当我们使用python的hdfs包进行上传和下载文件的时候,总会出现如下问题 requests.packages.urllib3.exceptions.NewConnectionError:: Failed to establish a new connection: [Errno -2] Name or service not known 其实这主要是由于没有将各个集群节点的ip映射到/etc/hosts文件中 修改/etc/host
2022-10-19 01:16:25 39KB df dfs fs
1
神州数码设备配置总结 针对中职组网络搭建与应用赛项设备部分详解
1
主要描述了每一步装系统的详细步骤,一看一学就会的,也提供了各种的资源链接,保证可以单独的学会装系统,首先就得准备大于4G的U盘,一个你想要装的系统映像,我这里提供了一个win7x64位的专业版本,需要用迅雷进行下载。
2022-10-17 12:01:16 517KB 系统安装
1
基于输入28.5 VDC,输出总功率180 W的机载计算机电源的设计,为满足“GJB181飞机供电特性”中对飞机用电设备输入28.5 VDC时过压浪涌80 V/50ms的要求,采用检测输入电压并控制MOSFET导通和关断的方法,通过对该电路的理论数据分析及与实际测试数据做比较,模拟了80 V/50 ms过压浪涌的试验,并用示波器记录了测试波形,得出该设计电路在输入28.5 VDC时,可以完全满足GJB181飞机供电特性过压浪涌要求的结论。并通过扩展应用介绍了在其他输入电压类型时过压浪涌保护电路的设计。
2022-10-13 10:49:49 611KB GJB181 功率MOSFET 机载 过压浪涌
1
安全罐演示 创建此演示的目的是展示使用AES进行加密和身份验证的CAN总线上的相关功率分析(CPA)攻击。 论文“针对安全CAN的功率分析和故障攻击:您的密钥有多安全?”中描述了该网络。 由Colin O'Flynn和Greg d'Eon发表,发表在SAE国际运输网络安全与隐私杂志上。 由于没有安全的CAN的良好公共标准(截至撰写本文时,截止至2017年),因此创建了此示例网络。 此安全的CAN网络具有以下规格: 使用AES-128进行数据包的加密和身份验证(基于AES-CCM模式)。 与标准CAN消息一起使用(不需要CAN-FD或更高层的传输)。 最大数据大小为4字节(作为4个额外的字节用于MAC标签以提供身份验证)。 单独的加密和身份验证密钥(与AES-CCM不同,这样做是为了使“ IOT成为核”一文中描述的攻击类型稍微复杂一些,由于在-CTR和-CBC操作之间的密钥重用,从
2022-10-11 11:16:41 4.02MB C
1
2022年晚九点宿舍针对无法获取
2022-10-11 09:06:24 106.9MB 深度学习
1
适用于 ARM:registered: Cortex:registered:-M 处理器的 Embedded Coder:registered: 支持包允许您使用 CMSIS 库为数学运算生成优化代码。 将此生成的代码用于 ARM Cortex-M 处理器。 对于 DSP 滤波器支持,请使用来自 DSP System Toolbox:trade_mark: 的 ARM Cortex-M CMSIS 库支持。 该支持包对R2013b及更高版本有效。 如果您有下载或安装问题,请联系技术支持: www.mathworks.com/contact_ts Linux用户注意事项: 此支持包下载并使用 GNU Tools for ARM Processors 第三方应用程序。 这个 32 位嵌入式应用程序需要 libc6-i386 包才能在 64 位 Linux 平台上运行。 如果没有 libc6-i386 包,MathWorks 生成的代码的编译将失败。 要在 Ubuntu 和
2022-09-30 17:03:37 6KB matlab
1
PiGallery2 主页: : 这是一个目录优先的图片库网站,针对在低资源服务器(尤其是在树莓派)上运行进行了优化 现场演示 现场演示@ heroku: ://pigallery2.herokuapp.com/ 演示页面的首次加载可能需要30秒:免费的Web服务启动的时间 目录 1.入门(也适用于Raspberry Pi) 1.1 带有是安装和运行Pigallery2的官方推荐方法。 它包含所有必需的依赖项,重新启动后自动重启,支持https,易于升级到较新版本。 有关配置和docker-compose文件的更多,请查看或检查所有构建: : 1.2直接安装(如果您熟悉Nod
2022-09-23 13:54:19 46.72MB heroku raspberry-pi angular2 photo-gallery
1
眼圈 EyeLoop是基于Python 3的眼动仪,专门针对消费级硬件上的动态,闭环实验量身定制。积极维护该软件:鼓励用户为它的开发做出贡献。 特征 在非专用硬件上高速> 1000 Hz(无需专用处理单元)。 模块化,可读性,可定制性。 开源,完全是Python 3。 可在任何平台上使用,易于安装。 积极维护。 概述 怎么运行的 EyeLoop由两个功能域组成:引擎和可选模块。引擎执行眼动追踪,而模块执行可选任务,例如: 实验 数据采集 将视频序列导入引擎 这些模块从引擎导入或提取数据,因此分别称为Importers和Extractors 。 EyeLoop最吸引人的功能之一是其模块化:通过将模块与核心引擎结合在一起,即可轻松建立实验。因此,引擎只有一项任务:根据导入的序列计算眼动数据,并提供生成的数据以进行提取。 如何运作?如何工作?如何工作? 入门 安装 只需通过克隆存储
2022-09-21 11:32:07 47.38MB visual neuroscience psychology eye-tracking
1
仅供内部学习使用 汪博士解读PMP考(第五版)针对PMBOK第六版
2022-09-21 09:06:44 98.41MB PMP
1