安装依赖：ubuntu10.04、ns-2.34 全过程详细配置：https://blog.csdn.net/weixin_41565755/article/details/88381605 打补丁方式安装，亲测可行，保证成功！

下载、解压缩、复制到sd卡 然后进入相册，找到sys-clk，打开就可以设置不同场景下的超频了 如果需要特斯拉调用，但是显示没有启动，需要用相册里的工具盒子先设置sys-clk的开机启动 工具盒子是：DeepSea-Toolbox插件

大气层系统主题制作及安装教程 内含： 主题制作工具 switch的主题安装器 教程文档（按步骤精心编写）

ns2-iOLSR 论文“iOLSR : OLSR for WSNs Using dynamics Adaptive Intervals”中使用的NS-2仿真代码 目录 ns2-code 下的代码应主要用“erl”标记，其中已对原始代码进行了更改。 在这个存储库中所有源自我的代码都应该被视为 GPLv2 。

ns-3-dce-fattree 备忘录。 用 quagga 克隆 net-next-sim。 要使用 dce-quagga 进行克隆，arch/sim/Makefile 的补丁位于此存储库中。 编译 net-next-sim cd net-next-sim/arch/sim/test/buildtop/source/ns-3-dce/myscripts/ns-3-dce-quagga/example/ git 克隆 ln -s ns-3-dce-fattree/dce-fat-tree.cc 。 替换 ns-dce-quagga/wscript。 ./waf --ru dce-fat-tree

适用于win xp系统 此资源是cygwin软件包 含所有的安装需要的软件资源，不需要再手动联网下载，直接选用即可

Windows NT 时间格式是自 1601 年 1 月 1 日以来经过的 100 纳秒间隔数。此 m 文件用于将正常时间向量转换为此 Windows NT 格式。 该函数采用与 Matlab 的“时钟”函数的输出格式相同的时间向量，并返回一个表示已通过的 100 纳秒间隔数的值

近期做了一些反垃圾的工作，除了使用常用的规则匹配过滤等手段，也采用了一些机器学习方法进行分类预测。我们使用TensorFlow进行模型的训练，训练好的模型需要保存，预测阶段我们需要将模型进行加载还原使用，这就涉及TensorFlow模型的保存与恢复加载。 总结一下Tensorflow常用的模型保存方式。 保存checkpoint模型文件（.ckpt） 首先，TensorFlow提供了一个非常方便的api，tf.train.Saver()来保存和还原一个机器学习模型。 模型保存 使用tf.train.Saver()来保存模型文件非常方便，下面是一个简单的例子： import ten

这是ns2在vs2003 IDE下的工程文件。

Pytorch深度学习（4） — BN层及ResNet + DenseNet实现1.批量归一化(BN)2.ResNet2.1 残差块2.2 ResNet 模型实现结构：3.DenseNet 稠密连接网络3.1 稠密块（DenseBlock）3.3 过滤层（transition_block）3.4 DenseNet模型总实现 1.批量归一化(BN) nn.BatchNorm2d(6) — 卷积层使用，超参数为输出通道数 nn.BatchNorm1d(120) – 全连接层使用，超参数为输出单元个数 2.ResNet 2.1 残差块 输入为X + Y，因而X Y的输出通道要一致 可以用1*1