- 博客(72)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 PCIe基础：Root Complex 、Host Bridge、PCIe Bridge、Switch基本概念
为了方便理解，本文首先介绍了传统的南北桥体系架构，随后再介绍了PCIe的系统架构。
2024-03-21 16:30:10
851
原创 简单字符设备文件的实现（包含文件的读写和逻辑梳理）
240// 主设备号#define MYNAME "my_chrdev" // 设备名称// 定义一个缓存数组，用于内核接收数据// 定义一个字符设备结构体// 用于保存主设备号kbuf：这个数组在内核中被分配，并且在内核模块的整个生命周期中都可以访问。类型：一种表示字符设备的结构体，可以通过它来管理字符设备的操作。
2023-09-04 10:23:29
398
原创 RPM包的概念以及制作过程
早期，人们需要通过下载软件源码，然后进行编译、安装等操作，这一系列过程十分繁琐。为了方便用户能够在Linux系统中更加方便地安装软件，因此便又了软件包管理工具。rpm：CentOS/Red Hat/Fedora均采用rpm工具，其对应的软件安装包后缀为.rpmdpkg：Ubuntu/debian均采用dpkg工具，其对应的软件安装包后缀为.deb当然，还有更高级的软件管理工具yum和apt，相比于前者，yum和apt能够自动解决安装软件包的直接依赖，能够极大程度地降低用户安装软件的难度和安装细节。
2023-08-20 17:11:22
966
原创 Linux常用命令学习总结
最近系统地学习下Linux命令的使用，因此作如下记录，以便随时复习和翻阅。这里有点迷惑，接下来对组和用户的相关命令进行操作测试。POSIX定义了7种文件类型, 使用。，每3位为一组权限设置情况.补充：第一列共10个字符，
2023-08-07 20:20:33
446
原创 大小写字母、数字与ASCII间的关系
在C语言中，常常需要判断某一个字母是大写字母，小写字母，或者是数字，因此就涉及到一些字母的ASCII码的运算
2023-08-04 09:49:28
495
原创 SCP命令在不同远程服务器之间发送文件（指定端口、大量小文件操作）
最近想把数据集放在另一个服务器上，但是如果先下载到本地然后再上传过去，则需要浪费好久时间。特总结下如何快捷的通过命令完成不同远程服务器之间的文件传输，以及遇到的问题。
2022-12-01 15:04:07
11059
3
原创 为什么同样的模型下，联邦学习框架实现，效果比集中式的要差很多？
问题：为什么同样的模型，例如GRU，用联邦学习框架实现，效果比集中式的要差很多？文章目录问题概述1. 模型更新方式的层面2. 训练样本层面总结问题概述在联邦学习方法和集中式学习方法的训练过程，我发现联邦学习效果比集中式学习方法效果更差，针对此现象，本文做如下分析。 &n.
2022-05-17 17:23:47
1427
原创 torch.load 出现 AttributeError: Can‘t get attribute ‘Net‘ on module ‘__main__‘
torch.load 出现 AttributeError: Can't get attribute 'Net' on module '__main__'问题解决方案问题最近，将已经训练好的模型保存下来后，通过torch.load(model_path)方法读取时，发现没办法正常运行，抛出如下错误： AttributeError: Can't get attribute 'Net' on module '__main__'我直接好家伙，骂骂咧咧去搜为啥。报错原因： torch.load()方法所
2021-09-01 20:49:32
10659
9
原创 github中pull request学习记录
pull request 学习记录1 寻找 Fork 代码2 对分支进行修改3 仓库的关联建立4 pull request心血来潮，学一下 pull request 的使用pull request 实际上是由于，你对他人的开源项目代码进行了改进，想把修改部分同步到项目源地址非自己folk的远程仓库，但是你没有同步权限，而pr就是一种将自己本地修改通过申请的发送形式，发送给源远程仓库，只要请求通过，你的代码就可以被合并。11 寻找 Fork 代码首先，寻找一个可用的项目，这里用廖雪峰老师的项目 mi
2021-08-11 20:06:13
1177
2
原创 深度学习中 Internal Covariate Shift 问题以及 Batch Normalization 的作用
深度学习中 Internal Covariate Shift 问题以及 Batch Normalization 的作用前言一、Batch Normalization是什么？1.1 Internal Covariate Shift1.2 Internal Covariate Shift 带来的影响1.3 如何减缓 Internal Covariate Shift 问题带来的影响白化(Whitening)白化存在的问题二、Batch Normalization2.1 传统 Normalization2.2 改进
2021-07-26 21:56:26
1797
4
原创 PyG快速安装（一键脚本，2021.7.14简单有效）
PYG一键脚本安装通过脚本安装离线本地安装安装结果测试本文提供两种方法安装都可成功安装 pyg通过脚本安装直接通过脚本安装，自建一个python脚本，直接运行即可，代码如下：import loggingimport subprocessfrom setuptools import setupimport torchcuda_v = f"cu{torch.version.cuda.replace('.', '')}"torch_v = torch.__version__.split('
2021-07-14 11:24:47
1611
2
原创 Ubuntu16.04 安装OMnet++4.6(5.4也可)
Ubuntu16.04 安装OMnet++5.4 or 4.61. 准备工作下载安装包下载必要环境依赖2. 开始安装文件解压omnet++环境变量配置基本配置添加配置和构建omnet++1. 准备工作下载安装包官网链接: http://omnetpp.org版本选择: 选择自己想要的版本可以从OLDER VESIONS中找找到自己需要的版本,选择对应Linux(其他系统也是如此),下载即可.note: 不同版本的OMNet++的差别还是挺大的,所以一定要选择自己需要的版本.下载必
2021-03-17 11:34:03
1073
2
原创 数字图像处理学习（2）—— 图像直方图均衡与图像匹配（python实现）
数字图像处理学习（2）—— 直方图均衡与图像匹配1. 直方图均衡（Histogram Equalization）1.1 直方图均衡化概念1.2 直方图均衡实现简单思路1.3 直方图均衡实现代码2.4 结果展示2. 图像匹配（图像规定化）2.1 图像匹配概念2.2 实现思路2.3 直方图匹配可视化[^2]2.4 图像直方图代码实现2.5 图像规定化结果1. 直方图均衡（Histogram Equalization）1.1 直方图均衡化概念直方图均衡化 ：就是把一个已知灰度概率密度分布的图像经过某种变换.
2020-11-30 22:12:07
8941
15
原创 数字图像处理学习（1）——图像插值Python代码实现
数字图像处理学习（1）——图像插值Python代码实现1. 图像插值 （Image Interpolation）2. 最近邻插值法2.1 最近邻插值法2.2 最近邻插值法（Python 代码实现——图像缩小）2.3 运行结果示例3. 双线性插值法3.1 双线性插值法3.2 双线性插值法（Python代码实现——图片放大）3.3 结果展示最近在学习数字图像处理，打算长期记录下来。1. 图像插值 （Image Interpolation）当我们需要放大或者缩小一张数字图像的时候，我们所进行的操作称之为Im
2020-10-24 08:51:10
5788
5
原创 图像语义分割中的上采样(Upsampling)和下采样(subsampling)
图像语义分割中的上采样和下采样1. 下采样和上采样的基本概念最近在看到一篇论文中用到了transposed convolution，并出现了upsampling等概念，表示很迷。那么什么是upsampling ？1. 下采样和上采样的基本概念下采样: 对卷积得到的压缩特征图进行进一步压缩。实际上就是卷积层之间的池化层。作用： 通过最大池化或者平均池化从而减少了特征，进而参数的数量，且降低了卷积网络计算的复杂度；实际上就是过滤作用小、信息冗余的特征，保留关键信息（而信息关键与否就体现在对应的val
2020-09-27 20:42:44
17632
7
原创 Python项目完成requirements.txt的生成以及依赖一键安装
Python项目完成requirements.txt的生成以及依赖一键安装1. 生成requirements.txt文件第一种方法（推荐）第二种方法2. 根据requirements.txt安装依赖当我们需要在另外一台电脑部署项目的时候，我们需要重新配置环境和依赖，使得项目可以顺利运行。我操作的背景是需要在远程服务器进行项目的部署。1. 生成requirements.txt文件首先请cd进入你的本地项目目录下生成requirements.txt有两种方法第一种方法（推荐）我们需要使用到一个
2020-09-16 19:09:22
1776
原创 os.walk()的详细理解（秒懂）
Python中os.walk（）的详细理解 1. os.walk()参数的含义2. 代码检验2.1 先看第一次遍历：2.2 再看第二次遍历：2.3 再看第三次遍历：2.4 最后看第四次遍历：3. 总结反正最近文件夹名字操作要了我的老命，所以总结下这个方法的使用。1. os.walk()参数的含义root：Prints out directories only from what you specified.dirs：Prints out sub-directories from root.fil
2020-08-13 19:39:52
60859
40
原创 精读Regularizing Reasons for Outfit Evaluation with Gradient Penalty
精读Regularizing Reasons for Outfit Evaluation with Gradient Penalty1. 本文贡献介绍2. EVALUTAION3数据集3. 完成评估的网络框架3.1 特征提取阶段（feature extraction net）3.2 内联因素兼容性网络层（Intra-factor compatibility network）3.3 因素内部兼容性网络层（Inter-factor compatibility network）4. 对评估的原因分析4.1 CAM
2020-08-10 17:10:51
371
原创 matplotlib中文乱码问题（ubuntu和win 10均可以）
下载字体首先下载中文字体，链接如下。字体下载链接字体文件放入指定目录下 目录如下：/anaconda3/envs/pytorch/lib/python3.7/site-packages/matplotlib/mpl-data/font/ttfs修改matplotlibrc文件 matplotlibrc文件的位置如下：/anaconda3/envs/pytorch/lib/python3.7/site-packages/matplotlib/mpl-...
2020-08-05 10:19:54
441
1
转载 Linux 系统添加 Swap 交换分区
Linux 系统添加 Swap 交换分区简介Linux 系统中的 Swap 分区，即交换分区，类似于 Windows 的虚拟内存，其作用可简单的描述为：当系统的物理内存不够用的时候，将暂时不用的数据存放到交换空间所在的硬盘上，从而可以腾出内存来让别的程序运行。在这里不讨论直接划出一部分硬盘作为交换分区的情况，只介绍通过添加 Swap 文件来设置交换分区的方式。添加 Swap 分区 随便进入一个目录用于后续存放 Swap 文件，也可以直接放在根目录，这里放在/var...
2020-07-19 16:17:58
768
1
原创 detach()、data、with no_grad()、requires_grad之间关系
detach()、.data、with no_grad()、requires_grad之间关系[@TOC](detach ()、.data、with no_grad()、requires_grad之间关系)
2020-07-18 20:48:15
3759
5
原创 jupyter notebook中引入torch时报错：ModuleNotFoundError: No module named ‘torch‘
jupyter notebook 中运行import torch时报错：ModuleNotFoundError: No module named 'torch'如何插入一段漂亮的代码片参考链接1参考链接2如何插入一段漂亮的代码片
2020-07-16 19:45:01
5332
2
原创 ubuntu20.04安装nvidia驱动报nvidia-依赖not going to be install 导致无法安装
ubuntu20.04安装nvidia驱动报nvidia-依赖not going to be install 导致无法安装两种解决方案：我使用的第一种方案，完美解决缺少什么依赖就下载什么依赖，命令如下：sudo apt-get install xxx解决ubuntu18.04安装nvidia驱动报nvidia-dkms依赖无法安装(全程配图)成功图片如下所示：...
2020-07-11 21:34:14
3966
原创 精读 An LSTM-Based Dynamic Customer Model for Fashion Recommendation 总结
精读 An LSTM-Based Dynamic Customer Model for Fashion Recommendation 总结研究成果1. 前言2. 研究内容2.1 数据描述2.2 Fashion DNA的生成（商品表示）2.3 static Neuron network更新流程研究成果根据商品信息生成了对应的低维嵌入（Fashion DNA）；根据顾客的交易时间序列生成了对应的低维嵌入（style vector）；避免了冷启动问题。1. 前言因为目前商品推荐存在很多的影响因素，
2020-07-06 22:25:10
428
2
原创 冷启动问题——协同过滤（推荐系统）
冷启动问题——协同过滤（推荐系统）1. 什么是冷启动问题2. 协同过滤2.1 User CF2.2 Item CF1. 什么是冷启动问题冷启动问题：推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣。这类问题主要分为3类1：用户冷启动：即如何给新用户做个性化推荐物品冷启动：即如何将新的物品推荐给可能对它感兴趣的用户系统冷启动：即如何在一个新开发的网站（没有用户，没有用户行为，只有部分物品信息） 上设计个性化推荐系统，从而在网站刚发布时就让用户体会到个性化推荐而本文主要讨论协同过
2020-07-06 21:25:30
7175
原创 精读 Recommending Outfits from Personal Closet
精读 Recommending Outfits from Personal Closet研究成果1. 研究背景与意义2. 国内外研究现状3. 本文研究过程3.1 数据收集3.2 数据清洗3.3 P/N样本创建3.4 Train/Test数据集划分3.5 服装分类流程3.6 模型设置4. 研究结果论文链接：Recommending Outfits from Personal Closet研究成果本文可以对任意item组成的一套服装进行打分，并基于测试用例可以达到84%的准确率；基于人为评估也可以达到
2020-06-29 10:30:35
612
2
原创 Numpy 对战 Pandas 之CSV文件读取效率
Numpy 对战 Pandas 之CSV文件读取效率1. Numpy.loadtxt()2. Pandas.read_csv()3. 总结4. 意外发现本文旨在分析Numpy读取CSV文件和Pandas读取CSV文件的对比。1. Numpy.loadtxt()官网教程-Numpy.loadtxt()使用numpy中的loadtxt()方法可以很方便的读取文件，代码如下：import t...
2020-04-10 14:33:01
2160
1
原创 看完秒懂torch.stack()
torch.stack （）在这里插入图片描述一、准备数据二、dim=0三、dim=1四、dim=2一、准备数据首先把基本的数据准备好：import torchimport numpy as np# 创建3*3的矩阵，a、ba=np.array([[1,2,3],[4,5,6],[7,8,9]])b=np.array([[10,20,30],[40,50,60],[70,80,90...
2020-03-31 22:26:48
4548
5
原创 不出门就和朋友们一起在家观看电影？只需要这款 Chrome 插件
不出门就能和朋友们来个 Netflix 电影之夜？只需要这款 Chrome 插件 因为疫情的原因，所有的娱乐场所都关闭啦。 小伙伴们年前还想着约电影，约K歌呢，看看现在，整天还是躺在床上，无聊到爆。 &nbs...
2020-03-25 14:33:12
3339
1
原创 正确理解scipy中的coo_matrix函数
正确理解scipy中的coo_matrix函数1. 构造一个空矩阵2. 使用ijv（triplet）格式构造一个矩阵3. 用重复的索引构造矩阵1. 构造一个空矩阵这种用法比较简单，直接生成一个给定维度的矩阵，并且可以指定元素类型。如下指定生成一个(3,4)且数据类型为int8的矩阵import scipy.sparse as spsp.coo_matrix((3, 4), dtype=n...
2020-03-21 23:31:19
5062
原创 Numpy打印矩阵存在省略情况解决方案
问题： 在打印一个数据量比较大的array的时候，发现只打印一部分数据，而中间都是省略号。但是我希望看到其中数据的分布情况啊，这就很头疼。如下：解决方案：更多操作可以参考Numpy官网。...
2020-03-21 20:19:11
2321
原创 Anaconda不同环境之间pip install的路径问题
Anaconda3不同环境之间pip install的路径问题1. 如果是只想修改pip install的路径，可以直接看此链接2. Anaconda3修改不同环境下的pip install路径1. 如果是只想修改pip install的路径，可以直接看此链接Anaconda修改pip install 路径方案2. Anaconda3修改不同环境下的pip install路径最近在使用An...
2020-02-21 11:29:53
19084
5
原创 为什么正则化能够解决过拟合问题？
为什么正则化能够解决过拟合问题一. 正则化的解释二. 拉格朗日乘数法三. 正则化是怎么解决过拟合问题的1. 引出范数1.1 L_0范数1.2 L_1范数1.3 L_2范数2. L_2范式正则项如何解决过拟合问题一. 正则化的解释为防止模型过拟合，提高模型的泛化能力，通常会在损失函数的后面添加一个正则化项。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓惩罚是指对损失函数中的某些参数做一...
2020-02-16 22:10:44
6114
13
原创 Pandas中apply()、map()、applymap()的详细学习与比较
这里写自定义目录标题一. apply()1. 参数讲解2.apply()案例map()applymap()如何创建一个注脚注释也是必不可少的导出与导入导出导入一. apply()针对Series的值调用函数调用函数可以是，也可以是只对单个值起作用的Python函数。1. 参数讲解func : functionPython函数或者Numpy内置的ufunc(ufunc：指适用...
2020-02-11 16:34:27
2105
1
【决策树】中案例代码的使用（西瓜数据集合）
2019-11-30
TCP——实现时间协议实验三
2019-07-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人