Windows上安装TortoiseGit后,已经commit的文件会打√, 未加入版本管理的文件会打?, 有修改的文件或者文件夹会打!, 刚刚加入文件管理,但还没有commit的会打+.
如果对项目进行commit时, tortoiseGit发现不了任何的新的修改,然而项目目录上就是有个!, 跟着!一路进入会找到若干个文件上打着?,但这些文件明明已经commit并且也没有任何修改,这时候一般是这几个文件的文件名大小写改变导致的.
登录git的WEB服务器端查看这几个文件名与本地的异同, 将本地文件名大小写改为与服务器一致就可以解决,文件将恢复√状态.

jekyll本身是预处理成静态页面，所以是不支持的。如果还是只用静态页面服务器的话，要支持只能从js上想办法。

JS获得GET参数

location.search可以获取get参数， 如?b=qq&c=dd，然后将其转化为json对象，我用的是字符串替换+JSON.parse

let urlParams = JSON.parse('{"'+location.search.substring(1).replace(/=/g,'":"').replace(/&/g,'","')+'"}')

对单个DOM元素在JS中修改

给DOM元素加id，再通过js修改即可。

  document.getElementById('name').innerText = someNewName

按GET参数不同显示不同的post

可以先在css中设置class，属性是display:none将元素隐藏，然后将所有的post按打上不同的class标记，再在js中遍历post的元素，将需要显示的class标记删除。
css:

.qq,.tr{
display:none;
}

预处理前的liquid代码

<li class="{{post.b}}"> ....</li>

js代码

    var all = document.getElementsByClassName(urlParams.b);
    console.log(all.length)
    //这儿删除了 i++, 因为 每次使用classList.remove, 都会让当前的all[i]从all的数组中删除, 数组会不断变短直至为0
    for (var i = 0; i < all.length;) { 
      all[i].classList.remove(urlParams.b)
    }

批量修改class颜色

可以通过css变量
参考：https://stackoverflow.com/questions/9436123/javascript-changing-a-class-style/65471649

:root {
    --some-color: red;
}

.someClass {
    color: var(--some-color);
}

Then you can change the variable's value in Javascript with

document.documentElement.style.setProperty('--some-color', '(random color)');

2018年的文章: 【年薪千万超级矿工】共享矿机训练神经网络，收益是挖矿4倍

Do You Remember How To View These Magic Eye Pictures?

https://docs.espressif.com/projects/esp-at/zh_CN/latest/Customized_AT_Commands_and_Firmware/Tencent_Cloud_IoT_AT/Tencent_Cloud_IoT_AT_Command_Set.html

纹饰	图案	寓意
缠枝纹		俗称“缠枝花”，又名“万寿藤”。因其结构连绵不断，故又具“生生不息”之意，寓意吉庆。
莲瓣纹		莲瓣纹是佛教推崇的纹饰，莲花代表普度众生。抽象起来像是花括号
云纹		云纹是最为常见的传统纹样，象征着高升和如意,依据形态特征可分为单岐云、双岐云、三岐云、勾云纹、朵云纹、云头纹、云水纹、流云纹、三叉云等
云雷纹		商周时期，云纹多与雷纹共同被提起，被视为是云纹早期形态
回纹		是由陶器和青铜器上的雷纹衍化而来的几何纹样。回纹图案寓意吉祥富贵，所以民间称连续的回纹为“富贵不断头”
弦纹		弦纹是古代器物上最简单的传统装饰纹样，在青铜器上呈现为凸起的横线条。细弦纹像一条细长的带子平缚于陶器之上，细长、凸起；粗弦纹较宽，纹中间呈凹槽状，很像板瓦，因此又被称为“瓦纹”。另有作人字形的弦纹，称为“人字纹”或“人字弦纹”。
席纹		《中国陶瓷史》对其成因有解释说，它是制作陶坯时坯下所垫席类器物留下的印痕。
连珠纹		连珠纹又称“联珠纹”、“连珠”、“圈带纹”、“花蕊纹”，由一串彼此相连的圆圈或椭圆组成
漩涡纹		主流是认为起源于自然界的水涡，或者是源于对蛇形图腾的崇拜。象征自然和谐。寓意着太阳起落，四季划分
乳钉纹		最早出现在祭祀女性先人的祭器之上，感怀生命起源，表示对母亲的敬仰和怀念。而且钉谐音“丁”，故而也有祈求子孙满堂、人丁兴旺的寓意。战汉玉璧最常装饰乳钉纹，因为玉璧是“天”的象征，所以玉璧上的乳钉纹通常代表天上的星星。
条纹		又称“条形纹”、“线纹”，是一种最简单、最实用的传统装饰纹样。
曲折纹		又称“曲尺纹”、“波折纹”、“三角折线纹”，如同水波纹，猜测也可能是山的象形。规律的排布还给人一种生动活泼、刚强有力的秩序美。

其他参考文献
传统窗格图案几何纹饰及其艺术特征

根据企查查2021-8-18

知乎上的回答
tensorflow官方认证地址
考取google Tensorflow认证的流程
另一个老外的TensorFlow考试经历

Tensorflow考试准备

官方考试手册
配置考试环境
官方教程

学习教程

吴恩达课程学习笔记

AI技术文章

容量、过拟合和欠拟合
深度学习中过拟合、欠拟合问题及解决方案
熵,交叉熵,二分类交叉熵/Entropy, crossentropy, binary crossentropy
正则化
正则化消除过拟合

AI前沿思考

陈德旺对Deepmind的成功的探讨

笔记本电脑上训练

PS: 可以通过Nvidia的显卡加速, 不过在i7-8550U+MX150上测试, MX150似乎比CPU还慢.

使用MX150:

2021-08-23 11:01:05.658828: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cufft64_10.dll
2021-08-23 11:01:05.661719: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library curand64_10.dll
2021-08-23 11:01:05.667080: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cusolver64_11.dll
2021-08-23 11:01:05.672298: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cusparse64_11.dll
2021-08-23 11:01:05.681747: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cudnn64_8.dll
2021-08-23 11:01:05.681986: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1871] Adding visible gpu devices: 0
2021-08-23 11:01:05.682349: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2021-08-23 11:01:05.683329: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1733] Found device 0 with properties: 
pciBusID: 0000:01:00.0 name: NVIDIA GeForce MX150 computeCapability: 6.1
coreClock: 1.341GHz coreCount: 3 deviceMemorySize: 2.00GiB deviceMemoryBandwidth: 37.33GiB/s
2021-08-23 11:01:05.683674: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1871] Adding visible gpu devices: 0
2021-08-23 11:01:06.781669: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1258] Device interconnect StreamExecutor with strength 1 edge matrix:
2021-08-23 11:01:06.781862: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1264]      0 
2021-08-23 11:01:06.781974: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1277] 0:   N 
2021-08-23 11:01:06.784405: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1418] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1332 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce MX150, pci bus id: 0000:01:00.0, compute capability: 6.1)
2021-08-23 11:01:07.432975: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:176] None of the MLIR Optimization Passes are enabled (registered 2)
Epoch 1/5
2021-08-23 11:01:07.782500: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cublas64_11.dll
2021-08-23 11:01:08.920483: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cublasLt64_11.dll
1875/1875 [==============================] - 6s 2ms/step - loss: 0.2974 - accuracy: 0.9155
Epoch 2/5
1875/1875 [==============================] - 5s 2ms/step - loss: 0.1430 - accuracy: 0.9569
Epoch 3/5
1875/1875 [==============================] - 5s 2ms/step - loss: 0.1057 - accuracy: 0.9685
Epoch 4/5
1875/1875 [==============================] - 5s 2ms/step - loss: 0.0867 - accuracy: 0.9742
Epoch 5/5
1875/1875 [==============================] - 5s 3ms/step - loss: 0.0741 - accuracy: 0.9764
313/313 - 1s - loss: 0.0704 - accuracy: 0.9784

Process finished with exit code 0

上面MX150的Epoch每一项在5~6秒, 而使用CPU只需要1~2秒:

D:\r\pyproj\TFproj1\venv\Scripts\python.exe D:/r/pyproj/TFproj1/main.py
2021-08-23 11:04:35.810645: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cudart64_110.dll
2.5.0
2021-08-23 11:04:39.140247: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library nvcuda.dll
2021-08-23 11:04:39.791839: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1733] Found device 0 with properties: 
pciBusID: 0000:01:00.0 name: NVIDIA GeForce MX150 computeCapability: 6.1
coreClock: 1.341GHz coreCount: 3 deviceMemorySize: 2.00GiB deviceMemoryBandwidth: 37.33GiB/s
2021-08-23 11:04:39.792157: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cudart64_110.dll
2021-08-23 11:04:39.808505: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cublas64_11.dll
2021-08-23 11:04:39.808676: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cublasLt64_11.dll
2021-08-23 11:04:39.813804: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cufft64_10.dll
2021-08-23 11:04:39.816603: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library curand64_10.dll
2021-08-23 11:04:39.822109: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cusolver64_11.dll
2021-08-23 11:04:39.827115: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Successfully opened dynamic library cusparse64_11.dll
2021-08-23 11:04:39.832314: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudnn64_8.dll'; dlerror: cudnn64_8.dll not found
2021-08-23 11:04:39.832637: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1766] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.
Skipping registering GPU devices...
2021-08-23 11:04:39.833777: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2021-08-23 11:04:39.834660: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1258] Device interconnect StreamExecutor with strength 1 edge matrix:
2021-08-23 11:04:39.834922: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1264]      
2021-08-23 11:04:40.297728: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:176] None of the MLIR Optimization Passes are enabled (registered 2)
Epoch 1/5
1875/1875 [==============================] - 2s 840us/step - loss: 0.2934 - accuracy: 0.9141
Epoch 2/5
1875/1875 [==============================] - 1s 764us/step - loss: 0.1421 - accuracy: 0.9578
Epoch 3/5
1875/1875 [==============================] - 2s 853us/step - loss: 0.1091 - accuracy: 0.9674
Epoch 4/5
1875/1875 [==============================] - 2s 1ms/step - loss: 0.0881 - accuracy: 0.9730
Epoch 5/5
1875/1875 [==============================] - 2s 1ms/step - loss: 0.0763 - accuracy: 0.9759
313/313 - 0s - loss: 0.0729 - accuracy: 0.9780

Process finished with exit code 0

以前认为至少两条：
1、预测准；
2、对人好；
现在得加第三条：
3、执行力强；
要强成信仰一样。

原文连接
启用方式是以管理员运行下面的bat文件:

@echo off
pushd "%~dp0"
dir /b C:\Windows\servicing\Packages\Microsoft-Windows-GroupPolicy-ClientExtensions-Package~3*.mum >List.txt
dir /b C:\Windows\servicing\Packages\Microsoft-Windows-GroupPolicy-ClientTools-Package~3*.mum >>List.txt
for /f %%i in ('findstr /i . List.txt 2^>nul') do dism /online /norestart /add-package:"C:\Windows\servicing\Packages\%%i"
pause

原文来自微软官方

系统文件检查器是 Windows 10 中的一个实用工具，用于检查计算机中文件的问题。若要运行它，请按照下列步骤进行操作：

确保已安装 Windows 10 的最新更新，然后重启计算机。若要了解详细信息，请阅读更新 Windows 10。

在任务栏上的搜索框中，键入“命令提示符”，然后长按或右键单击结果列表内的“命令提示符”（桌面应用）。选择“以管理员身份运行”，然后选择“是”。

键入 DISM.exe /Online /Cleanup-image /Restorehealth（注意每个 "/" 前的空格），然后按“Enter”键。（注意：此步骤可能需要几分钟才会启动，最多可能需要 30 分钟才能完成。）

在看到显示“操作已成功完成”的消息后，键入sfc /scannow（注意“sfc”和“/”之间的空格），然后按下“Enter”。

在看到一条显示“验证 100% 完成”的消息后，键入“退出”。

这么洁身自好竟然中病毒了? 上周五下午去小米换电池, 难道是小米维修?

症状:

1. CPU占用率极高, 一晚上没有关机电脑很烫.
2. 不能打开任务管理器, 提示被管理员禁用.
3. 不能打开组策略管理器 GPEDIT.msc.

腾讯电脑管家居然不报.

C盘 AutoRun.inf

我只能转为图片上传, 因为有的杀毒软件会检测这些病毒内容,并且自动断开与网站的链接.

D 盘 AutoRun.inf

jbqgma.exe

100 KB (103,140 字节)

ulvx.pif

在 https://r.virscan.org/ 上扫描, 结果如下:
文件名称 :ulvx.pif （本站不提供任何文件的下载服务）
文件大小 :103140 byte
文件类型 :PE32 executable (GUI) Intel 80386
MD5:b7ff0959b1568d9530a4c69661dbebc7
SHA1:1b3b4f74fd93e1786c2c195125c28aaae5d8f57b
SHA256:9e9d4b2eaf3c20b3c4397c205989970d2064a7d1a8ced715e62c955d3f8922e5
SSDEEP:1536:5ww2cwmgypHD4U4EYtBnp9LFT8RkTWvaYGTQ2fACZWoWafNRyX2QCSQeAxkR5DlY:5zDJD4CYzxLCig2aoWPmQCSQlkR5m

■Heuristic/Suspicious ■Exact
注意: 就算报告发现病毒，也可能是杀软误报，请根据查毒结果自行判断

分析

应该是在最近中的病毒. 一着急没去看病毒文件的创建日期就给删掉了. 看起来似乎是U盘病毒. 除了在小米换电池, 还有就是上周去出差电脑拿出来做演示, 是不是有病毒文件通过别人的U盘传入? 就不知道了.

杀毒

使用Avast全盘杀毒, 查出来3660个病毒, 大多是Win32: SaliCode[Inf]病毒,还有一些是Wrm病毒, 感染的主要是Exe文件. 我使用everything搜索所有Exe文件并对修改时间排序, 除了Avast正在查杀修改的Exe以外, 竟然找不到其他大批量修改Exe的时间段?!

太极创客对28BYJ-48单极性步进电机的介绍很详细, 型号源于名称: 外径28毫米四相八拍式永磁减速型步进电机.B是步进,Y是永磁, J是减速,哈哈很明显是我国的电机标准.
太极创客对这个步进电机的原理的介绍讲转子有6齿而定子有8齿, 最后算下来每一步是11.25度, 很有道理但很可惜, 是错的. 按转子6齿, BCDA每次循环完毕, 转子只会转45/3×4=60度, 每一步只有45/3=15度. 但11.25度这个结论却是对的. 是因为其实转子和定子都是8齿!
这个老外的博客对28BYJ-48这个国产型号电机进行了详细的拆解分析, 反而是正确的.
定子是4个8齿的齿板组成, 分上下两组. 每组两个齿板两两相对. 每个齿板上, 齿角是360/8=45度. 从上到下四个齿板角度依次为0度, (45/4)×2度, (45/4)×1度, (45/4)×3度. 转子是8个方向的永磁铁组成. 每一步可以走45/4=11.25度. 走完一圈是360/11.25=32步. 减速比1/64, 故最外层走完一圈是32×64=2048步. 然而上下两组齿板同时通磁,可以形成半步, 这样可以做到2048×2=4096个不同角度.

直观上, 舵机的噪音好大.
我买的这款步进电机28BYJ-48, 在转动的时候似乎在不停的震颤. 难道是步进的缘故?

Arduino基础入门篇28—舵机控制