http://stascorp.com/load/1-1-0-58 Fast RDP Brute dservers.ru/wp-content/uploads/2013/11/frdpb2.zip

http://www.tuicool.com/articles/b67rQfr 下载地址:https://www.rekings.com/fast-rdp-brute-gui-v2-0/

1. 配置说明 1.1 主要特别配置以下三项 enable-drive 默认情况下禁用文件传输,但启用文件传输后,RDP用户可以将文件传输到持久存在于Guacamole服务器上的虚拟驱动器.通过将此参数设置为"true"来启用文件传输支持.文件将存储在由" drive-path"参数指定的目录中,如果启用了文件传输,则该参数是必需的. drive-path|Guacamole 服务器上应存储传输文件的目录.该目录必须对guacd可访问,并且对运行guacd的用户可读

CUDA以及CUDNN下载安装 在https://developer.nvidia.com/cuda-toolkit-archive可以找到各个版本的cuda,个人建议下载cuda11.0(也就是2年前的),太新或太旧都可能出现适配问题 在https://developer.nvidia.com/rdp/cudnn-archive下载符合cuda版本的cudnn压缩包,解压之后把里面的bin.include.lib文件夹等复制到cuda安装路径下(CUDA默认安装路径为C:\Program Fi

推荐博客:https://www.linuxidc.com/Linux/2017-11/148629.htmhttps://blog.csdn.net/yggaoeecs/article/details/79163789 此教程主要借鉴自: GPU版:http://www.linuxidc.com/Linux/2016-12/138870.htm CPU版:http://www.linuxidc.com/Linux/2016-09/135034.htm 1   电脑配置及软件说明 1)    

查看Ubuntu14.04 64位上显卡信息,执行: lspci | grep -i vga lspci -v -s 01:00.0 nvidia-smi 第一条此命令可以显示一些显卡的相关信息:如果想查看某个详细信息,可以执行第二条命令;如果是NVIDIA卡, 可继续执行第三条命令,显示为GeForce GTX 970. 参考https://wiki.ubuntu.com.cn/NVIDIA安装GeForce GTX 970驱动. 安装cuda 8.0: 1.      参考官网: http:

Caffe已经是第三次安装配置了,为什么是第三次呢?因为我实在是低估了深度学习对于硬件的要求.第一次我在自己笔记本上配置的单核,CPU only ...  结果是,样例数据跑了4小时,这还怎么玩?第二次在台式机上,因为台式机比较low,I5处理器4核,没有NVIDIA的GPU.我把别人训练好的模型下载下来,然后自己测试,发现真的成功了,心里小激动~ 然而,当我自己训练模型时,我训练7天.....  关键是7天了还在跑..... 心想,我这个穷逼难道要自己掏钱买个服务器?那怎么可能.还好,老师人非

1.Java Decompiler Yet another fast Java decompiler. 下载地址:http://jd.benow.ca/#jd-gui-download 一款非常简洁的反编译工具,支持windows.linux和Mac.对应Eclipse插件: Name:JD-Eclipse Update Site Location:http://jd.benow.ca/jd-eclipse/update 2.DJ Java Decompiler With DJ Java Dec

MultiDesk v3.162015-03-16 http://www.syvik.com/multidesk/index_chs.htm MultiDesk 是一个选项卡(TAB标签)方式的远程桌面连接 (Terminal Services Client). 功能特性 * 绿色软件,只有一个很小的可执行文件,采用 C++ 编写,运行速度快!* 针对固态硬盘(SSD),闪存盘专门优化设计,最大限度减少写盘* 新风格:状态栏和带有边界的适应窗口* 使用分组模式进行管理* 支持从分组属性继承用户名

https://baike.baidu.com/item/curl/10098606?fr=aladdin curl是利用URL语法在命令行方式下工作的开源文件传输工具.它被广泛应用在Unix.多种Linux发行版中,并且有DOS和Win32.Win64下的移植版本. 中文名 curl 外文名 curl(CommandLine Uniform Resource Locator) 类    别 用URL语法 作    用 文件传输 适用范围 计算机 目录 1 设计方法 ▪ 获得页面 ▪ 获取表单

在网上找了很多案例,踩了许多坑,感觉比较全面的是下面介绍的 http://www.cnblogs.com/xuliangxing/p/7575586.html 先说说我的步骤: 首先安装了Anacoda,因为是科学运算环境,所以先安装了最新版,所以对应的Python 3.6 安装显卡驱动:GTX950M 安装了最新的 390驱动,担心不兼容,所以都用最新的 安装cuda,这个坑最后才发现,因为安装最新的9.1版本,最后tensorflow只找9.0的文件.所以,这个地方一定要选其他release

caffe配置过程很长啊,坑非常多,没有linux基础的估计会香菇的.我参考了网上很多的帖子,基本上每个帖子都有或多或少的问题,研究很久最终配置成功.参考过的帖子太多,都记不太清来源了.为了对前人的感谢,特地写下我的配置过程,以供大家参考.可能我写的时候会有遗漏,还望多多包涵,共同探讨! 1. 安装相关依赖项 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial

1.Ubuntu安装Python3.6: 首先拉取远程仓库 sudo add-apt-repository ppa:jonathonf/python-3.6 更新源 sudo apt-get update 在线安装 sudo apt-get install python3.6 补充,其实安装python3用一句:sudo apt-get install python3-dev 即可.查看版本:python3 --version 更改默认值,python默认为Python2,现在修改为Python

ubuntu16.04安装cuda8.0,tensorflow-gpu版本后,运行时报错: ImportError: libcudnn.so.5: cannot open shared object file: No such file or directoryFailed to load the native TensorFlow runtime. ———————————————————————————————————— 原因:tensorflow与cuda版本不匹配,试了一下 tensorf

紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把NVIDIA显卡驱动安装好了 一.安装CUDA CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构,它能利用英伟达GPU的并行计算引擎,比CPU更高效的解决许多复杂计算任务,想使用GPU就必须要使用CUDA.

论文:MSCKF的双目版本 Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight 下载地址:点击 源码地址:https://github.com/KumarRobotics/msckf_vio

TensorFlow有GPU版和CPU版. GPU版需要CUDA和cuDNN支持,到链接:https://developer.nvidia.com/cuda-gpus 确认自己的显卡是否支持CUDA.本人采用pip方式安装GPU版本的TensorFlow. 安装Python: 官网下载Python:https://www.python.org/downloads/windows/,默认设置安装. 安装TensorFlow: #GPU版本: pip3 install --upgrade tenso

Y7000P电脑环境i7处理器,1060显卡,16g内存,win10家庭版(系统版本号1809),在联想官网升级过bios,所有驱动都是最新.(截止时间点2019年3月1日) python3.5 安装GeForce Experience到官网下载https://www.nvidia.com/zh-cn/geforce/geforce-experience/,experience检测显卡驱动,发现最新版本419.17,点击安装,一定要注意,选择自定义安装,然后有个纯净安装的勾选框.安装完成后需要重

由于docker在17之后的版本分成了docker EE(企业版)和docker CE(社区版),那么我们在安装的时候就要开始纠结的选择了,这里我推荐了docker CE(社区版). 实际上这两个版本是没有什么本质的区别的,只是企业版多了一些收费的高级选项,然而针对个人或小型企业并没有这个需要,所以,我选择CE版本的安装,具体步骤如下: (我参照了官方文档:https://docs.docker.com/install/linux/docker-ce/centos/#install-docker

将笔记本的ubuntu系统更新到18版本后重新配置深度学习环境,在此记载方便日后参考 具体配置为 Ubuntu18.04+gtx1060+opencv-3.1 第1步 安装依赖包 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommend