lunhuicnm的博客

原创 modbus

从机地址 功能码 起始地址高位 起始地址低位 数量高位 数量低位 字节数 0001H高位 0001H低位 0002H高位 0002H低位 CRC高位 CRC低位。每个输入寄存器的长度为2个字节。其中，CDH对应线圈0013H到001AH的内容，01H对应线圈001B到001CH的内容，未使用位用0填充。从机地址 功能码 起始地址高位 起始地址低位 寄存器数量高位 寄存器数量低位 CRC高位 CRC低位。从机地址 功能码 起始地址高位 起始地址低位 寄存器数量高位 寄存器数量低位 CRC高位 CRC低位。

原创 水利数字孪生

是专业的、顶级的智力资源的集成。预演是基于实景三维模型、水上水下三维地形地貌模型、建筑建模等模拟水灾路径的三维场景，系统通过图层树、隐藏地形、阴影效果、 阳光效果等功能，增强场景展示的逼真度和真实度，提高视觉体验。数字孪生流域是以物理流域为单元、时空数据为底座、数学模型为核心、水利知识为驱动，对物理流域全要素和水利治理管理活动全过程进行数字映射、智能模拟、前瞻预演，与物理流域同步仿真运行、虛实交互、迭代优化，实现对物理流域的实时监控、发现问题、优化调度的新型基础设施。

原创 基于transfomer架构的模型[GPT、BERT、VIT、ST、MAE等等]总结

输入部分主要就是词嵌入+位置编码对于词嵌入比较简单，就是对一个句子里的每个词做一个嵌入操作映射到相应的维度。一般来说就是先把句子中的词转为对应的数字索引，然后根据这个索引做embedding操作得到一个相应维度的向量。对于位置编码，Transformer这里的位置编码是不可学习的(不会更新)，直接用公式计算出来的。其中dmodel是词嵌入得到单个词的向量的维度大小；pos表示词的位置，比如"我爱学习啊"这句话有5个词，其位置就分别为0,1,2,3,4；

原创 Block-Recurrent Transformer

论文地址：https://arxiv.org/abs/2203.07852v1github:https://github.com/lucidrains/block-recurrent-transformer-pytorch

原创 python opcua服务

【代码】python opcua服务。

原创 rocketmq

RocketMQ作为一款纯java、分布式、队列模型的开源消息中间件，支持事务消息、顺序消息、批量消息、定时消息、消息回溯等。前身是MetaQ，是阿里研发的一个队列模型的消息中间件，后开源给apache基金会成为了apache的顶级开源项目，具有高性能、高可靠、高实时、分布式特点。

原创 there is no HDFS_NAMENODE_USER defined

将start-dfs.sh，stop-dfs.sh两个文件顶部添加以下参数。start-yarn.sh，stop-yarn.sh顶部也需添加以下。

原创 gan图片生成

【代码】gan图片生成。

原创 pytorch lstm时序预测代码

【代码】pytorch lstm时序预测代码。

原创 redis总结

1.1 常见考点1、Redis 为何这么快？1）基于内存；2）单线程减少上下文切换，同时保证原子性；3）IO多路复用；4）高级数据结构（如 SDS、Hash以及跳表等）。2、为何使用单线程？官方答案因为 Redis 是基于内存的操作，CPU 不会成为 Redis 的瓶颈，而最有可能是机器内存的大小或者网络带宽。既然单线程容易实现，而且 CPU 不会成为瓶颈，那就顺理成章地采用单线程的方案了。详细原因1）不需要各种锁的性能消耗。

原创 hadoop、spark、zookeeper、hbase、hive集群安装

在master节点，使用命令"hbase-daemon.sh stop master"，等待一会发现slave1成为master，当HBase的master节点故障后，ZooKeeper会从备份中自动推选一个作为master.安装在hadoop的namenode上（也就是主节点上：node4上），上传安装文件到（可以根据自己的环境，目录可以自定义）/opt/software/apache-hive-2.1.0-bin.tar.gz。并执行命令"source /etc/profile"使配置的环境变量生效。

原创 linux常用命令

1.windows拷贝文件到linux：scp d:/soft-1.1.1.tar.gz [email protected]:/root/soft。2.linux拷贝文件到docker：docker cp soft-1.1.1.tar.gz master:/root。5.查看cpu、内存使用情况：top（显示系统中各个进程的资源占用状况），free -h命令显示系统内存的使用情况。3.解压tar文件到指定文件：tar -zxvf soft-1.1.1.tar.gz -C /usr/local。

原创 linux执行./(点斜杠)和. （点空格）sh命令区别

source是用来执行脚本文件用的, 比如说 . ~/.bash_profile 会执行一遍~/.bash_profile。. /(点空格斜杠)相当于 source 根目录下的一个脚本../(点斜杠)的意思是执行当前目录下的某可执行文件.

原创 linux docker network相关命令

修改docker网络连接：docker network connect netName container1。docker启动时连到网络：docker run --network=netName container1。新建网络：docker network create -d bridge netName。查看网络详情：docker inspect netName(获取容器/镜像的元数据)cd /var/lib/docker/containers/容器ID。ip route（查看网络的路由信息）

原创 docker修改启动参数

目录：/var/lib/docker/containers/容器ID。找到Args 和Cmd这两个配置项，这两个便是启动参数，修改之。hostconfig.json和config.v2.json。

原创 Linux开机启动、bashrc、定时任务

默认情况下，at.deny文件存在而at.allow文件不存在，而当at.deny和at.allow文件同时存在时，at.allow文件则会失效，只有当at.deny文件不存在时，at.allow文件才会生效。与at定时任务类似，cron.allow存放了运行创建定时任务的用户，而cron.deny则存放了不允许创建定时任务的用户，只有当cron.deny不存在时，cron.allow才会生效。cron定时任务分为系统的定时任务和用户的定时任务。-d 表示删除指定的at定时任务。-r 表示删除定时任务。

原创 hadoop生态

hadoop、spark、hive、hbase、flink、nacos、springcloud、kafka、elasticsearch、zookeeper、mysql、k8s、hdfs、mapreduce、yarn、pig

原创 CAP理论

数据一致性（ C：Consistency ）、服务可用性（ A：Availability ）、分区容错性（ P：Partition-tolerance ）一致性（ C ）CAP 理论中的一致性是指强一致性（ Strong Consistency ），又叫线性一致性（ Linearizable Consistency ），它要求多节点组成的分布式系统，能像单节点一样运作，如果一个写操作返回成功，那么之后的读请求都必须读到这个新数据；如果返回失败，那么所有的读操作都不能读到这个数据。

原创 Dubbo理解

1、服务集成 RPC 后，服务（这里的服务就是图中的 Provider，服务提供者）启动后会通过 Register（注册）模块，把服务的唯一 ID 和 IP 地址，端口信息等注册到 RPC 框架注册中心（图中的 Registry 部分）。2）RPC层又分为配置层（config）、服务代理层（Proxy）、服务注册层（Registry）、路由层（Cluster）、监控层（Monitor）、远程调用层（Protocol）。Dubbo 是 SOA 时代的产物，它的关注点主要在于服务的调用和治理。...

原创 lstm图解

lstm图解

原创 torch高级运算

求对数(e为底)-----torch.log(input, out=None)求指数(e为底)-----torch.exp(tensor, out=None)其他2、10为低的指数-----torch.log2()，torch.log10()求次幂-----torch.pow(input, exponent, out=None)求绝对值-----torch.abs(input, out=None)三角函数-----torch.cos()、torch.sin()、torch.tan()反三角函数-

原创 torch.range()和torch.arange()的区别

y=torch.range(1,6)ytensor([1., 2., 3., 4., 5., 6.])y.dtypetorch.float32z=torch.arange(1,6)ztensor([1, 2, 3, 4, 5])z.dtypetorch.int64总结：torch.range(start=1, end=6) 的结果是会包含end的，而torch.arange(start=1, end=6)的结果并不包含end。两者创建的ten...

原创 Pytorch(3)- torch.mean(),.randn(),.squeeze(),.pow()

torch常用的一些函数1 torch.randn()2 torch.mean()3 torch.squeeze()4 torch.pow()求幂次运算1 torch.randn()产生大小为指定的，正态分布的采样点，数据类型是tensortorch.randn(4)tensor([-2.1436, 0.9966, 2.3426, -0.6366])torch.randn(2, 3)tensor([[ 1.5954, 2.8929, -1.0923],[ 1.1719, -0.4709

原创 PyTorch - torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le

PyTorch - torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.leflyfishtorch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le以上全是简写参数是input, other, out=None逐元素比较input和other返回是torch.BoolTensor

原创 pytorch:torch.clamp()

torch.clamp(input, min, max, out=None) → Tensor将输入input张量每个元素的夹紧到区间 [min,max][min,max]，并返回结果到一个新张量。操作定义如下： | min, if x_i < miny_i = | x_i, if min <= x_i <= max| max, if x_i > max如果输入是FloatTensor or DoubleTensor类型，则参数min max 必须为实数，否则须为整数

原创 机器学习之sigmoid函数

原创 学习充电相关链接

牛客网：https://www.nowcoder.com/numpy中文网：https://www.numpy.org.cn/一亩三分地：https://www.1point3acres.com/bbs/lintcode:https://www.lintcode.com/coco: http://cocodataset.org/tushare财经数据包：http://tushare.org/kaggle：https://www.kaggle.comarxiv：https://arxiv.org

原创 java面试

技术问题Java中HashMap底层是如何实现的Java中查询元素，和添加元素的整个逻辑过程是如何实现的JavaHashMap底层中，哈希表对应位置上的链表过长，底层如何解决的。当底层红黑树层数过深是，底层又是如何平衡的Java中HashMap底层扩容是如何实现的Java锁有哪些，具体的原理是什么，之间有什么区别进程和线程的区别，多进程和多线程之间的区别进程之间是如何切换的HashMap在多线程操作时候，如何保证线程的安全性Collecions类对于线程安全是如何实现的jvm中类加载是如

原创 机器视觉领域顶级期刊

cvpr iccv tpami tip

原创 红黑树介绍

红黑树