布丁的自我修养
码龄9年
求更新 关注
提问 私信
  • 博客:282,743
    282,743
    总访问量
  • 118
    原创
  • 67
    粉丝
  • 24
    关注
IP属地以运营商信息为准,境内显示到省(区、市),境外显示到国家(地区)
IP 属地:中国
加入CSDN时间: 2018-02-05
博客简介:

budding0828

博客描述:
Dance, like you never fall down.
查看详细资料
个人成就
  • 获得207次点赞
  • 内容获得70次评论
  • 获得850次收藏
  • 代码片获得1,276次分享
  • 博客总排名1,841,567名
创作历程
  • 18篇
    2020年
  • 67篇
    2019年
  • 36篇
    2018年
成就勋章
TA的专栏
  • 数学之美
    11篇
  • ML
    5篇
  • 智能算法
    4篇
  • 云计算
    1篇
  • MNIST
    3篇
  • Linux
    14篇
  • python
    8篇
  • Java
    3篇
  • 安卓
    2篇
  • C
    18篇
  • C++
    14篇
  • 软件工程
    16篇
  • 计算机网络
    2篇
  • effective C++
    9篇
  • 编译原理
    1篇
  • 操作系统
    13篇
  • 数据挖掘与数据仓库
    5篇
  • pytorch
    11篇

TA关注的专栏 1

TA关注的收藏夹 0

TA关注的社区 0

TA参与的活动 0

创作活动更多

AtomGit「码动四季·开源同行」秋季征稿活动

秋季征稿主题:开源成果经验分享 成果不止一种形态,我们为你准备了六大赛道,总有一款适合你: 开源项目成果复盘 把项目一年/一季的成长摊开来看:里程碑复盘、Star 与用户增长复盘、版本迭代复盘、从 0 到 1 的发布复盘。 🖊️ 示范选题: ●开源项目从 0 到 1000 Star,我做对了什么 ●开源一周年,我交出的成绩单 这类文章不只是一次经验分享,也是一张项目名片。欢迎将项目托管到 AtomGit 并申请成为 G-Star 项目,通过后可获得平台流量推荐、项目宣传等权益。(G-Star:AtomGit 最具影响力开源项目) ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/1f90c61528ad410d8d66f9d0e3707a5a.png) 咨询 G-Star 项目申请 2️⃣ 技术经验体系化沉淀 踩坑合集、最佳实践总结、工具链实战、CI/CD 流水线搭建、代码重构与架构演进。 🖊️ 示范选题: ●提了 50 个 PR 后,我总结的开源协作避坑清单 ●一次重大重构复盘:把单体拆成可维护的模块 3️⃣ AI 赋能开源的实战成果 AI 编程助手实战测评、基于开源模型的微调与应用开发、AI 辅助研发提效流水线。 🖊️ 示范选题: ●我用 AI 编程助手把提 PR 效率翻了 3 倍 ●基于开源大模型搭了个 XX 工具(附完整教程) 4️⃣ 开源共建笔记|文档、社区与布道 开源文档写作与翻译、issue 互助经验、组织 meetup、用开源项目做教学与分享。 🖊️ 示范选题: ●一个优秀开源项目,文档应该怎么写 ●我用开源项目做了个线上 Workshop ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/23e83ceebc594c379f7fc6aa8dcfa40c.png) 扫码加入码动四季投稿交流群,和更多伙伴一起交流技术!

16人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 收藏
  • 关注/订阅/互动
更多
  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 收藏

  • 关注/订阅/互动

  • 社区

  • 帖子

  • 问答

  • 课程

  • 视频

搜索 取消

C Primer Plus: 第十五章 位操作

C Primer Plus: 第十五章 位操作15.3 C按位运算符按位逻辑运算符都用于整型数据,包括char。二进制反码:~val(该运算符不会改变val的值)掩码:一些设置为开(1)或关(0)的位组合。 用法: 打开位:需要打开一个值中的特定位,同时保持其他位不变。MASK需要打开的位置1,保持不变的置0,使用或运算。flags | MASK关闭位:在不影响其他位的情况...
原创
博文更新于 2018.08.16 ·
560 阅读 ·
0 点赞 ·
1 评论 ·
1 收藏

编译原理——Lex和yacc的安装

Lex和yacc的安装Linux用户Lex和Yacc可以直接从终端安装,命令:apt install flex bison部分系统可能还需要手动安装 gcc 和 make 等工具,请自行测试。安装完成后,在终端输入以下命令,若可以正确显示出版本号,则安装成功。gcc --versionlex --versionyacc --version如图所示:(图片来源网络)...
原创
博文更新于 2019.01.27 ·
10999 阅读 ·
6 点赞 ·
4 评论 ·
39 收藏

pytorch 学习笔记5 —— 实例学习

首先是一个两层网络,使用numpy版本和pytorch版本其实如果仔细对比,差别不大。代码量也相似。因为这里没有使用pytorch的自动梯度计算。numpy版本# -*- coding: utf-8 -*-import numpy as np# N is batch size; D_in is input dimension;# H is hidden dimension; D_o...
原创
博文更新于 2019.05.23 ·
420 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

软件工程 第十一章:设计系统

第十一章:设计系统设计风格管道和过滤器面向对象的设计隐含调用分层信息库解释器客户-服务器管道和过滤器:系统有:数据流(管道)作为输入和输出数据从输入到输出的转换 (过滤器)特性:设计人员能理解整个系统对输入和输出的影响,因为可以将任何两个过滤器连接在一起。系统的演化很简单允许过滤器并发执行缺点:鼓励使用批处理,不善于处理交互式应用。...
原创
博文更新于 2019.01.24 ·
750 阅读 ·
1 点赞 ·
0 评论 ·
0 收藏

pytorch 学习笔记1 —— 变量操作

为什么学习pytorch替代numpy,使得可以更好使用GPUs为深度学习提供最大的灵活性和速度学习前提确保安装了torch的包,以下句子可以顺利执行import torch变量操作来源:https://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html#sphx-glr-beginner-blitz-tensor...
原创
博文更新于 2019.05.23 ·
670 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

C++ 使用VS进行内存泄漏检查

这是在win10 vs2012的环境下进行的实验。主要参考的博客和回答有:疯狂-的-蜗牛:https://blog.csdn.net/mfcing/article/details/42673393vczh的回答:https://www.zhihu.com/question/63946754首先在代码顶部加上如下语句:#ifdef VCZH_CHECK_MEMORY_LEAKS#define _CRTDBG_MAP_ALLOC#include <stdlib.h>#include
转载
博文更新于 2020.08.20 ·
870 阅读 ·
0 点赞 ·
0 评论 ·
3 收藏

pytorch tensor clone, detach 之后梯度的变化

cloneclone()函数可以返回一个完全相同的tensor,新的tensor开辟新的内存,但是仍然留在计算图中。detachdetach()函数可以返回一个完全相同的tensor,新的tensor开辟与旧的tensor共享内存,新的tensor会脱离计算图,不会牵扯梯度计算。非常推荐大家阅读这篇博客:https://blog.csdn.net/winycg/article/details/100813519...
转载
博文更新于 2020.08.19 ·
1475 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

pytorch KL散度计算出现负值的情况

最近使用了pytorch的KL散度计算模块,发现loss是负值,例如下面的代码。import torchKL_criterion = torch.nn.KLDivLoss(size_average=False)a = torch.tensor([0.1, 0.2, 0.3, 0.4])b = torch.tensor([0.1, 0.2, 0.3, 0.4])loss = KL_criterion(a, b)print(loss)其结果为:-1.5799后来通过网上的解释(http
原创
博文更新于 2020.08.19 ·
13697 阅读 ·
12 点赞 ·
2 评论 ·
14 收藏

《数学之美(第一版)》笔记整理 —— 目录

序因为想对互联网的新兴技术有一些更好的了解,不断拓展自己的知识面,所以想到了吴军老师的《数学之美》,个人非常推荐大家阅读,可以对各种技术有一个入门的了解。吴军老师的讲法也很生动,对部分章节的内容有兴趣的,也可以深入去了解。为了更好地理解书中的内容,我根据自己的思维方式做了一些整理。并且对一些相对难懂的片段,我做了进一步的扩展和深究。将自己的笔记分享出来,希望能够和大家一起学习和探讨。电子书pdf我已经上传到github仓库中,方便大家下载。目录...
原创
博文更新于 2020.08.13 ·
1131 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

《数学之美(第一版)》笔记 —— 第5章

第5章 隐含马尔科夫模型通信模型通信的六要素:发送者,信道,接受者,信息,上下文,编码。问题:如何从接收端的观测信号o1,o2,o3...o_1,o_2,o_3...o1​,o2​,o3​...来推测信号源发送的信息s1,s2,s3...s_1,s_2,s_3...s1​,s2​,s3​...?解:找最可能产生观测信号的源信息。由于o1,o2,o3...o_1,o_2,o_3...o1​,o2​,o3​...一旦产生就不会改变,所以此时P(o1,o2,o3,...)P(o_1,o_2,o
原创
博文更新于 2020.08.13 ·
386 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

《数学之美(第一版)》笔记 —— 第11章

第11章 如何确定网页和查询的相关性几个概念:关键词的频率/单文本词频(Term Frequency,TF):关键词次数除以网页的总字数。停止词(Stop Word):度量时不需要考虑的词。例如中文的“的,和,中”等。逆文本频率指数(Inverse Document Frequency,IDF):IDF=log(D/Dw)IDF=log(D/D_{w})IDF=log(D/Dw​) ,其中DDD是全部网页数,而DwD_{w}Dw​是关键词出现过的网页数。作为每个搜索关键词的权重。(例如“原子能
原创
博文更新于 2020.08.11 ·
310 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

《数学之美(第一版)》笔记 —— 第10章

第10章 PageRank——Google的民主表决式网页排名技术搜索结果的排名取决于两组信息:关于网页的质量信息,和这个查询与每个网页的相关性信息。PageRank核心思想:在互联网上,如果一个网页被很多其他网页所链接,说明它受到普遍的承认和信赖,那么它的排名就高。(解决网页质量的问题)PageRank的计算方式:计算搜索结果的网页排名过程会用到网页本身的排名。使用一个二维矩阵相乘来迭代解决:首先假定所有网页的排名是相同的,并且根据这个初值,算出各个网页的第一次迭代排名,然后再根据第一次迭代
原创
博文更新于 2020.08.11 ·
426 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

《数学之美(第一版)》笔记 —— 第9章

第9章 图论和网络爬虫在网络爬虫中,使用一个“哈希表”的列表来记录网页是否下载过的信息。如何构建一个网络爬虫:1)下载网站的顺序:BFS为主(横向,爬取最重要的网页,如首页)DFS为次(一次下完整个网站,避免多次握手)网络爬虫对网页遍历的次序不是简单的BFS或者DFS,而是有一个相对复杂的下载优先排序的方法,管理这个优先级排序的子系统一般称为调度系统(Scheduler)2)页面分析和URL提取解析HTML3)记录哪些网站下载过:URL表提高哈希表服务器的通信:
原创
博文更新于 2020.08.11 ·
280 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

《数学之美(第一版)》笔记 —— 第8章

第8章 简单之美——布尔代数和搜索引擎的索引一个搜索引擎大致需要做3件事:1)自动下载尽可能多的网页;2)建立快速有效的索引;3)根据相关性对网页进行公平准确的排序。数据库SQL支持各种复杂的逻辑组合,背后原理是基本布尔运算。而搜索引擎会把用户的查询语句转换成布尔运算的算式。搜索引擎的索引是一张大表:表的每一行对应一个关键词,而每个关键词后面跟着一组数字,是包含该关键词的文献的序号。分布式:根据网页序号将索引分成很多份,分别存储在不同的服务器中。每当接受一个查询时,这个查询就被分发到许许多多服务
原创
博文更新于 2020.08.11 ·
305 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

《数学之美(第一版)》笔记 —— 第6章

第6章 信息的度量和作用信息熵(Entropy)背景:信息量等于不确定性的多少可以用bit这个概念来衡量信息量(所以加上了log函数)信息熵公式:其中P(x)P(x)P(x)是x发生的可能性。变量的不确定性越大,熵也就越大。信息熵的取值范围是:[0,log2(n)][0, log_2(n)][0,log2​(n)] ,其中n代表分类的数目。其推导过程可以参考:https://blog.csdn.net/sinat_26811377/article/details/10199235
原创
博文更新于 2020.08.11 ·
418 阅读 ·
0 点赞 ·
0 评论 ·
1 收藏

《数学之美(第一版)》笔记 —— 第4章

第4章 谈谈中文分词中文分词方法的演变:查字典:遇到复合词就找最长的词匹配,遇到不认识的字串就分割成单字词。缺点:无法解决二义性问题(如,发展中国家,发展-中-国家,发展-中国-家)统计语言模型不需要穷举所有的分词方式,可以采用动态规划或者维特比算法来快速找到最佳分词。关于分词的颗粒颗粒度大,翻译效果最好。(例如“联想公司”,作为一个整体)颗粒度小,网页搜索好。(例如“清华大学”和“清华”)...
原创
博文更新于 2020.08.11 ·
378 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

《数学之美(第一版)》笔记 ——第3章

第3章:统计语言模型自 然 语 言 从 它 产 生 开 始 , 逐 渐 演 变 成 一 种上 下 文 相 关 的 信 息 表 达 和 传 递 的 方 式 , 因 此 让 计 算 机 处 理 自 然 语 言 , 一个 基 本 的 问 题 就 是 为 自 然 语 言 这 种 上 下 文 相 关 的 特 性 建 立 数 学 模 型 。 这个 数 学 模 型 就 是 在 自 然 语 言 处 理 中 常 说 的 **统 计 语 言 模 型 ( Statistical Language Model ) **, 它
原创
博文更新于 2020.08.11 ·
374 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

《数学之美(第一版)》笔记 —— 第2章

第2章:自然语言处理——从规则到统计虽然传递信息是动物也能做到的,但是利用语言来传递信息是人类的特质。基于规则的自然语言处理:缺点:需要很多的文法规则。这种基于规则的做法和程序编译很像:自然语言是上下文有关文法;计算机程序语言是上下文无关文法。基于统计的方法:其核心是通信系统+隐含马尔科夫模型...
原创
博文更新于 2020.08.11 ·
349 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

《数学之美(第一版)》笔记 —— 第1章

第1章:文字和语言vs数字和信息文 字 按 照 意 思 来 聚 类 , 最 终 会 带 来 一 些 歧 义 性 , 也 就 是 说 有 时 弄 不 清 一个 多 义 字 在 特 定 环 境 下 它 到 底 表 示 其 中 的 哪 个 含 义 。(这也是为什么上下文建立的概率模型再好,也有失灵的时候)文字只是信息的载体,而非信息本身。信息的冗余是信息安全的保障。(例如罗塞塔石碑)阿拉伯数字的出现,标志着数字和文字的分离。...
原创
博文更新于 2020.08.11 ·
454 阅读 ·
0 点赞 ·
0 评论 ·
0 收藏

python3 list 自定义排序

python3 list 自定义排序python2 自定义排序在python2中,我们可以使用cmp进行自定义排序,当时在python3中却取消了这个参数。def cmp(x1, x2): ...a.sort(cmp)python3 自定义排序参考 Masker的做法,可以使用以下方式进行自定义排序。def cmp(x1, x2): if x1['score'] != x2[...
原创
博文更新于 2020.03.15 ·
1867 阅读 ·
2 点赞 ·
0 评论 ·
2 收藏
加载更多