笔记
文章平均质量分 93
蟹恼板
这个作者很懒,什么都没留下…
展开
-
LATEX 安装使用 (TeX Live 2021+VSCode+SumatraPDF 实时预览)
啊… 又要写毕业论文了… 担心 Overleaf 须要联网有一定风险, 还是打算 本地 TeX Live + Github 版本管理与备份.安装TeX Live 2021用国内镜像下载, 速度快: 清华源 | 华为云源 | 阿里云源.双击下载的 ISO, 打开 (不用管理员) install-tl-windows.bat, 会有 GUI 安装界面. 我直接便携安装在 D 盘了, 安装出来有 7 个多 G, 语言少选几个可以少安装一个 G, 不过也就一个 G, 干脆全装了.好家伙装了半个多小时了,原创 2021-08-08 00:57:20 · 6611 阅读 · 3 评论 -
Java 实现扫雷与高胜率低耗时自动扫雷 AI (下)
上一篇博客介绍了本项目总体情况, 这一篇来介绍一下我实现的自动扫雷 AI 算法. 本 AI 胜率比网上最高胜率的 AI 差 0.5% 左右. 不过本 AI 也不是没有优势, 它运算速度很快 (强行有优势 (ˉ▽ ̄~)), 平均 42 毫秒可以扫完一局 Win XP 规则下的专家难度.这篇博客会介绍一下我的思路和踩过的坑, 也会列出一些关于胜率的数据. 希望能够帮助其他萌新入个门. 项目已经开源, 代码也写了注释, 链接放在文章最后.先再次把最终成品的 AI 胜率等指标罗列一下:指标Win .原创 2021-01-10 09:45:00 · 1504 阅读 · 4 评论 -
Java 实现扫雷与高胜率低耗时自动扫雷 AI (上)
东西是疫情期间做的, 但由于拖延症博客一直拖到现在都没写, 半年了再不写出来自己都要忘光了 _(:з」∠)_.起因是疫情期间蹲家里, 就迷上了扫雷. Win XP 的扫雷程序在高分辨率屏下体验不好, 于是一开始是玩的 Win 10 商店里的那个 Microsoft Minesweeper, 但它区区一个扫雷却还好意思整了那么多广告, 搞得花里胡哨体验还差. 于是一时气愤, 决定自己写一个.写完之后想着既然游戏本体都写了, 这不乘着气没消顺路再研究研究自动扫雷 AI? 于是又折腾了好一阵子, 终于发现 .原创 2021-01-10 09:42:00 · 913 阅读 · 0 评论 -
Win10 U 盘启动安装与初步设置
安装用 UEFI+GPT 安装, 可以快速启动.使用 Rufus 制作. 选项如图.BIOS 设置启动方式为 UEFI.如果硬盘是 MBR 的, 则安装程序会提示装不了. 此时 Shift + F10 调出控制台, 输入:diskpartlist diskselect disk 0 # 在 list 出来的 disk 里选一个convert gpt曾经我觉得 C 盘分 100 GB 就够了, 现在感觉还是 200 GB 舒服 (针对我的需求. 比如 WSL、Maven、Anacon原创 2020-11-01 01:19:26 · 465 阅读 · 0 评论 -
Java 的两种异常 Checked Exception 与 Runtime Exception
Java 有两种异常: Checked Exception 与 Runtime Exception. 整理了一下两者的区别:区别Checked ExceptionRuntime Exception基类java.lang.Exceptionjava.lang.RuntimeException捕获强制不强制Checked Exception 的基类是 Exception; Runtime Exception 的基类是 RuntimeException (不过 Run原创 2020-08-04 17:01:45 · 621 阅读 · 0 评论 -
Windows Terminal 捣鼓
title: Windows Terminal 捣鼓categories:nulltags:nullabbrlink: 3549date: 2020-05-20 20:14:41安装: Win10 商店.添加 Git Bash 支持打开设置, 在 profiles -> list 添加以下必须项:{ "guid": "{c169f907-832c-4aa4-9ab3-84a4658b4b93}", "name" : "Git Bash", "comm.原创 2020-06-29 17:37:38 · 230 阅读 · 0 评论 -
Doxygen 安装使用
安装# graphviz 用于生成图, doxygen-guigraphviz 是 doxygen 的 GUIsudo apt-get install graphviz doxygen doxygen-gui doxygen-doc也可以从源码编译安装, 源项目是 CMake 项目. 不过源码安装会导致使用 apt 安装的 GUI 找不到 CLI 安装位置, 还是 apt 方便. 清华的 apt 源 貌似没有 doxygen, 后来改用阿里云的源就好了.使用GUI 程序使用的典型流程以分析 D原创 2020-06-29 17:29:49 · 4613 阅读 · 0 评论 -
Ubuntu18.04 美化
美化软件Gnome Tweak Tool: 美化必备首先肯定是安装 gnome-tweak-tool.sudo apt-get install gnome-tweak-toolDash To Dock是 Tweak 的一个扩展. 可以从 Ubuntu Software 搜索下载安装 Dash to dock, 然后就能从 Tweak 的 Extensions 标签页下找到它.主要功能...原创 2020-03-19 11:10:07 · 283 阅读 · 0 评论 -
Ubuntu18.04 UEFI+GPT安装
制作 U 盘启动使用 Rufus 制作. 选项如图.如图, 因为是要 UEFI 方式启动, 所以分区类型需要选 GPT.检查硬盘是否 GPT 格式如果是在 Win 下, 工具很多. 在 Win 下使用 fdisk -l 可展示.U盘启动并安装Other options 可选可不选.选择 Something else 以定义安装、定制分区.以下为一个典型的分区, 分了 efi,...原创 2020-03-19 11:08:16 · 956 阅读 · 0 评论 -
各类项目依赖可视化工具
MavenMaven 工具: mvn dependency:tree在项目目录执行 mvn dependency:tree :https://github.com/che-samples/che-ide-server-extension 项目的子项目 plugins/plugin-serverservice/plugin-serverservice-ide 的依赖如下:[INFO] Sca...原创 2020-03-19 11:01:40 · 739 阅读 · 0 评论 -
Eclipse Che安装使用
安装使用的版本是 6.16.0, 已经过时, 7 版本已经出了.安装使用 (Ubuntu)环境: Ubuntu 16.04Eclipse Che GitHub | 官方文档 | 官方安装文档文档指出运行一个默认的 Eclipse Che, 在 Docker 下仅需如下命令.docker run -it --rm -v /var/run/docker.sock:/var/run/docke...原创 2019-12-08 19:08:03 · 2288 阅读 · 0 评论 -
Git安装使用
指令Git Bash 使用 ssh 登陆配置 Git Bash:git config --global user.name <name>git config --global user.email <email># 如果开了 Github 的 `Keep my email addresses private` 功能,# 设置 email 时 要填 Github ...原创 2019-12-08 18:36:47 · 966 阅读 · 0 评论 -
qBittorrent添加Tracker以提速
知乎uTorrent、qBittorrent、Transmission、Deluge全教程qBittorrent 添加自定义 Tracker 的方法qBittorrent -> 工具 -> 选项 -> BitTorrent, 拉到最下面:勾选 “自动添加以下 trackers 到新的 torrents:” 并填入如下内容 (来源: https://dns.icoa....原创 2019-07-18 10:33:16 · 119565 阅读 · 3 评论 -
[笔记]我的Linux入门之路 - 01.Ubuntu安装
最近学机器学习,感觉matlab/octave用的人不多,想改用python。于是开始学python,辛辛苦苦学会了自己装环境和装第三方库,结果发现scipy库竟然没有win版本!于是想着那我得装个linux了。于是乎…我本来只是想学学机器学习的。。。(教练:你怎么什么都想学)那么说干就干,顺便写个笔记,也不指望别人看到,只是以防以后我再需要安装linux时忘了自己曾经的步骤。一、Linux版本选择原创 2017-01-25 23:27:05 · 1308 阅读 · 0 评论 -
[笔记]Coursera Deep Learning笔记 神经网络一些要点
激活函数Sigmoid不怎么用了.a=g(z)=σ(z)=11+e−zg′(z)=a(1−a)a = g(z) = \sigma(z) = \frac{1}{1+e^{-z}} \\ g&amp;#x27;(z) = a(1-a)a=g(z)=σ(z)=1+e−z1g′(z)=a(1−a)Tanh比Sigmoid好. 因为其值域为(-1, 1), 计算得a的平均值靠近0, 更...原创 2019-01-31 17:49:20 · 243 阅读 · 0 评论 -
[笔记]深澜校园网无法打开(弹出)登陆网页解决方案
(适用于Windows)打开CMD, 两行指令:ipconfig /releaseipconfig /renew原创 2019-04-08 11:58:51 · 29937 阅读 · 9 评论 -
[笔记]ACM笔记 - 组合数
一、高中数学公式复习Cmn=n!m!(n−m)!C_n^m = \frac{n!}{m!(n-m)!} Cmn=Cn−mn=Cmn−1+Cm−1n−1C_n^m = C_n^{n-m} = C^{m}_{n-1} + C^{m-1}_{n-1}C0n+C1n+C2n+...+Cnn=∑ni=0Cin=2nC_n^0+C_n^1+C_n^2+...+C_n^n = \sum_{i=0}^{n}{C_n原创 2017-03-23 20:14:13 · 1475 阅读 · 0 评论 -
[笔记]ACM笔记 - 排序小技巧
Description一个数组,要求先对前n个数字排序(以方便后续操作);又要求对前n+i个数字排序;又要求对前n+j … 前n+k个数字排序(i、j、k的大小远小于n,且i、j、k间没有大小关系)。总之就是对一个不定的范围内数据要进行频繁的按大小顺序调用,但是这个范围边界变化不大,很多数据重叠,这样每次都对此次区间内数据排序,频繁排序的话很费时间。例如一个数组{1,3,6,5,2,4,1,9,0}原创 2017-03-27 16:33:02 · 602 阅读 · 0 评论 -
[笔记]SciPy、Matplotlib基础操作
NumPy、SciPy、Matplotlib,Python下机器学习三大利器。上一篇讲了NumPy基础操作,这节讲讲SciPy和Matplotlib。目前接触到的东西不多,以后再遇到些比较常用的再更新。scipy是基于numpy的扩充,所以安装时要先安装numpy再安装scipy。scipy的命名空间包含numpy,所以只需import scipy即可,numpy不用import。(所以以下有些东西原创 2017-02-02 20:45:29 · 1431 阅读 · 0 评论 -
[笔记]NumPy基础操作
学机器学习做点小笔记,都是Python的Numpy库的基本小操作,图书馆借的书看到的,怕自己还了书后忘了,就记下来。一般习惯导入numpy时使用 import numpy as np ,不要直接import,会有命名空间冲突。比如numpy的array和python自带的array。numpy下有两个可以做矩阵的东西,一个叫matrix,一个叫array。matrix指定是二维矩阵,array任意维原创 2017-01-31 16:53:25 · 514 阅读 · 0 评论 -
[笔记]我的Linux入门之路 - 03.Java环境搭建
其实ubuntu是自带一个叫openJDK的东西的,是谷歌看Oracle不爽而搞的。不过呢。。。总感觉不太习惯,况且我既然都来Linux了,总是想折腾一把的。 首先先检查下有没有安装java。终端输入java -version,若出现以下字段则说明未安装。The program ‘java’ can be found in the following packages:* default-jre原创 2017-01-29 14:50:56 · 746 阅读 · 0 评论 -
[笔记]我的Linux入门之路 - 04.Eclipse安装
首先,要安装ecliose自然是先要有Java环境。在上一篇已经安装好了,不再赘述。一、下载Eclipse官网 下载下来的文件“:eclipse-inst-linux64.tar.gz 。二、安装这次和上次不同,jdk解压即用,而双击打开此压缩包,发现里面有eclipse-inst 文件,说明自带安装程序,那就像windows下装软件一样好办了,把整个包解压缩出来随便放个目录,并且终端cd到该目录。原创 2017-01-29 16:45:32 · 1311 阅读 · 0 评论 -
[笔记]我的Linux入门之路 - 05.Eclipse的Python开发环境搭建与Numpy、Scipy库安装
一、Python环境直接终端查询下python安装没:python --versionPython 2.7.12Ubuntu竟然已经装了Python2.7,那就好说了。不然自己装和装jdk差不多。本来想着要不要再装个3.4的,但是发现2.7也很常用,那就偷个懒了。二、安装PyDev1.在线安装Elipse可以在线安装,又方便还方便而且方便。从http://pydev.org/updates 可以获得原创 2017-01-29 17:09:04 · 4167 阅读 · 2 评论 -
[笔记]A*寻路算法初探
写在开始之前最近突然对各路游戏的寻路算法很感兴趣,于是去学习了下游戏里的AI们是如何寻路的。网上相关内容很多,但同时有些说法也不一,制作自己的A* 算法时也有因不同的说法而困惑。整理多方资料并自己实践之后,以下是我对寻路算法,尤其是A* 算法的一些自己的总结。以下为自己的思考与想法,可能不准确之处,请指正。 我本次的模拟比较简单,下面简述一下模拟环境:地图是棋盘式的格子地图;各个点没有权值,或原创 2016-12-08 20:38:43 · 1997 阅读 · 0 评论 -
[笔记]cin、cout与scanf、printf的效率差异对比分析
之前上传UVa227 puzzle时,好不容易AC了,但发现自己用时50(ms),而在VJ上看到人家都是40ms、20ms,于是打开一个20ms的代码查看人家强在哪里。但结果研究了半天感觉差不多,于是想着应该不是算法的问题。然后又想到,网上提交的答案,大家都是用scanf和printf写的,而我用的cin cout,而这题的确需要大量的输入输出,于是就想着把所有cin cout改成scanf pri原创 2016-08-16 18:52:03 · 1483 阅读 · 1 评论 -
[笔记]ACM笔记 - 利用FFT求卷积(求多项式乘法)
卷积给定向量:a=(a0,a1,...,an−1)a=(a_0,a_1,...,a_{n-1}),b=(b0,b1,...,bn−1)b=(b_0,b_1,...,b_{n-1})向量和:a+b=(a0+b0,a1+b1,...,an−1+bn−1)a+b=(a_0+b_0,a_1+b_1,...,a_{n-1}+b_{n-1}) 数量积(内积、点积):a⋅b=a0b0+a1b1+...+an−1原创 2017-04-06 21:35:01 · 11064 阅读 · 1 评论 -
[笔记]有上下界的网络流笔记
从大佬的博客里学到了很多东西,以下是自己的小总结。无源汇有上下界可行流步骤建立超级源点ss与汇点st;像普通网络流一样建图,但其中边的上界为c-b(上界-下界);计算所有点的Dif(流入下界之和 - 流出下界之和)。 如果Dif[u]大于0,建立ss到u的上界为Dif的附加边; 如果Dif[u]小于0,建立u到st的上界为-Dif的附加边;计算从ss到st的最大流;计算每条附加边的流量原创 2017-10-21 21:36:51 · 419 阅读 · 0 评论 -
[笔记]Coursera Machine Learning Week0 - 目录大纲
目录会根据我的学习进度而更新,给自己列一个大纲以系统地看待整个学习过程。学习资料来源学习的是Coursera上吴恩达(Andrew Ng)老师的机器学习视频(课程传送门,最近在“最强大脑”上看到他了好激动啊,原来他去做百度大脑了呀),笔记根据此系列视频整理。笔记顺序不一定与原教程一样,希望加入些自己的思考。同时使用了网上找到的黄海广博士的对于吴大大视频教程的笔记(传送门)。因为我一开始看视频没做笔记原创 2017-02-12 15:45:11 · 1045 阅读 · 0 评论 -
[笔记]Eclipse开启代码提示与关闭变量命名补全
文章目录增强代码提示功能解决自动变量命名问题1. 获取工程2. 修改代码4. 导出插件增强代码提示功能找到设置位置: Window -> Preferences -> Java -> Editor -> Content Assist.将 Auto Activation 下的 Auto activation triggers for Java (默认为 .) 改...原创 2019-03-28 19:16:34 · 2617 阅读 · 3 评论 -
[笔记]使用Hexo搭建Github博客
平台: Windows 10使用的 Hexo 主题: Next平台安装安装 Git (Git 官网) 并如下配置:打开Git Bash:# 针对你的 Github 账户生成一个 SSH key:ssh-keygen -t rsa -b 4096 -C "username@host.com"# 按三次回车, 密码设为空# 最终在 C:\Users\Username 下生成 ....原创 2019-04-10 11:54:29 · 295 阅读 · 0 评论 -
[笔记]带精英策略的非支配排序的遗传算法NSGAII
文章目录遗传算法(Genetic Algorithm)非支配排序遗传算法(Non-Dominated Sorting Genetic Algorithm, NSGA)Pareto 支配关系非支配排序虚拟适应度(略)带精英策略的非支配排序遗传算法(NSGA-II)快速支配排序算子拥挤距离算子精英策略选择算子遗传算法(Genetic Algorithm)此处使用二进制编码法形成染色体.种群初始化...原创 2019-03-10 22:53:00 · 10288 阅读 · 9 评论 -
[笔记]Coursera Deep Learning笔记 正则化与梯度相关
训练集、验证集、测试集(Train, Dev, Test Sets)当数据量小的时候, 70% 训练, 30% 测试;或 60% 训练、20% 验证、20%测试. 当我们有大于100万条数据时, 测试集验证集各取1万条即可, 足以评估单个分类器.确保验证集和测试集的数据来自同一分布.如果不需要无偏估计, 可以不设置测试集. 当没设立测试集的时候, 验证集通常被人们称为测试集.偏差、方差(...原创 2019-02-19 22:43:06 · 229 阅读 · 0 评论 -
[笔记]Coursera Deep Learning笔记 超参数调试 Batch归一化 Softmax
调试(Tuning)深度学习要处理很多参数, 从学习速率 α\alphaα 到 Momentum 的参数 β\betaβ, 若使用 Adam 优化算法,还得处理 β1\beta_1β1, β2\beta_2β2 和 ε\varepsilonε. 同时还得选择层数, 每一层隐藏单元的数量, mini-batch 大小, 甚至如果还要使用学习率衰减.其中学习速率 α\alphaα 是最优先调试...原创 2019-02-23 18:41:54 · 444 阅读 · 0 评论 -
[笔记]Coursera Deep Learning笔记 优化算法
Mini-batch 梯度下降将 X=[x(1),x(2),x(3),...,x(m)]X = [x^{(1)}, x^{(2)}, x^{(3)}, ..., x^{(m)}]X=[x(1),x(2),x(3),...,x(m)] 矩阵所有 mmm 个样本划分为 ttt 个子训练集, 每个子训练集称为 x{i}x^{\{i\}}x{i}, 每个子训练集内样本个数均相同(若每个子训练集有1000...原创 2019-02-21 22:41:32 · 236 阅读 · 0 评论 -
[笔记]Coursera Deep Learning笔记 逻辑回归典型的训练过程
Deep Learning 用逻辑回归训练图片的典型步骤. 学习Coursera上吴恩达老师Deep Learning第一课程前两周的笔记.1. 处理数据1.1. 向量化(Vectorization)将每张图片的高和宽和RGB展为向量, 最终X的shape为 (height*width*3, m) .1.2. 特征归一化(Normalization)对于一般数据,使用标准化(Standa...原创 2019-01-24 12:25:26 · 636 阅读 · 0 评论 -
[笔记]Coursera Machine Learning Week4,5 - 神经网络(Neural Networks)
概念与表述线性回归与逻辑回归的缺点:特征太多的时候计算负荷太大。神经网络模型是许多逻辑单元按照不同层级组织起来的网络,每一层的输出变量都是下一层的输入变量。 直观理解神经网络的单层神经元的计算可以用来表示逻辑运算,比如AND、OR。如果用多层的话就可以组成功能复杂的神经网络。多类分类 代价函数逻辑回归的代价函数:神经网络代价函数:(hθ(x)h_{\theta}(x)为K维度的向量,因为神经网络原创 2017-12-02 19:04:54 · 590 阅读 · 0 评论 -
[笔记]Coursera Machine Learning Week3 - 正则化(Regularization)
欠拟合(Underfitting)与过拟合(Overfitting) 上面两张图分别是回归问题和分类问题的欠拟合和过度拟合的例子。可以看到,如果使用直线(两组图的第一张)来拟合训,并不能很好地适应我们的训练集,这就叫欠拟合(Underfitting),但是如果x的次数太高(两组图的第三张),拟合虽然很好,但是预测能力反而变差了,这就是过拟合(Overfitting)。 对于欠拟合,我们可以适原创 2017-02-17 16:06:43 · 595 阅读 · 0 评论 -
[笔记]机器学习(Machine Learning) - 02.逻辑回归(Logistic Regression)
逻辑回归算法是分类算法,虽然这个算法的名字中出现了“回归”,但逻辑回归算法实际上是一种分类算法,我们将它作为分类算法使用。。 分类问题:对于每个样本,判断它属于N个类中的那个类或哪几个类。通常我们判定一个样本,若我们预测它的确属于这个类的可能性大于50%,则认为它属于这个类。当然具体选择50%还是70%还是其他要看具体情况,这里先默认50%。 线性回归的局限性在分类问题的例子中变得不可靠:这是一原创 2017-02-13 21:57:44 · 2380 阅读 · 0 评论 -
[笔记]Coursera Machine Learning Week1,2 - 线性回归(Linear Regression)
线性回归属于回归问题。对于回归问题,解决流程为: 给定数据集中每个样本及其正确答案,选择一个模型函数h(hypothesis,假设),并为h找到适应数据的(未必是全局)最优解,即找出最优解下的h的参数。这里给定的数据集取名叫训练集(Training Set)。不能所有数据都拿来训练,要留一部分验证模型好不好使,这点以后说。先列举几个几个典型的模型:最基本的单变量线性回归: 形如h(x)=thet原创 2017-02-12 20:10:38 · 1402 阅读 · 0 评论 -
[笔记]scanf的使用(主要是针对char)
学的是C++,用cin cout也用的很顺溜,写自己的类时重载“<<”与“>>”运算符也很爽,但是发现在刷算法竞赛题时,cin cout很没优势,输入量大时一道题我用cin cout要50ms,用scanf printf只要10ms、20ms,这个就差的太大了时间都花在输入输出上也是很郁闷。于是开始使用C的输入输出标准。输出很正常,也可以轻松更改double输出的精度,c++还要个iomanip头文原创 2016-07-31 16:00:05 · 5751 阅读 · 0 评论