说明Linux 服务器在开启了密钥登录后，为提高安全性，默认的密码登录方式将被关闭，不能再通过 SSH 密码的方式登录服务器。...可以通过修改配置文件的方式，开启密码登录，本文将介绍在 Linux CentOS 7.x 环境下的配置方法。...3、重启服务输入命令重启 sshd 服务，重启后，可使用密码进行登录。systemctl restart sshd总结在启用密钥登录后，默认关闭密码登录，可提高服务器的安全性。...但通过以上方式，可以保持密钥与密码的双重登录方式。
今天在修复模板的时候发现有下拉选择框这代码功能 然后想搞的时候发现自己居然忘记怎么写了。。。想了很久才想起来原来是这么写。...第二个 第三个 第四个 下面是成品： //刷新依然保留选择的值...>>第四个 这么简单的东西自己居然给忘记了，看来记性是真的不好呀！！
p=21825 假设检验的基本原理是小概率原理，即我们认为小概率事件在一次试验中实际上不可能发生。 多重比较的问题 当同一研究问题下进行多次假设检验时，不再符合小概率原理所说的“一次试验”。...请注意，这些方法只需要调整p值和要比较的p值的数量。这与Tukey或Dunnett等方法不同，Tukey和Dunnett也需要基础数据的变异性。...例如，在一项初步研究中，你可能希望保留尽可能多的显著值，来避免在未来的研究中排除潜在的显著因素。...调整后的p值与原始的p值的图为一系列的25个p值。虚线表示一对一的线。...调整后的p值与原始p值在0到0.1之间的一系列5个p值的绘图。请注意，Holm和Hochberg的值与Hommel相同，因此被Hommel隐藏。虚线表示一对一的线。 ---- ?
大家好，又见面了，我是你们的朋友全栈君。...1.利用Math.round()的方法： 两个int型的数相除，结果保留小数点后两位： int a=1188; int b=93; double c; c=(double)(Math.round(a*100...位 DecimalFormat df2 = new DecimalFormat(“###.000”);//这样为保持3位 System.out.println(df2.format(double类型的变量...)); PS: Math.round()的作用: double a=123.55 System.out.println(Math.round(a)); 打印结果：124 发布者：全栈程序员栈长，转载请注明出处
p=21825 假设检验的基本原理是小概率原理，即我们认为小概率事件在一次试验中实际上不可能发生。 多重比较的问题 当同一研究问题下进行多次假设检验时，不再符合小概率原理所说的“一次试验”。...请注意，这些方法只需要调整p值和要比较的p值的数量。这与Tukey或Dunnett等方法不同，Tukey和Dunnett也需要基础数据的变异性。...Tukey和Dunnett被认为是多重比较谬误（Familywise error rate)方法。 要了解这些不同调整的保守程度，请参阅本文下面的两个图。 关于使用哪种p值调整度量没有明确的建议。...例如，在一项初步研究中，你可能希望保留尽可能多的显著值，来避免在未来的研究中排除潜在的显著因素。...值", ylab="矫正后的P值" lty=1, lwd=2 调整后的p值与原始的p值的图为一系列的25个p值。
定义 单因素方差分析是两个样本平均数比较的引伸，它是用来检验多个平均数之间的差异，从而确定因素对试验结果有无显著性影响的一种统计方法。 因素：影响研究对象的某一指标、变量。...水平：因素变化的各种状态或因素变化所分的等级或组别。 单因素试验：考虑的因素只有一个的试验叫单因素试验。...第9步：判断是否显著 1-pf(f,2,1215) 现在我们已经知道了，在选定的显著水平为0.05时候，这个F统计是显著的，但是仍然是不知道哪组之间不一样， 所以可以选择tukey检验 第10步：进行tukey...检验,多重比较 J·W·图凯（Tukey）于1953年提出一种能将所有各对平均值同时比较的方法，这种方法现在已被广泛采用，一般称之为“HSD检验法”，或称“W法”。...Tukey (John Wilder Tukey) for multiple comparisons 主要应用于3组或以上的多重比较。
需要用到官方计算token的包：tiktoken pip install tiktoken 截取并返回 def num_tokens_from_string(string: str) -> int:
试验设计 探究施肥是否会对促进植株生成（植株生长以树高作为指标来衡量）。...试验为： 对照组：清水 实验组： 某肥料四个浓度梯度，分别是A,B,C,D，施肥一段时间之后测量树高（要控制其他变量保持一致，比如施肥之前的树高要基本保持一致，生长势基本保持一致等等） 做方差分析的时候数据需要满足正态分布...正常拿到数据后需要对数据是否符合正态分布和组间方差是否一致做检验。如何来做以上两个检验今天先忽略掉，在默认拿到的数据符合条件后直接在做单因素方差分析。...多重检验 比较常用的检验方法是邓肯多重检验（Tukey HSD test） from statsmodels.stats.multicomp import MultiComparison mc = MultiComparison...(df_melt['Value'],df_melt['Treat']) tukey_result = mc.tukeyhsd(alpha = 0.5) print(tukey_result) Multiple
本来，植物育种的数据分析都是随机区组、增广试验、空间分析之类的，当碰到动物育种的领域，系谱信息、个体动物模型就出来了，更别提多性状模型、基因组选择、基因与环境互作，这些都是进阶的内容。...空间分析 主要是残差结构的定义。 6. 增广试验描述 增广实验、间比法，都是不平衡试验，只能用LMM模型才能分析。 7. 评价增广试验和重复试验的分析方法 8....GS影响很大 LMM很给力 39....三文鱼中的GS应用 高密度芯片和低密度芯片 系谱和基因组数据合并（一步法） 47. 数据和试验设计 48. 芯片密度的试验 49. 芯片密度至少要达到3000 50....LMM提高育种数据的分析效率 分子数据应用范围广泛（动物，植物，人类等等） 现在软件可以非常灵活的，快速的，准确的计算和评估这些数据 57 ASreml？？？
大家好，又见面了，我是你们的朋友全栈君。...span class="money">{ {totalMoney | numFilter}} Js部分：(注意toFixed方法只能用于数值型数据) // 情况一：保留小数点后两位的过滤器...= '-' } return realVal } } // 情况二：保留小数点后两位的过滤器，尾数不四舍五入（此处存在一个问题，当源数据小数点第三位为数字9，并且第四位会导致第三位进位的情况下...将此函数封装在外部js中 ----- /** * 对源数据截取decimals位小数，不进行四舍五入 * @param {*} num 源数据 * @param {*} decimals 保留的小数位数....indexOf('.') + 1 // 获取小数点后的个数(需要保证有小数位) const pointCount = pointIndex ?
ANOVA 单因子方差分析 (1)问题与数据 设某因子有r个水平,记为,在每一水平下各做m次独立重复试 验,若记第i个水平下第j次重复的试验结果为,所有试验的结果可列表如下: ?...对这个试验要研究的问题是 个水平 间有无显著差异. (2) 基本假定 A1 : 第 个水平下的数据 是来自正态总体 的一个样 本 个方差相同 即 ; A3 : 诸数据 都相互独立...., 且 为试验误差,所有 可 作为来自 的一个样本,在上述数据结构式下 要检 验的假设检验可改写为 不全为 (2) 点估计 总均值 的估计 ; 水平均值 的估计 主效应 的估计...该检验问题的一对假设为 vs 诸 不全相等. Hartley 检验,检验统计量是 其中 是第 个水平 下重复试验数据的样本方差....检验统计量是其中: 为第 个样本的含量, 为各样本含量之 和, 为将原 始数据经数据转换后的新的变量值。 为第 个样 本的均数, 。为全部数据的总的均数。
评价增广试验和重复试验的分析方法 ? 8. 模拟数据和分析方法 ? 9. 三种分析方法 ? 10....GS影响很大 LMM很给力 ?...三文鱼中的GS应用 高密度芯片和低密度芯片 系谱和基因组数据合并（一步法） ? 47. 数据和试验设计 ? 48. 芯片密度的试验 ? 49. 芯片密度至少要达到3000 ? 50....56 结论 混合线性模型（LMM），分析RCBD，增广，空间分析，系谱数据，基因组数据，很有帮助，很好很强大。...LMM提高育种数据的分析效率 分子数据应用范围广泛（动物，植物，人类等等） 现在软件可以非常灵活的，快速的，准确的计算和评估这些数据 ? 57 ASreml？？？ ? 58 致谢 ?
来自后代试验试验的数据可用于鉴定具有高抗性育种价值的亲本。为此，我们成功地应用了GLIMMIX程序。抗性遗传力中等，经鉴定，两个亲本及其家系具有较高的Psa抗性育种潜力。...猕猴桃（actinidiae，Psa）是猕猴桃的一种病原菌。自从2010年11月在新西兰首次发现Psa-V病毒后，该病毒的毒力形式现已在新西兰建立（Everett et al。2011年）。...2009）是一个专门的独立软件包，用于育种数据，它使用平均信息（AI）算法和稀疏矩阵方法拟合LMM。GenStat使用相同的算法进行REML估计。...在55个全同胞家系中，53个被保留在排除一个女性和一个男性父母的子集中。杂交所用亲本均为四倍体。...在此基础上，我们选择了2012年11月，即在研究果园首次发现后20个月的病害测量进行分析。测量量表的非序数性以及分数≥4触发vine移除的事实证明数据被转换为二进制：0 = 分数≤ 3，否则为1。
玉米测交试验 可以认为，玉米侧交试验，是一个NCII的试验，在玉米实际的育种中，由于其测用结合的特性，应用广泛。...试验设计如下： 骨干系：4个 待测系：7个 重复：2次 观测值：产量 「计算目的：」 1 计算待测系的一般配合力（选择最优品系） 2 计算待测系和骨干系的特殊配合力（选出最优组合） 3 了解材料的遗传特性...注意：特殊配合力为两者之间的值，不能讲某个自交系的特殊配合力是多少，要讲两个自交系间的特殊配合力多高。它也是根植于具体的试验，用于筛选排名。 7....答：NCII试验，需要有重复数据，否则不能计算gca和sca 3，方差分析和混合线性模型LMM模型有什么区别 答：LMM模型结果更靠谱，而且可以直接计算方差组分，计算广义遗传力和狭义遗传力。...当有缺失值存在时，推荐使用LMM模型，相关的包有：lme4，sommer，asreml等。 4，配合力为何有正有负？ 答：配合力之和为0，所以有正有负，正的就是高于均值，负的就是低于均值，0就是均值。
答：NCII试验，需要有重复数据，否则不能计算gca和sca 3，方差分析和混合线性模型LMM模型有什么区别 答：LMM模型结果更靠谱，而且可以直接计算方差组分，计算广义遗传力和狭义遗传力。...当有缺失值存在时，推荐使用LMM模型，相关的包有：lme4，sommer，asreml等。 4，配合力为何有正有负？ 答：配合力之和为0，所以有正有负，正的就是高于均值，负的就是低于均值，0就是均值。...玉米测交试验 可以认为，玉米侧交试验，是一个NCII的试验，在玉米实际的育种中，由于其测用结合的特性，应用广泛。...试验设计如下： 骨干系：4个 待测系：7个 重复：2次 观测值：产量 「计算目的：」 1 计算待测系的一般配合力（选择最优品系） 2 计算待测系和骨干系的特殊配合力（选出最优组合） 3 了解材料的遗传特性...注意：特殊配合力为两者之间的值，不能讲某个自交系的特殊配合力是多少，要讲两个自交系间的特殊配合力多高。它也是根植于具体的试验，用于筛选排名。 7. 下载示例数据和代码
lmm_stripe_count: 1 lmm_stripe_size: 1048576 lmm_pattern: raid0 lmm_layout_gen: 0 lmm_stripe_offset...: 2 lmm_stripe_size: 1048576 lmm_pattern: raid0 lmm_layout_gen: 0 lmm_stripe_offset: 1...0~31}这个的目录范围(比如d34),那么文件真是分片的的所在后端的ost目录则需要根据第二个objid重新计算，从试验的情况确认了计算规则(O/{group}/d{第二个objid%32}/{第二个...: 1048576 lmm_pattern: raid0 lmm_layout_gen: 0 lmm_stripe_offset: 0 obdidx...: fid_oid(fid); } 为了方便起见,自己写了lfs_tool工具来获取文件的fid和文件的stripe信息，整合后以json的形式dump出来，列出文件的stripe信息，包括文件的数据的所在
飞凌嵌入式推出的OKT507-C作为一款广受欢迎的开发板拥有丰富的功能接口，而实际上OKT507-C开发板的CPU引脚资源是比较紧缺的，那么它究竟是如何提供如此丰富的接口资源的呢？...为了满足更多客户需求，在降低成本的同时尽可能保留更多功能，飞凌嵌入式为大家提供了OKT507-C去掉IO扩展芯片后保留扩展引脚功能的实现的方法。...扩展芯片上的IO口被WiFi、蓝牙、MIPI摄像头TP2854、DVP摄像头和line-out口电源使能引脚引用，若想保留这些功能，就要使用核心板其他可复用为这些功能的引脚。...方法参考如下： 一、选用引脚： 对应功能引脚如下表所示： 二、关掉gpio_ext及复用引脚原来功能 修改设备树，将LCD功能关闭后，该组引脚即可用作普通的GPIO。...OKT507-linux-sdk/kernel/linux-4.9/arch/arm64/boot/dts/sunxi/OKT507-C-Common.dtsi 以上就是OKT507-C开发板去掉IO扩展芯片后保留扩展引脚功能的实现的方法
调整以后一定要记得有一件事情要做，那就是301重定向，否则可能会丢失之前累积的来之不易的流量。 什么是301重定向呢？ 什么是网站301重定向？301和302重定向的区别在哪里？...使用该插件适用于小批量某些页面或者文章URL的修改。...网站添加SSL做重定向 因为Google旗下的Chrome浏览器默认将未添加SSL的网站标记为不安全网站，所以网站都需要安装SSL。...301重定向功能也是非常实用的！...总结 虽然通过301重定向可以最大程度保留原网站及页面的SEO排名效果，但也不是百分百能保证的，所以建议大家在建站初期做好规划，尽量避免后期的大幅度修改。
版本 2.3.3（2019 年 8 月 3 日）： 添加了对 BGEN v1.2 数据中缺失值的支持。 完成模型拟合步骤后减少了内存使用量（通过在计算填充变异的关联测试期间释放不再需要的基因型）。...BOLT-LMM 链接指向 Boost program_options和 iostreams 库，这些库需要在下载并解压缩 Boost 后安装。 NLopt 数值优化库 [13[18]]。...将这些值视为上三角形矩阵的条目（对角线上有方差比例，对角线上有相关性），您应该在每个方差分量名称后指定这些 D（D+1）/2 值，方法是从左到右、从上到下读取它们。...默认情况下，BOLT-REML 使用 15 个蒙特卡罗试验执行初始优化，然后使用 100 个蒙特卡罗试验优化参数估计值。...在不同样本集和/或SNP（例如，英国生物银行提供的样本）上计算的预先计算的主成分往往不能提供太多的加速。 模型拟合后，BOLT-LMM 计算填充 SNP 的关联统计信息。
）的出现引发了人们对高效LMM的浓厚兴趣。...以往为实现高效 LMM所做的努力总是侧重于用更小的模型取代LLM骨干，却忽略了标记数量这一关键问题。在本文中，我们介绍了LLaVA-Mini，一种使用最少视觉token的高效LMM。...为了在保留视觉信息的同时实现较高的视觉token压缩率，我们首先分析了LMM如何理解视觉token，发现大多数视觉tokens只在LLM 骨干的早期层中发挥关键作用，在这些层中，它们主要将视觉信息融合为文本标记...具体而言，模型引入可学习的压缩查询，通过交叉注意力机制与所有视觉token交互，选择性提取关键视觉信息，生成压缩后的视觉token。...2）动态特征提取 CQ主动“扫描”视觉特征图，聚焦关键区域（如物体边界、纹理特征），生成压缩后的视觉token。 这种压缩方法不仅大幅减少了数据量，还保留了图像的核心特征。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
