Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >以太坊go-ethereum(第一讲)

以太坊go-ethereum(第一讲)

作者头像
潇洒哥和黑大帅
发布于 2018-12-19 09:18:28
发布于 2018-12-19 09:18:28
83200
代码可运行
举报
文章被收录于专栏:WebDeveloperWebDeveloper
运行总次数:0
代码可运行

工具安装和使用

geth工具

作用:区块链的操作、账户的操作、转账、挖矿等

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cd cmd/geth
go install
命令

初始化创始区块

第一步:新建genesis.json配置文件

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
{
  "config": {
    "chainId": 10,
    "homesteadBlock": 0,
    "eip155Block": 0,
    "eip158Block": 0
  },
  "coinbase"   : "0x0000000000000000000000000000000000000000",
  "difficulty" : "0x20000",
  "extraData"  : "",
  "gasLimit"   : "0x2fefd8",
  "nonce"      : "0x0000000000000042",
  "mixhash"    : "0x0000000000000000000000000000000000000000000000000000000000000000",
  "parentHash" : "0x0000000000000000000000000000000000000000000000000000000000000000",
  "timestamp"  : "0x00",
  "alloc"      : {}
}

第二步

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
geth init ./genesis.json --datadir "./datachain"

启用私有链

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
geth \
  --datadir "./datachain" \
  --nodiscover \
  console 2>>eth_output.log

账户查看创建

查看

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
> web3.eth.accounts

创建

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
> web3.personal.newAccount("miao")

获取特定用户钱包地址

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
> acc0 = web3.eth.accounts[0]

挖矿

开始

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
> miner.start(1)

停止

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
> miner.stop()

钱包

余额查看

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
web3.eth.getBalance("0xbe323cc4fde114269a9513a27d3e985f82b9e25d")

转账

对账户进行转账时,首页进行账户解锁

账户解锁

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
personal.unlockAccount(eth.accounts[0], "miao")

开始转账

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
eth.sendTransaction({from:eth.accounts[0], to:eth.accounts[1], value: web3.toWei(3, "ether")})
  • from 发送用户
  • to 接受用户
  • value 发送数量,默认转wei,这块设置是ether
  • 1个ether = 10*18次方wei,单位默认wei

转账完成后,eth.getBalance(eth.accounts[1])查询余额,发现余额没有增加。

原因:需要开始挖矿才能完成交易miner.start(1)

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.11.27 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Serverless 实战:如何结合 NLP 实现文本摘要和关键词提取?
对文本进行自动摘要的提取和关键词的提取,属于自然语言处理的范畴。提取摘要的一个好处是可以让阅读者通过最少的信息判断出这个文章对自己是否有意义或者价值,是否需要进行更加详细的阅读;而提取关键词的好处是可以让文章与文章之间产生关联,同时也可以让读者通过关键词快速定位到和该关键词相关的文章内容。 文本摘要和关键词提取都可以和传统的 CMS 进行结合,通过对文章 / 新闻等发布功能进行改造,同步提取关键词和摘要,放到 HTML 页面中作为 Description 和 Keyworks。这样做在一定程度上有利于搜索
腾讯云serverless团队
2020/06/06
1.4K0
变身抓重点小能手:机器学习中的文本摘要入门指南 | 资源
基于机器学习的自动文本摘要工具,将一键解放你的双手,化身抓重点小能手,为你捕捉关键,排除冗余。
量子位
2019/05/10
6900
变身抓重点小能手:机器学习中的文本摘要入门指南 | 资源
NLP信息抽取全解析:从命名实体到事件抽取的PyTorch实战指南
随着互联网和社交媒体的飞速发展,我们每天都会接触到大量的非结构化数据,如文本、图片和音频等。这些数据包含了丰富的信息,但也提出了一个重要问题:如何从这些海量数据中提取有用的信息和知识?这就是信息抽取(Information Extraction, IE) 的任务。
TechLead
2023/10/21
5.1K0
NLP信息抽取全解析:从命名实体到事件抽取的PyTorch实战指南
了解AIGC——自然语言处理与生成
近年来,AIGC(AI Generated Content)技术迅猛发展,自然语言处理(Natural Language Processing, NLP)与生成技术的结合,使得机器不仅能够理解人类语言,还能进行文本的创作和生成。这一能力广泛应用于文本创作、对话系统、语言翻译、内容推荐等场景。本文将深入探讨自然语言处理与生成的核心技术、关键模型,以及如何通过代码实现一些重要功能。
hope kc
2024/11/21
2320
循环神经网络教程第二部分-用python,numpy,theano实现一个RNN
作者:徐志强 链接:https://zhuanlan.zhihu.com/p/22289383 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 在本部分,我们将会从头开始用python实现一个完整的循环神经网络,然后hui用Theano(一个可以在GPU上进行运算的库)对实现进行优化。我会跳过一些对理解循环神经网络不是很重要的代码片段,但完整的代码可以在这里找到。
bear_fish
2018/09/19
7400
循环神经网络教程第二部分-用python,numpy,theano实现一个RNN
NLP机器翻译全景:从基本原理到技术实战全解析
机器翻译,作为自然语言处理的一个核心领域,一直都是研究者们关注的焦点。其目标是实现计算机自动将一种语言翻译成另一种语言,而不需要人类的参与。
TechLead
2023/10/21
1.5K0
NLP机器翻译全景:从基本原理到技术实战全解析
多模态大模型篇
在CV方向上,一般我们输入的都是图片,无论这个图片多大,都会resize到一个统一的尺寸。最终经过CNN的提取,变成一个特征向量,那么这个特征向量的维度是一样的。再经过softmax变成一个分类(Class)的概率
算法之名
2023/10/16
9960
多模态大模型篇
NLP 进行文本摘要的三种策略代码实现和对比:TextRank vs Seq2Seq vs BART
来源:Deephub Imba本文约8400字,建议阅读15分钟本文将使用Python实现和对比解释NLP中的3种不同文本摘要策略。 本文将使用 Python 实现和对比解释 NLP中的3种不同文本摘要策略:老式的 TextRank(使用 gensim)、著名的 Seq2Seq(使基于 tensorflow)和最前沿的 BART(使用Transformers )。 NLP(自然语言处理)是人工智能领域,研究计算机与人类语言之间的交互,特别是如何对计算机进行编程以处理和分析大量自然语言数据。最难的 NLP
数据派THU
2022/05/27
8920
NLP 进行文本摘要的三种策略代码实现和对比:TextRank vs Seq2Seq vs BART
文章太长不想看?ML 文本自动摘要了解一下
你是否曾将一篇冗长的文档归纳为一个小的段落?你用了多长时间呢?手动归纳总结耗费时间、枯燥乏味。文本自动摘要可以克服此类难题,帮你轻松归纳出一篇文章的中心思想。
机器之心
2019/07/12
1.5K0
文章太长不想看?ML 文本自动摘要了解一下
自动文本摘要
摘要的主要思想是找到包含整个集合的“信息”的数据子集。这种技术在今天的工业中被广泛使用。搜索引擎就是一个例子;其他的例子包括文档、图像集合和视频的汇总。文档摘要试图通过寻找信息最丰富的句子,对整个文档进行有代表性的总结或抽象,而在图像摘要中,系统会找到最具代表性和最重要的(或最显著的)图像来做代表。对于监控视频,则会从平平无奇的环境中提取出重要的事件。
AI研习社
2018/11/30
1.9K0
自动文本摘要
精品教学案例 | 基于TextRank的新闻摘要(Python实现)
本案例适合作为大数据专业自然语言处理课程的配套教学案例。通过本案例,能够达到以下教学效果:
数据酷客
2020/05/09
2.5K0
精品教学案例 | 基于TextRank的新闻摘要(Python实现)
NLP实战 | BERT文本分类及其魔改(附代码)
每天给你送来NLP技术干货! ---- 写在前面 本文主要介绍了两种文本分类模型:BERT文本分类基础模型,及基于Bert和TextCNN的魔改模型。在作者实际的有关文本分类的工作中取得了F1值超越Bert基础模型近4%的效果。 1. Baseline:Bert文本分类器 Bert模型是Google在2018年10月发布的语言模型,一经问世就横扫NLP领域11项任务的最优结果,可谓风头一时无二。 有关于Bert中transformer的模型细节,我们在此就不赘述了。感兴趣的朋友,可以看看《The Illus
zenRRan
2022/10/10
6.5K0
NLP实战 | BERT文本分类及其魔改(附代码)
对话摘要技术在美团的探索(SIGIR)
总第512篇 2022年 第029篇 随着互联网产生的文本数据越来越多,文本信息过载问题日益严重,对各类文本进行一个“降维”处理显得非常必要,而文本摘要就是其中一个重要的手段。 本文首先介绍了经典的文本摘要方法,随后分析了对话摘要的模型,并分享了美团在真实对话摘要场景中面临的挑战。同时基于实际的场景,本文提出了阅读理解的距离监督Span-Level对话摘要方案(已发表在SIGIR 2021),该方法比强基准方法在ROUGE-L指标和BLEU指标上提升了3%左右。 1. 对话摘要技术背景 2. 文本摘要与对
美团技术团队
2022/05/27
1.1K0
对话摘要技术在美团的探索(SIGIR)
独家 | Python利用深度学习进行文本摘要的综合指南(附教程)
本文介绍了如何利用seq2seq来建立一个文本摘要模型,以及其中的注意力机制。并利用Keras搭建编写了一个完整的模型代码。
数据派THU
2019/07/17
2.4K0
独家 | Python利用深度学习进行文本摘要的综合指南(附教程)
AI 写作(五)核心技术之文本摘要:分类与应用(5/10)
文本摘要在 AI 写作中扮演着至关重要的角色。在当今信息爆炸的时代,人们每天都被大量的文本信息所包围,如何快速有效地获取关键信息成为了一个迫切的需求。文本摘要技术正是为了解决这个问题而诞生的,它能够对长篇文本进行提炼,提取出关键信息,为用户节省时间和精力。
正在走向自律
2024/12/18
3310
AI 写作(五)核心技术之文本摘要:分类与应用(5/10)
基于BERT的中文自动摘要实践指南
我们每天接收的文字信息量已远超人类处理能力。据最新研究,普通职场人日均接触文字信息超过10万字,但有效留存率不足5%。这种信息过载催生了文本摘要技术的蓬勃发展。本文将深入解析如何运用前沿的BERT模型,在JupyterLab环境中搭建智能摘要系统,让机器成为人类认知世界的"信息过滤器"。
不惑
2025/04/18
1530
基于BERT的中文自动摘要实践指南
【论文复现】命名实体识别
命名实体识别(NER)是自然语言处理领域的一个核心任务,它的目标是从文本数据中找出并分类出各种命名实体,这些实体往往指的是特定的名词,比如人名、地理位置名称以及机构或组织名称等。
Eternity._
2024/11/28
3310
【论文复现】命名实体识别
【NLP】文本自动摘要任务的心得总结
由于最近需要进行组内的知识分享,因而借此机会将文本摘要的一些基本知识以及本人的一些实践经验做成文稿,一方面用来组内分享,一方面也是总结一下过去在该领域的一些心得体会。因个人的能力所限,本文实质上是对文本摘要的不完全总结,如有未能囊括的知识点,还请同学们多提意见,一起进步。
yuquanle
2019/11/14
4.4K0
【NLP】文本自动摘要任务的心得总结
[AI学习笔记]工业级知识蒸馏在DeepSeek中的实践:从理论到部署全解析
在当今的人工智能领域,模型的规模和复杂度不断攀升,以追求更高的准确性和性能。然而,大型模型往往伴随着高昂的计算成本、存储需求以及部署难度。知识蒸馏作为一种高效的技术手段,旨在将大型模型(教师模型)的知识迁移到小型模型(学生模型),从而在保持性能的同时,降低模型的复杂度和资源消耗,使其更易于部署和应用。DeepSeek 作为一个在自然语言处理等领域具有广泛影响力的技术项目,面临着如何在保证模型性能的前提下,实现高效部署和资源优化的挑战。因此,将知识蒸馏技术引入 DeepSeek 的实践具有重要的现实意义。
数字扫地僧
2025/03/19
2710
[AI学习笔记]工业级知识蒸馏在DeepSeek中的实践:从理论到部署全解析
从规则到神经网络:机器翻译技术的演化之路
机器翻译(Machine Translation, MT)是人工智能领域的一项关键技术,旨在实现不同语言之间的自动翻译。自从20世纪中叶首次提出以来,机器翻译已从简单的字面翻译演变为今天高度复杂和精准的语义翻译。这项技术的发展不仅彻底改变了全球信息交流的方式,而且对于经济、政治和文化交流产生了深远影响。
TechLead
2023/12/05
1.9K0
从规则到神经网络:机器翻译技术的演化之路
推荐阅读
相关推荐
Serverless 实战:如何结合 NLP 实现文本摘要和关键词提取?
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验