且加入权限验证、密码加密等安全措施,保证
系统
安全稳定并且便于后期扩展。除此之外,
系统
还增加了电影资讯查看、首页轮播图设置、编辑资讯等功能,使整个电影平台的服务更加全面,使用更加高效。经过全面的功能测试、接口测试和性能测试,
系统
各个模块运行稳定,推荐接口响应时间小于300ms,主要的互动操作成功率大于98%,可以大大降低用户的选片成本,提高观影决策的速度和社区互动的效果。 本文给出一套轻量级、易部署、可复用的电影推荐类Web应用工程实现方案,相比于传统的单一列表展示型平台,个性化服务、社交互动体验和后台管理效率都有明显的提高,可以给影视文化数字化传播、推荐算法轻量化工程实践
Video-Production-Pipeline-Handoff-v1.0-原创源码与文档.zip
原创本地工程工具合集,每个资源均包含独立源码、README、MIT License、原创与授权声明、3项自动化测试、可复现合成示例、离线 JSON、HTML、SVG 报告及 1080×720 真实运行截图。Node.js 18+ 可直接运行,适合开发者
进行
工程预检、数据校验和证据留档;不包含第三方项目源码、模型权重、官方素材或账号数据。
Windows Server
6,873
社区成员
177,930
社区内容
发帖
与我相关
我的任务
Windows Server
Windows 2016/2012/2008/2003/2000/NT
复制链接
扫一扫
分享
社区描述
Windows 2016/2012/2008/2003/2000/NT
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