- 博客(48)
- 收藏
- 关注
RSS订阅原创 GoLevelDB —— Log
GoLevelDB —— Logauther: jaegerwang项目地址：https://github.com/goleveldb/goleveldb开发分支：develop联系方式：QQ：1823738952，欢迎一起写LogWriter先讲写日志的部分。WriteableFile我们先从可写文件讲起，先看定义（这里不讨论他的实现，只讨论如何使用）：class LEVELDB_EXPORT WritableFile { public: WritableFile() =
2021-05-31 11:30:37
517
原创 64位操作系统——（三）应用层
64位操作系统——（三）应用层作者：王赛宇参考列表：主要参考：《一个六十四位操作系统的设计与实现》——田雨**（本章中大量使用了本书中的图片）**《Using as》 ——Dean Elsner & Jay Fenlason & friendsnasm 用戶手册处理器startup.s 常见汇编指令…在上一章中，我们完成了操作系统内核层的框架，之所以说是框架，是因为对于每一个小的分支，我们只是完成了最基础的部分。在上一章的最后一节中，我们创建了一条init进程，在进
2020-11-12 01:12:41
1392
原创 64位操作系统——（二）kernel
64位操作系统——（二）kernel作者：王赛宇参考列表：主要参考：《一个六十四位操作系统的设计与实现》——田雨《Using as》 ——Dean Elsner & Jay Fenlason & friendsnasm 用戶手册处理器startup.s 常见汇编指令…前情提要在第一章节中，我们学习、研读了bootloader的代码，bootloader可以被分为两个过程：boot：计算机上电，自检完成后自动执行0x7c00处的boot程序，该程序被限制了大小5
2020-11-12 01:09:59
2662
3
原创 基于字典树的前向/后向分词器
NLPHW2——基于字典树的前向/后向分词器作者： 王赛宇完成列表：基于字典树的前向分词器在字典树前向分词器的基础上改进为后向分词器重要说明：项目必须运行在GBK编码环境下这次作业的目标是实现一个前向、后向分词器。在了解算法后，我认为这里最关键的技术是：如何在一个大的词库中快速的匹配当前的字符串？那么我们先从这个问题的由来开始学起：什么是前向分词器？其原理非常简单，实质上就是以句子中的某一个字为起点，从最大长度开始检索，寻找以该字为起点能够组成的最长词语，进行分词的方法，看一个例子：
2020-11-05 13:37:05
433
原创 64位操作系统——bootLoader
64位操作系统——bootLoader作者：王赛宇参考列表：《一个64位操作系统的设计与实现》《nasm用户手册》各种博客第一部分： 写一个简单的引导程序并且显示一些字符 org 0x7c00 ; 将程序加载到0x7c00位置，即：指定程序的起始地址BaseOfStack equ 0x7c00; 将CS寄存器的段基址设置到DS、ES、SS中Label_Start: mov ax, cs mov ds, ax mov es, ax mo
2020-10-17 01:49:26
2205
原创 操作系统LAB0
操作系统lab0作者：王赛宇操作系统我这里用的是Ubuntu 20.04 LTS，这个不强求吧，从16.04到20.04应该都没问题。这边是双系统，因为早就装好了，所以就不装虚拟机了。C语言sudo apt-get install gcc这个不多谈了，直接给个文件吧test.c#define GLOBAL_NUM 10#include<stdio.h>int glo_var;void funcA(){ printf("funA:"); int a[GL
2020-10-14 11:35:58
686
原创 自己动手做OS——Day2
自己动手做OS——Day2我们在昨天做了一个简单的输出一句话的小扇区，现在我们需要继续学习。1 介绍文本编辑器这个我们就不写了，我推荐VSCode，听说notepad++的作者是港独，鄙视他所以不用np++，不多谈了sublime也不错的。2 继续开发接下来，作者想让我们继续学习他写的代码，我们把这些代码直接po上来(我根据我昨天写的代码进行了一些更改，与作者的并不完全相同)：; hello-os; TAB=4 ORG 0x7c00 ; 指明程序的装
2020-09-02 17:43:12
309
原创 自己动手做OS——Day1
自己动手做OS——Day1先简单说明一下，这里我就只做一些简单记录，不再像以前一样长篇大论写过程介绍了，我这里只写我原来不知道的。1 先动手操作run.batcopy helloos.img ..\..\..\REF\tolset\z_tools\qemu\fdimage0.bin..\..\..\REF\tolset\z_tools\make.exe -C ../../../REF/tolset/z_tools/qemu我的目录结构和作者的不大一样，所以最后写出来的东西也和他的不大一样，这里
2020-09-02 01:10:22
300
原创 SLAM学习笔记（五）——后端优化（一）
SLAM学习笔记（五）——后端优化（一）先说明一下，书里面第八讲视觉里程计二，我写的文档丢失了，暂时先不去管他了，先继续往后看吧，之前是准备先做一个VO框架的，但是仔细思考了一下，准备先来实现一下这边，然后再去做那个VO框架。我个人认为这里在我未来的项目中，不会是我做的重点，所以我在这块不做太过详细的学习。EKF后端我们知道，实际上，仅有前端的SLAM就可以支持简单的定位、建图的工作了，但是前端的结果往往是粗糙的，后端的存在就是为了继续优化前端的结果。它的本质是一种状态估计问题，主流的后端可以分为以
2020-08-31 20:45:55
1688
原创 LeetCode刷题记录——109. 有序链表转换二叉搜索树
LeetCode刷题记录——109. 有序链表转换二叉搜索树题面给定一个单链表，其中的元素按升序排序，将其转换为高度平衡的二叉搜索树。本题中，一个高度平衡二叉树是指一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过 1。分析先来看到概念，什么是二叉搜索树？就是对于每一个节点，都满足以下性质：左子树上所有点的值都小于自己右子树上所有点的值都大于自己接下来，我们将这个问题分为三个阶段：谁来当根？谁来当左儿子？谁来当右儿子？首先我们知道，我们要建一颗平衡的二叉搜索树，所以根据
2020-08-25 23:28:26
162
原创 lab3纠错记录
lab3 Debug记录错误类型其他的暂时没有看出异常，但是最后进行sw时出现了zzz，遂调出所有关于regfile的信号进行观察。相关指令如下，逐条进行纠错：使用测试的指令.data a: .word 3.text 0x0000main: addi $2, $0, 5 # initialize $2=5 0 20020005 addi $3, $0, 12 # initialize $3=12 4 2003000c addi $7, $3,-9 #
2020-08-25 23:26:03
282
原创 最优化技术——阅读报告
最优化技术——阅读报告梯度下降——从批量下降到Nesterov加速法如今，在神经网络魔性的训练过程中梯度下降被广泛的使用，它主要用于权重的更新，即对参数向某一方向进行更新和调整，来最小化损失函数。其主要原理是：通过寻找最小值，控制方差，更新模型参数，最终使模型收敛。**什么是梯度？**梯度是一个向量。函数在各个方向的斜率是方向导数，而斜率最大的方向是梯度，梯度的方向方向导数变化最快的方向。传统的梯度下降法对模型进行多次迭代，在迭代的过程中对模型参数进行更新，更新过程如下：θ=θ−α∂J(θ)∂
2020-08-25 23:24:41
480
原创 最优化技术——牛顿法
最优化技术——牛顿法没错，到期末了，我又开始学最优化了参考目录牛顿法与拟牛顿法学习笔记（一）牛顿法解决的问题解决的是无约束的极小化问题，用数学语言描述如下：minxf(x)(0)\mathop{min}\limits_{x}f(x) \tag{0}xminf(x)(0)简单一维牛顿法从现有极小值估计点出发，对f(x)做泰勒展开，进而找到极小值的下一个估计值。设xkx_kxk是当前极小值的估计值，有：φ(x)=f(xk)+f’(xk)(x−xk)+12f’’(xk)(x−xk)2
2020-08-25 23:22:02
725
原创 初次使用GIT简单记录
初次使用GIT简单记录之前一直听说过git，但是一直没有直接使用git来管理自己的代码，现在随着需要coding的科目的增多，再加上自己有了一台阿里云服务器，于是想到使用远程git来管理自己的代码，于是就有了这篇博客，最近事情有点多，实在没时间更新图形学的博客了，等期末考试结束了，我必更新。本文内容主要参考：git - 简易指南上面这篇文章，看起来非常舒服，比我写的好多了，推荐大家直接看上面这个，下面些属于我自己探索路上写的一些笔记。git的安装以我为例，我的环境是本地deepinv20，服务器c
2020-08-25 23:17:32
153
原创 组成原理-lab1难点之流水线
组成原理Lab1详解流水线理解笔记由于在做组成原理实验的时候，碰到了流水线这个概念，感觉什么都不懂，所以从头开始做做试验来理解一下这个概念，其中的Demo来自于重庆大学组成原理实验指导书Lab1，它的作者是lvyufeng@cqu.edu.cn我在作者提供的代码、描述的基础上进行了仿真实验，结合个人理解写下了这篇博客，这个博客以实验、代码为基础，根据行为仿真结果来进行讨论。错误说明在最终的实现中，rst与流水线的刷新不应融合到一起，流水线的刷新应当用于流水线的部分刷新，而rst应该用于整体刷
2020-08-25 23:11:26
1019
原创 python图像处理笔记-十二-图像聚类
python图像处理笔记-十二-图像聚类学习内容这一章主要在学习的是聚类算法以及其在图像算法中的应用，主要学习的聚类方法有：KMeans层次聚类谱聚类并将使用他们对字母数据及进行聚类处理，以对比效果。聚类是什么？有ｎ个点，把这ｎ个点通过某种方法分成ｋ类就是聚类算法在做的事情，聚类做的越好，分出来的ｋ类的类与类之间差异越明显，同一个类中的差异也越不明显。K-means聚类思想：K-means需要给出最终簇的数量k。它的核心思路是：从某个状态开始，通过不断的迭代来更新中心点的位置，来让
2020-08-25 23:05:27
1911
4
原创 python图像处理笔记-十一-多视图重建与立体图像
python图像处理笔记-十一-多视图重建与立体图像多视图重建由于照相机运动给我们提供了三维结构，所以这样计算三维重建的方法通常称作SFM （Structure from Motion，从运动中恢复结构）。我们假设摄像机已经标定，计算重建可以分为下面四个步骤：检测特征点，在两幅图像中匹配由匹配计算出基础矩阵由基础矩阵计算照相机矩阵三角形剖分这些三维点我们前面已经把者四个东西都做过了，但是当图像间的点包含不正确的匹配关系时，需要一个文集爱你方法来估计矩阵。稳健估计基础矩阵类似于稳健计算单
2020-08-25 23:04:05
1202
原创 python图像处理笔记-十-外极几照相机和三维结构的计算
python图像处理笔记-十-外极几照相机和三维结构的计算到这里就已经到书中的第五章了，进度大概是在50%。这一章介绍的如何处理多个视图，以及如何利用多个视图的几何关系来回复照相机位置信息和三维结构。通过在不同视点拍摄出的图像，可以使用特征匹配来计算出三维场景点以及照相机位置。外极几何多视图集合是利用在不同视点所拍摄图像间的关系，来研究照相机之间或特征之间关系的一门科学。图像的特征往往是兴趣点，这一章使用的也是兴趣点特征，多视图几何中最重要的内容是双视图几何。做什么？有一个场景的两个视图以及视图中
2020-08-25 23:01:19
340
原创 python图像处理笔记-九-简单标定、姿态估计与增强现实
python图像处理笔记-九-简单标定、姿态估计与增强现实一种简单的标定方法：在上一个笔记中我们学习了张正友标定法，并且挖了一个用张正友标定法标定相机的坑，但是这个坑目前还填补上。这一节里面我们要学的是用一种非常简单的方法进行标定，方法如下：需要准备的东西一个矩形（一本书就可以了）一个卷尺一个平面操作步骤数据测量测量你选的矩形的边长：dX,dYdX,dYdX,dY。将照相机和标定物体放置在平面上，使得照相机的背面和标定物体平行，同时物体位于照相机图像视图的中心，你可能需要调整照相机
2020-08-25 22:44:03
669
原创 图形学笔记（八）——针孔照相机模型与照相机标定
python图像处理笔记-八-针孔照相机模型与照相机标定前几天去忙别的事情了，大概有一个周没有更新了，周末有时间了赶紧学一手。这里对应的是书中的第四章，能坚持到这里的话，就已经啃完了书的三分之一了。参考教材：python计算机视觉编程视觉SLAM十四讲，从理论到实践针孔照相机模型针孔摄像机模型（有时称作摄影照相机模型），是计算机视觉中广泛应用的照相机模型。原因是：简单精度足...
2020-04-25 16:15:01
1361
原创 图形学笔记（六）——单应性变换
python图像处理笔记-六——单应性变换齐次坐标单应性变化是将一个平面内的店映射到另一个平面内的二维投影变换。本质上，单应性变换H，按照下方的方程映射到二维的点：[x′y′w′]=[h1h2h3h4h5h6h7h8h9][xyw]\left[\begin{matrix} x' \\ y' \\ w'\end{matrix}\right]=\left[\begin{matr...
2020-04-16 20:35:01
1608
1
原创 图形学笔记（五）——SIFT（尺度不变特征变换）
图形学笔记（五）——SIFT（尺度不变特征变换）SIFT(Scale-Invariant Feature Transform)的中文名字是尺度不变特征变换。SIFT描述子具有非常强的稳健性，自从SIFT出现，许多其他本质上使用相同描述子的方法也相继出现。它可以用于三维视角和噪声的可靠匹配。参考资料 Jan Erik Solem. Python计算机视觉编程 (图灵程序设计丛书) (p...
2020-04-15 23:44:46
633
原创 图形学笔记（四）——Harris 角点检测器延申
图形学笔记（四）Harris 角点检测器延申——在图像间寻找对应点原理Harris角点检测器可以检测出来图像中的兴趣点，但是没有给出比较图像间兴趣点来寻找匹配角点的方法。我们需要在每个点上加上描述子信息，并给出比较这些描述子的方法。兴趣点描述子是分配给兴趣点的一个向量，描述该点附近的图像的表观信息，描述子越好，寻找到的对应点也越好。我们用对应点或点的对应来描述相同物体和场景点在不同图像上形...
2020-04-15 16:48:13
247
原创 组成原理（三）下——浮点数运算
组成原理（三）下——浮点数运算浮点数的表示基础原理有很多数字非常的大或者非常的小，会超出32位2进制数的表示范围。所以仅使用整形变量或是定点数并不能满足我们的需求，所以我们有了一套由十进制的科学计数法推广而来的浮点数表示方法。首先，我们来回顾一下十进制下的科学计数法:N=10E∗MN = 10^E *MN=10E∗M我们把它推广到R进制，就可以得到:N=Re∗MN = R^e*M...
2020-04-15 11:21:49
6265
2
原创 组成原理第三章(上)——ALU与整数的四则运算
组成原理第三章(上)——ALU与整数的四则运算参考资料《计算机组成与设计：硬件/软件接口》——机械工业出版社《Arithmetic for Computers》——Jiang Zhong授课内容 —— 吴长泽老师ALU的构建ALU就是运算器，这些内容都可以在书中的附录中找到，我们接下来看一个简单的例子逻辑的与、或可以看到，这里有两个输入，a、b，他们分别连接到了一个与门和一个...
2020-04-13 21:39:54
8593
4
原创 图形学笔记（三）—— Harris角点检测器
图形学笔记（三）—— Harris角点检测器前言CSDN不支持我的公式，大家可以到我的博客：wang-sy.github.io去看从现在开始学习的是书中的第二章：局部图像描述子。这里主要是寻找图像间的对应点和对应区域。Harris角点检测器参考资料Jan Erik Solem. Python计算机视觉编程 (图灵程序设计丛书) (p. 33). 人民邮电出版社. Kindle 版本....
2020-04-13 01:18:08
503
原创 阿里C++研发一面准备
阿里C++面试文档4月8做完笔试，做的稀烂，还以为直接凉凉了，就没管这事了，没想到今天接到约面试的电话，约到了明天下午，然鹅我已经半年多没写过C++了，于是今天下午赶紧恶补一下，许个愿，等过几天看看能不能回来还愿。先说结果：我是18级的，他们不招，所以这些准备的今年是用不上了，但是还是可以分享一下的。NULL 和 nullptr参考资料： this onenullptr是在C++11中...
2020-04-11 22:03:41
243
原创 图像处理笔记（二）
图像处理笔记（二）放在最开始的话参考的资料参考的资料是《python图像处理》，所以说学习的顺序和书中的编排也是基本相同的。书中对原理的解析非常少（几乎没有），所以我决定随着看到书中的现象，随着把原理搞清楚，顺便做成文档发到网上，也希望大家能够通过阅读我的文档有所收获。感谢今天下午忙完其他的事之后，忽然发现上一篇博客的浏览量有20！写了这么久博客，还从来没这么多人看。昨天讲的SVD有点粗...
2020-04-09 10:14:27
656
1
原创 图像处理笔记(一)
图像处理笔记(一)直方图均衡化参考文档[1] Jan Erik Solem. Python计算机视觉编程 (图灵程序设计丛书) (p. 11). 人民邮电出版社.[2] 直方图均衡化代码# 直方图均衡化def histeq(im, nbr_bins = 256): """ 对一副灰度图像进行直方图均衡化 """ # 计算图像的直方图 imhis...
2020-04-07 23:40:00
1241
原创 第二章续
组成原理——第二章续栈的补充栈在程序的运行过程中起着非常重要的作用。为了管理栈，我们设置了两个指针：$sp, $fp。$sp记录的是栈最低的部分的地址，$fp记录的是栈最高的部分的地址。在函数执行过程中所需保存的局部变量、参数、返回地址调用的过程叫做过程帧。引入$fp可以达到快速恢复栈的目的，避免了内存泄露的问题。程序的执行体所占有的内存区域可以分为四大类：text-代码段：用来存放...
2020-04-02 19:29:22
334
原创 最优化技术——单纯形法
最优化技术——单纯形法说明这个文章的大部分内容（几乎全部）都来自于我最优化课程的课程笔记。主要来源是重庆大学文静老师的PPT，个人主要用于整理、归纳，如果有侵权等问题，我会在第一时间将博客撤销。单纯形法的流程介绍直观的去看这个流程，有一点点像前面的一些函数的优化方法。但是在枚举的过程中，有一些问题值得关注：枚举的起点？如何判断当前已经是最优解了？如何在当前解的前提下找到一个更好的...
2020-04-02 19:26:20
6697
原创 最优化技术——线性规划
最优化技术——线性规划线性规划基本概念线性规划问题就是在一组线性约束条件下，求解目标函数最优解的问题标准形式线性规划问题的标准形式：目标函数求最大值所有约束条件均由等式表示每个约束条件右端常数常为非负值所有决策变量为非负值改造方法所有的情况与改造方法目标函数求最小值则应该改为求最大值：方法——添加负号：minF=Σcjxj→maxF=−Σcjxj min F ...
2020-04-02 19:23:38
1674
原创 组成原理第二章——计算机指令
计算机指令算术运算指令add a, b, c# a = b + c设计原则一——对指令进行规整化设置简化实现获得更高的性能，更低的成本代码示例C语言代码f = (g + h) - (i + j)MIPSadd t0, g, h # temp : t0 = g + hadd t1, i, j # temp : t1 = i + jsub f, t0, t1 #...
2020-03-29 23:36:03
2423
原创 Ubuntu下使用Hexo+GitHub+nexT搭建个人博客
Ubuntu下使用Hexo+GitHub+nexT搭建个人博客欢迎来到我的博客：wang-sy.github.io一、下载nodejs和npm打开 Node.js官网，下载源代码，解压后进行编译、安装。解压后进入文件夹，输入:sudo make -j 12#使用12线程编译，可以视情况而定sudo make install 至此为止Node.js, npm下载完成，输入语句nod...
2020-03-29 21:45:10
360
原创 简单工厂模式
简单工厂模式借用别人博客中的一段话:针对接口编程，可以隔离掉以后系统可能发生的一大堆改变。为啥呢？如果代码是针对接口编程，那么通过多态可以与任何新类实现该接口。但是，当代码使用大量的具体类时，这就很麻烦了，就必须对代码进行改变。也就是说，你的代码并非“对修改关闭”。想用新的具体类型来扩展代码，就必须重新 打开它。那么该怎么办呢？简单工厂模式帮我们解决了这一问题，工厂（factory）处理创建对...
2020-03-04 23:21:05
130
原创 第一章—计算机概要与技术
引言自己看计组，顺便写个markdown玩玩，读的书叫《计算机组成与设计：硬件/软件接口》，作者目前大二，菜鸡一个，里面有部分观点完全出自于个人简介，如果出现了错误，还请各位大佬指正，关于指正可直接提交Issue，如长时间(3~4天)没有回复可以直接通过邮箱：wangsaiyu@cqu.edu.cn与我联系。第一章 计算机概要与技术1.1 引言1.1.1计算应用的分类及其特性从智能家电到...
2020-03-02 11:30:28
723
原创 通过outlook邮箱实现windows、安卓、ios三平台日历同步
前言开学一阵子了，最近各大高校都在网上授课，在上(mo)课(yu)的时候忽然看到一篇博客：又到了每年此刻，教你把课程表导入日历，忽然惊起，感叹道:把课程表导入日历，让日历提醒我上课！这样就不会因为coding(moyu)影响到我上(gua)课(ji)了。再导入电脑后，我还希望能够把电脑日历中的内容和手机、平板同步，我使用的设备是：win10电脑+华为手机+ipad。通过阅读这篇博客，你将学会...
2020-02-28 17:14:46
16518
8
原创 重庆大学数模美赛预选——城市救护车模型
MCM_PRE_PROJECTimport numpy as npimport matplotlib.pyplot as pltimport matplotlibimport pandas as pdimport mathplt.rcParams['savefig.dpi'] = 600 #图片像素plt.rcParams['figure.dpi'] = 600 #分辨率def ...
2019-12-27 16:05:41
1929
2
原创 Easy Game
You are playing a two player game. Initially there areninteger numbers in an array and playerAandBget chance to take them alternatively. Each player can take one or more numbers from the left or ...
2019-12-04 17:07:34
226
原创 《视觉SLAM14讲》学习笔记——李群、李代数
默认读者学过普通线性代数，不对群的概念作详细讲解参考资料：https://blog.csdn.net/weixin_39568744/article/details/81010582 深蓝学院：视觉SLAM从理论到实践，第三次课——高翔综合前人的讲述，加以个人的理解，希望方便大家理解、学习。一、群：封闭性 结合律 幺元 逆元如：一般线性群： GL(x) 特殊正交群...
2019-12-04 17:07:14
217
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人