php怎么把数字转成日期

1、php怎么把数字转成日期，PHP开发如何转到Java开发？

php转Java有点困难，主要是思想的转变。

1.基础

网上基础课程很多，可以去下载来看，入个门，

2.Java Web

JavaWeb系列课程，Servlet，JDBC等等...完了后可以自己用现有的知识写一个小demo项目

3.框架

接下来就是框架部分，spring，springmvc，mybatis，hibernate，springboot，至于struts2个人觉得了解下就是了，现在的项目几乎没有用它的了，除了以前的老古董项目。先从spring学起走，spring是整个框架的核心，可以去找spring相关的视频来看，完了后想要深入学习的话可以去买书，spring源码解析，spring学习得差不多了可以学习数据层oom框架，hibernate与mybatis，这两个谁先都行，他们是两种不同的实现，hibernate是基于jpa的，所以在学习之前要先熟悉熟悉jpa。完了后学习MVC框架，就springmvc了，这个框架比较简单，看看demo，看看视频，看看别人的源码解读就差不多上手了。OK，到这里你就大概掌握了框架部分了，可以用学到的知识写一个项目练手，比如可以用你们公司的项目来练手，简化下需求就是了。

4.技巧

其实没有什么技巧，总之就是基础知识要掌握牢固，多练习，在练习中发现问题解决问题，只要顺利做几个项目就差不多可以在实际中开发了，在你学会后其实发现也并不是那么难，主要是思想转变。

2、你手机里有哪些堪称神器的App？

1.日程管理：时光序

支持根据“艾宾浩斯遗忘曲线”设置日程，被家长、学生誉为辅助学习超级功能。

学习某个知识点后，可自动按照1天、2天、4天、7天、15天的规律生成日程，然后再桌面日期界面显示。

科学学习=科学理论+高效工具+实践

桌面的日期插件支持透明化及颜色设置，支持显示文字提醒（不同颜色）

桌面插件支持经典重要/紧急四象限（深色配置，高级感）：

而这几个，只是众多黑科技中的一小部分：

读书、记账、日记、课程表、生理期、事项、打开、专注.......

你要的它都有，没有都是精品。

而且，它还在进化。。。。。

语音转文字免费的软件并不多，笛云听写算一个，得到了众多大神推荐的超级小众软件：

每天十个小时免费转写时长：

支持多端同步：

深得网友喜爱：

而且，效果也很好：

（免费的不支持实时语音转写，拉轰目前选择：考拉语音转文字）

好不好用，实践是最好的测试（这是一张打印的表格，并非规整）

识别效果，几乎完美还原：

一键导出到excel：

而这仅仅是它的一部分功能：

最关键的推荐理由：

和它同样级别的软件，需要的RM远远超过它。

这可能会成为你手机上最酷炫的软件，没有之一。推荐给任何一位朋友，都不会掉价。

时空柱，妥妥的科技感

关系图：一目了然

时空地图：历史+地理

而这，只是冰山一角。

真的有一个超级app各种工具功能都有：

免费看NBA等体育赛事：河豚直播、蓝鲸体育

超级软件，拉轰推荐

拉轰出品，必属精品

3、有哪些比较冷门的实用网站？

很对人对于软件都有一种「收藏」的习惯，觉得这可能是一个工具就把它购买或下载放在那里，新鲜了两天就搁置在那儿，终究成了橱柜上的一个布满灰尘的摆设。其实很多时候我们可以换个思路，如果这个工具是在网页上，用的时候再打开，不用的时候就关闭，既不占用你电脑空间，也不受限于设备的系统，或许还能帮你省下不少的钱，今天少数派就为大家介绍一些实用而且有趣的网页工具。

一个良好的网速大概会有 80% 的概率提高我们的生产力和执行力，糟糕的网速大概会有 99% 的概率影响我们的情绪。所以经常会有一些朋友频繁的测量网速，有的选择下载一款软件进行测量，有的随便找一个网站就将就了。而 FAST 和 SPEEDTEST 是两家「优雅」的测速站点，只点击一下 ► 按钮再稍等片刻，你的网速测试结果就会呈现在你的面前，无污染、零广告、完全免费。

白板的用处有很多，打草稿，记录突如其来的灵感，或者玩玩你画我猜也是可以的，witeboard 就是这样的一个随开随用的白板网站。这个网站的构造非常简洁，工具只有画笔、文本框、橡皮擦，虽然工具简单，但几乎所有的操作都支持快捷键，无需你去工具中点来点去。如果你绘制的图像趋于一定的形状，例如圆形、矩形，它可以自动的转换为标准形状。绘制完成的白板，也可以通过右上角的「Share」分享给其他的人，而其余的人也可以进行编辑，而两边的画面也是同步的。除此之外，该网站也提供了 Slack 群组的插件，如果你们有用到 Slack，不妨添加这款插件试一试。

不知道前段时看了 《想学 Markdown？这篇文章帮你快速上手》 之后有没有想尝试一下 Markdown 的冲动，对于还没选择到合适 Markdown 工具的时候，不如先用这款在线 Markdown 编辑器体验一下语法，在这里左侧输入的文本内容都会实时的显示右侧和下侧，分别是 HTML 格式预览以及实时效果预览。但是在网站编辑的内容并没有提供保存到本地的入口，如果你需要请及时复制粘贴。建议只是作为临时备用方案或是体验方案，如需深度体验还是选择专门的 Markdown 工具。

二维码在生活中可以说是非常常见了，从付款码到共享单车，随处可见。其实对于我们来说，不仅可以扫码当然也可以制作二维码，例如我们想分享某个网址，或者把我们的 Wi-Fi 提供给别人（可以用这个 Workflow）。而草料二维码不仅给我们提供了制作二维码的途径，也为我们附上了一些「优雅」姿势。在这里你只需要输入的文本内容，在右侧选择二维码属性。可以选择直接使用模版图案快速美化，也可以使用旧版的美化器（功能齐全）来进行更细致的操作，例如选择背景前景图、颜色以及二维码状态。这样以来，不论你的二维码用在哪里，都再也不怕单调无味。

图片在我们生活中的用处太多了，但时常我们也会因为图片的事情而苦恼。因为在不同的使用场景里，对图片的要求可能都不太一样，例如有的限制了大小，有的限制了格式。对于这些问题，我们其实不需要复杂了步骤，也不需要安装一些软件，只需要上传一下然后处理就可以了。对于图片的格式问题，你只需要在 Jinaconvert 上选择你需要的格式类型，再将图片文件上传至即可。

你在上传图片时因为大小而受到了限制，可以在 TinyPNG 这个网站上进行压缩操作。该网站支持对 和 格式的图片进行压缩，只需要将图片拖拽至网站的窗口即可，一次性可以压缩 20 张，且质量非常不错。如果你非常喜欢它，也可以移步阅读 《TinyPNG 是我最喜欢的在线压图服务，现在有人给它做了 macOS 客户端》。

手机的铃声是不是从来没有更换过，可能是因为制作铃声的方法有那么点复杂，一步步的操作加上各式软件，或许就让你放弃了这个念头。其实，你只需要把各类格式的音乐源文件上传到 Ringer 上，选择选上铃声的开头结尾。最后选择 M4R 或是 MP3 就可以了，可以说是免费又快捷了。

Keyboard Layout Editor 是一个键盘图纸设计的网站，它的作用可以说是非常的多。如果你刚上手一个软件，但是却无法记住它的全部快捷键，不如直接将快捷强的功能放置在图纸上，打印下来贴在桌边，帮助你记忆。如果你正常考虑一款机械键盘的配色，你可以在这上面选择相应的键位进行颜色的修改，最后看看整体的配色效果。它的自定义程度非常的高，在这里几乎可以编辑键位所有的参数，所以它究竟能起到什么样的作用，就看你如何利用它了。设计好的内容网站也提供了五种格式的文件方便用户下载，如果喜欢不妨加入到收藏夹里。

还记得网上很火的「为所欲为」和「王境泽」吧，丰富的表情配上字幕，随随便便就是一个表情包。其实为 Gif 添加字幕也没有那么的困难，只需要将准备好的 Gif 文件上传到 Gifntext 上，然后就可以对播放速度以及画面尺寸进行调节。于此同时，也可以自由的在时间轴中加入想要的字幕、图片或是涂鸦。网站最大可以上传 100M 的 Gif 文件，修改完成后创建的动图自动的进行压缩。

如果你还有其他有意思的以及实用的网络在线工具，也欢迎在评论区留言推荐给大家！🎉

4、php语言最火的时间？

自2011年左右，PHP开始火了起来，在全球的市场占有率非常高。

5、python如何实现人脸识别？

翻出我曾经写的一篇文章来介绍这个问题。

为大家带来一篇 初步使用Keras深度学习绿色验证码 的文章。 当然我们这里识别的是普通验证码，是Laravel常用的验证码库

Captcha for Laravel 5

如下图，又5个数字字母所组成的验证码。我用PHP一共生成了5万个验证码。后面也会提供给大家

导入所需的库

这里我们还是使用Keras，底层使用Tensorflow做为底层库。

本次使用的模型是简单的卷积神经网络模型，后面也会使用更加复杂的模型

卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(alternating convolutional layer)和池层(pooling layer)。

一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。

配置参数

加载数据

训练模型的时候，我们可以选择两种方式来生成我们的训练数据，一种是直接全部载入内存，然后开始训练，一种是定义一个数据生成器，然后利用 fit_generator 分批加载数据来训练。

因为样本是5万张，但是只有200多M，可以一次性载入内存。

最后会生成pickle文件。python的pickle模块实现了基本的数据序列和反序列化。通过pickle模块的序列化操作我们能够将程序中运行的对象信息保存到文件中去，永久存储；通过pickle模块的反序列化操作，我们能够从文件中创建上一次程序保存的对象。

如果使用我保存好的pickle文件，可以不用执行下列步骤

加载数据，读取pickle文件

创建模型

开始训练模型

训练完成，进行验证

改进

对于这种按顺序的文字验证码，还有一种更好方法可以使用，那就是循环神经网络来识别序列。 我会在后面继续介绍如何用循环神经网络构建模型。

代码地址：https://github.com/szpnygo/keras-cnn-captcha

Pickle地址：https://pan.baidu.com/s/1i4JiZOT