我思故我在！

原创 SG3 tool hdd 512/520 format

#apt-get 去安裝[root@benjr ~]# apt-get install sg3-utilsThe Linux sg3_utils packagehttp://sg.danny.cz/sg/sg3_utils.html[root@benjr ~]# sg_format -–format -–size=520 /dev/sdd[root@benjr ~]# dmesg sd 0:0:...

转载 从一台Linux服务器copy已经安装的FIO/NVME-CLI文件到另一台服务器

1. NVMe-CLI: copy the NVME-CLI tool from https://github.com/linux-nvme/nvme-cli to 1st linux server.From CentOS desktop:$ sudo yum install nvme-cli$ scp /usr/sbin/nvme <linux server-ip>:/usr/sbi...

原创 IEEE 802.11常见标准及2.4GHz、5GHz Wi-Fi介绍

IEEE 802.11常见标准及2.4GHz、5GHz Wi-Fi介绍1、Wi-Fi和WLAN的区别Wi-Fi是基于IEEE 802.11标准的WLAN。WLAN（Wireless Local Area Network，无线局域网）有许多标准协议，如IEEE 802.11协议族、HiperLAN协议族等。2、频段、信道、带宽【工作频段】将频率划分成多段，如2.4GHz频段（2.412GHz-2.4...

原创 使用iperf测试终端WiFi模块吞吐量

使用iperf测试终端WiFi模块吞吐量1、名词定义【吞吐量】单位时间内对网络设备或端口成功传送数据的数量（在没有丢帧的情况下，设备能够接收并转发的最大数据速率）。是一个实际值，用于衡量网络性能。【带宽】单位时间内可传送的最大数据量。是一个理论值，相当于理论可达到的最大吞吐量。【AP】无线接入点（Access Point），是一个无线网络的创建者，是网络的中心节点。一般家庭或办公室使用的无线路由器...

转载 Machine Learning Techniques 笔记：2-16 Finale

转载 Machine Learning Techniques 笔记：2-15 Matrix Factorization

Radia; Basis Function:它就是一堆相似性的线性组合，这些相似性是基于距离，k-menas第n个user，给第m个电影的评分Rnm我们只有电影的编号，以及它的历史评分，如何从中学习到feature？不同的feature，用0/1来表示。把原来的feature，转换为还有0/1的vector第n个用户，给第m部电影，没有评分的位置，留白。评分的部分：分支用含有0/1值的vector...

原创 台湾清华大学计算机网络--005 IEEE802.1Q Virtual Bridged LANs

port based VLAN不同的VLAN之间的业务通过防火墙管制不同的VLAN之间，必须通过路由器才可以相互通信交换机可以即插即用，但路由器不可，必须经过合理的配置以后，才可以使用将VLAN的设定，告诉网络上的其它设备，基于一种新的protocol/procedure哪些station属于那个vlan，这个设定信息存在交换机的MIB资料库中。把这些信息公布出去：declaration把封包送出...

原创 台湾清华大学计算机网络--004 IEEE802.1d 生成树协议

Bridge：是一种Layer2的是被，MAC layer。处理封包时（复制，转送等）透过MAC地址处理，用bridge相连的网络，整个看起来是一个logical LAN任何两个透过bridge相连的网络通信，看起来好像在自己的网络内通信一样。Bridge：Frame Forwarding/Filtering，根据destination做决定Address Learning：需要学习每一个网络在什...

原创 台湾清华大学计算机网络--003 WLAN

WIFI：室内传播100米以内，室外可以达到几百米。如果要扩大传输范围，就需要一个分布式网络的支持。WIFI：发送frame时，不同于有线，无法监测collision。每个站点频宽使用链路也不保证公平。传出去，传播时间不保证。也不保证可靠性。PCF：邀请的方式，重要的frame先送DCF：开放，让大家一起抢频宽。IEEE802.11设计时，基于很有线的区域，发射功率不会太大，发射范围也不会太大，透...

原创 GPS

GNSS：Global Navigation Satellite SystemGPS卫星不是静止不动的，它们每天绕地球转两周，并持续不断的发送无线电信号，这些信号被特定的装置接收到，用于精确的计算接收点到发射卫星的距离。GPS卫星在某个确定时间，在空间的位置是固定的，因为GPS卫星的运动轨迹是固定的。GPS接收机精确的利用接收机到卫星的距离，从而利用三角测量原理，计算出接收机的地面三维相对坐标，对...

原创 台湾清华大学计算机网络--002 IEEE802.3 Ethernet

最早期的Ethernet：同轴电缆，透过cable双向广播。Share BUS，上图黄色的部分。PC Host通过TAPTAP：Transceiver，就是上图的设备。 10Base-5：一个网段最长500m10Base-2,cable比10Base-5的cable更细，轻巧。Hub：还是基于broadcastswitch与hub很大的不同：Hub: repeater,只负责将信号广播出去，对信号...

转载 人生苦短，我学Python-009：Python计算生态概览

#HollandRadarDrawimport numpy as npimport matplotlib.pyplot as pltimport matplotlibmatplotlib.rcParams['font.family']='SimHei'radar_labels = np.array(['研究型(I)','艺术型(A)','社会型(S)',\ ...

转载 人生苦短，我学Python-008：程序设计方法学

#MatchAnalysis.pyfrom random import randomdef printIntro(): print("这个程序模拟两个选手A和B的某种竞技比赛") print("程序运行需要A和B的能力值（以0到1之间的小数表示）")def getInputs(): a = eval(input("请输入选手A的能力值(0-1): ")) b ...

转载 人生苦短，我学Python-007：文件和数据格式化

#AutoTraceDraw.pyimport turtle as tt.title('自动轨迹绘制')t.setup(800, 600, 0, 0)t.pencolor("red")t.pensize(5)#数据读取datals = []f = open("data.txt")for line in f: line = line.replace("\n","") ...

原创 台湾清华大学计算机网络--001

视讯会议如果要用一个URL的request上一个网站，到底会出现多少流量呢？ 大概会有17个message6个封包去寻找ip地址， domain name：会通过DNS获取IP地址3次握手：建立链接4：利用http去发起request，4个来回知道要获取什么资料4个message进行取消TCP连接。...

转载 人生苦短，我学Python-006：组合数据类型

    #CalStatisticsV1.py    def getNum():       #获取用户不定长度的输入        nums = []        iNumStr = input("请输入数字(回车退出): ")        while iNumStr != "":            nums.append(eval(iNumStr))            iNumSt...

转载 人生苦短，我学Python-005：函数和代码复用

#SevenDigitsDrawV1.pyimport turtledef drawLine(draw):   #绘制单段数码管    turtle.pendown() if draw else turtle.penup()    turtle.fd(40)    turtle.right(90)def drawDigit(digit): #根据数字绘制七段数码管    drawLine(True...

转载 人生苦短，我学Python-004：程序的控制结构

版本1    #CalBMIv1.py    height, weight = eval(input("请输入身高(米)和体重(公斤)[逗号隔开]: "))    bmi = weight / pow(height, 2)    print("BMI 数值为：{:.2f}".format(bmi))    who = ""    if bmi < 18.5:        who = "偏瘦...

转载 人生苦短，我学Python-003：Python基本数据类型

-3.1 数字 类型及操作-3.2 实例 3: 天向上的力量‘#DayDayUpQ1.pydayup = pow(1.001, 365)daydown = pow(0.999, 365)print("向上：{:.2f},向下：{:.2f}".format(dayup,daydown))dayfactor = 0.005dayup = pow(1+dayfactor, 365)daydown = p...

转载 人生苦短，我学Python-002：Python基本图形绘制

1. 深入理解python语言2. 绘制蟒蛇#DrawPython.pyimport turtleturtle.setup(650, 350, 200, 200)turtle.penup()turtle.fd(-250)turtle.pendown()turtle.pensize(25)turtle.pencolor("purple")turtle.seth(-40)for i in range(...

转载 Machine Learning Techniques 笔记：2-4 Soft-Margin Support Vector Machine

有效率：像linear的方向走。想要弯弯曲曲的复杂边界：网Gaussian kernel方向走。

转载 Machine Learning Techniques 笔记：2-3 Kernel Support Vector Machine

对偶问题：也是QP问题。对偶问题，几乎与空间的维度无关。alpha：原来拉格朗日乘子。 条件数量/变数数量都为N，好像跟维度d quota无关。 d quota跑到Q矩阵中去了，因为Qnm是由zTz计算出来。d quota很大时，就是这个算法的瓶颈所在。 能否把该步骤计算的更快一点呢?先做转换再做内积，则计算量很大。 能不能把这两个步骤合起来，算的快一点呢？多项式转换：原来的多项式拿来，计算出各种...

转载 Machine Learning Techniques 笔记：2-2 Dual Support Vector Machine

找出最佳的线，margin最大，通过QP求解非线性特征转换，只需要将原来的x转换为z即可。z空间的线性分类，对应到原来的x空间，可能就是一个非线性的分类动作透过SVM，large margin，来控制模型的复杂度。透过特征转换得到弯曲的边界，做好Ein如果d quota的维度很大时，比如无穷大，则可能无法做好。怎么办？目标：只跟资料数量有关，与特征的维度无关原来的问题：有条件的最佳化问题换成：没有...

转载 Machine Learning Techniques 笔记：2-1 Linear Support Vector Machine

Linear Calssification：通过资料加权，看是正还是负，来对资料进行分类。PLA：把资料做未分类的线不止一条，那条线是最佳的分类？Margin最大？我们学过的理论保障：VC bound看起来每种分类没有差别，Eout 由Ein 与 模型复杂度的代价dvc给bound住。但凭直觉，大家都选择最右面的线，为什么？测试资料，与训练资料可能有差别，比如测量误差。左边的线与右边的线，最大的差...

转载 Machine Learning Foundations 笔记：1-16 Three Learning Principles

转载 Machine Learning Foundations 笔记：1-15 Validation

转载 Machine Learning Foundations 笔记：1-14 Regularization

转载 Machine Learning Foundations 笔记：1-13 Hazard of Overfitting

转载 Machine Learning Techniques 笔记：2-14 Radial Basis Function Network

深度学习是类神经网络的延申，如果有很多层时，如何克服一些问题，比如如何选择好的初始值，denoising auto decoder， 做pre-training，与PCA有很大的关系 RBF：SVM+Gaussian Kernel，就会在无限多维中找胖胖的边界，也可以看作是拿一堆Gaussian，把它们做线性组合，中心在svm这些资料点上面。radial：算的函数值只与距离有关，即x与Xn的距离x...

转载 Machine Learning Techniques 笔记：2-13 Deep Learning

类神经网络有一层一层的神经元，它们的作用就是帮我们萃取出资料中的模式，把这些模式当作特征。我们又怎么决定神经元的权重呢？我们有backprop这个核心的工具，它可以帮助我们计算梯度，就可以用之前学过的梯度下降法来更新每个神经元的权重，所以整个类神经元的核心就是一层层的神经元，以及它们的连接关系。那么，我们用多少个神经元，多少层？神经元的结构又将如何？类神经网络中决定使用哪种结构是非常核心，但又是非...

转载 人生苦短，我学Python-001

1. 背景Python语言拥有着：Python Software Foundation，一个非盈利性组织，致力于保护Python语言开放、开源和发展。Python语言的诞生：Guido van Rossum 2002年，python 2.x2008年，python 3.xPython语言是由编程牛人领导设计并开发的编程语言，具有开放开源精神，已经应用于火星探测，引力波，搜索引擎等领域。2. 实例实...

转载 Machine Learning Foundations 笔记：1-12 Nonlinear Transformation

转载 Machine Learning Foundations 笔记：1-11 Linear Models for Classification

转载 Machine Learning Foundations 笔记：1-10 Logistic Regression

转载 科学计算与Matlab笔记：第10章：外部接口

转载 科学计算与Matlab笔记：第9章：Simulink仿真

转载 网络爬虫笔记5，Scrapy框架

转载 Machine Learning Techniques 笔记：2-12 Neural Network

如果每一步都是线性，则整体用线性就好，没必要分层，故一般不用线性。如果中间用阶梯状，0/1 error，则不好优化，NPhard问题，一般不用中间为S型函数，常用现在的s函数：是logistics regression用到的s函数的关系：现在的S函数=2s原来-1s原来：logistics regression用到的s函数每一层都把前一层的输出当作这一层的输出，得到下一层的输入 S3（2）：第二层...

转载 Machine Learning Foundations 笔记：1-9 Linear Regression

转载 Machine Learning Techniques 笔记：2-11 Gradient Boosted Decision Tree

Random Forest基本上就是一堆的decision tree，在一堆的decision tree上，利用bagging方法做出不同的decision tree，再把他们合起来，除了基本的bagging，decison tree外，又在decision tree里面加入了更多的randomness，然后有了这个机制之后，这个模型可以自动validation，利用这个validation机制和...