根据RC522例程修改，实测可用，写卡端程序将新卡扇区1的默认密码更改，写入数据块1的数据，使该卡为我系统认可；
读卡端对卡的扇区1密码进行验证并对比数据块1的内容，验证完成则认可为系统卡，否则返回错误代码。
整个程序简洁易懂，均添加了注释，适合初学者下载研究，稍作修改即可应用到自己的开发中。
读卡端对卡的扇区1密码进行验证并对比数据块1的内容，验证完成则认可为系统卡，否则返回错误代码。
整个程序简洁易懂，均添加了注释，适合初学者下载研究，稍作修改即可应用到自己的开发中。
2023/7/29 7:10:01
694KB
1
Xposed控制微信的源代码：自动发送朋友圈，微信6.6.7测试通过。
点开微信后，直接跳转到微信朋友圈，自动发送手机中指定的一个小视频（指定视频封面）。
在微信6.6.7，安卓5.0真机上实测通过。
点开微信后，直接跳转到微信朋友圈，自动发送手机中指定的一个小视频（指定视频封面）。
在微信6.6.7，安卓5.0真机上实测通过。
2023/7/28 1:02:45
1.78MB
1
使用IO模拟SPI驱动LIS3DH的驱动文件，实测直接可用，包括寄存器配置，均有详细注释，对使用这个芯片的开发人员有使用性如果使用硬件SPI，直接替换掉读写的操作函数即可
2023/7/19 12:45:46
5KB
1
问题发现：本次案例为工作中遇到的实际问题，在语音识别中的语料准备部分，需要从网络中爬取相当数量的相关文本，其中发现爬取到了一些不相关的内容，如何把这些不相关的内容剔除掉成为笔者需要思考的问题。
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
初步思考：遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。
于是想到向量化的方法问题，使用sklearnCountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到另外博文时，发现应该先将目标主题的文本进行词频统计，将统计结果当做向量化模板，实测发现效果不错，现将此方法分享给大家
2023/7/17 6:40:05
2.71MB
1
完全按利弗莫尔的操作规则利用程序实现的源代码，根据此源代码可以进行交易和回测。
实测在均线上行过程中利弗莫尔算法是可以盈利的（前提做多）。
实测在均线上行过程中利弗莫尔算法是可以盈利的（前提做多）。
2023/7/13 4:49:14
8KB
1
本程序实现给出一组数据来训练神经网络，让其能够准确预测出数据的未来趋势。
并且画出了仿真图像。
可以看见仿真的图和实测的很接近。
并且画出了仿真图像。
可以看见仿真的图和实测的很接近。
2023/7/8 23:01:45
6KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB