qq_30438779的博客

原创 md插图2

原创 nvcc --version 和 nvidia-smi 查到的cuda版本不同

总结来说，CUDA版本是编程接口和工具集的版本，而CUDA驱动程序版本是与特定GPU硬件兼容的操作系统组件。开发者需要根据他们使用的CUDA版本来编写代码，并且需要安装与之兼容的CUDA驱动程序来运行这些代码。- CUDA版本通常与CUDA Toolkit相关联，这是NVIDIA提供的工具集，包括CUDA运行时库、CUDA编译器（nvcc）、CUDA编程模型、CUDA数学库等。- CUDA驱动程序版本通常与NVIDIA的图形驱动程序相关联，这些驱动程序可能包含多个组件，包括CUDA驱动程序。

原创 各种排序算法笔记预提纲

排序算法是计算机科学中非常基础且重要的算法，它们被用于将一组数据按照特定的顺序排列。

原创 pytorch中一些梯度问题

如果你编写了一些图像处理函数，如JPEG压缩、高斯滤波、翻转等，通常这些函数并不会设计梯度的计算。在处理图像的函数内部使用上下文管理器，可以关闭梯度计算。这样，在该上下文内的所有操作都不会被记录到计算图中，从而不会参与梯度的计算和反向传播。如果你的图像处理函数在处理之前将数据转换为，那么梯度计算将只影响对象，而不是原始数据。这样，你可以选择何时需要梯度计算，何时不需要。detach()如果你已经有一个包含梯度的，而你希望在某些操作中保持梯度不参与，你可以使用detach()方法创建一个新的没有梯度的张量。

原创 Unigram分词

原视频链接：https://www.youtube.com/watch?

转载 在HuggingFace里创建自己的模型

确保在创建和使用模型时，你的模型结构和配置与 Hugging Face Transformers 库的要求相匹配，以便正确使用。如果你想要添加一些自定义的模型配置，你可以创建一个新的配置类，并在你的模型中使用它。方法中，定义你自己模型的结构。这样你就可以像使用其他 Hugging Face 模型一样使用你的自定义模型。要创建一个自己的模型，使其可以使用 Hugging Face 的。因此，为了创建自己的模型，你需要创建一个新的类，并继承自。使用你的自定义模型和配置类，可以使用。在你的自定义模型类中实现。

原创 类内部通过import导入的外部方法，可以作为类实例方法

【代码】类内部通过import导入的外部方法，可以作为类实例方法。

原创 model.gradient_checkpointing_enable() model.enable_input_require_grads()

通常，在反向传播期间，模型的中间激活值需要被保留以计算梯度。看起来这两个函数调用分别用于启用模型的梯度检查点（gradient checkpointing）和启用输入的梯度要求（input gradient requirements）。需要注意的是，这两个函数的确切实现和效果可能取决于具体的模型架构和 PyTorch 版本。在 PyTorch 中，默认情况下，输入张量的梯度是不会被计算的。，你告诉 PyTorch 计算输入张量的梯度，这在某些情况下可能是必要的，例如需要对输入进行梯度更新的情况。

原创 def __post_init__(self):

在这个例子中，`MyClass` 是一个数据类，具有两个属性 `attribute1` 和 `attribute2`。`__post_init__` 方法被定义在类中，当创建类的实例时，它会在初始化后被调用。`__post_init__` 是在使用 Python 的 `dataclasses` 模块创建数据类（data class）时，可以定义的一个特殊方法。`__post_init__` 方法的目的通常是在对象实例化后执行一些需要在初始化后进行的逻辑。

原创 【无标题】

是 Python 中的一个列表，用于存储命令行参数。这个列表中的第一个元素是脚本的名称，后面的元素是在运行脚本时传递的命令行参数。中的参数都是字符串形式。如果需要将它们转换为其他类型（比如整数），你需要进行相应的转换。让我们来看一个简单的例子。包含传递给脚本的命令行参数。

原创 破财日记（12.22）

买课100百度网盘会员25租服务器50。

原创 研二找实习面试记录

问了我的研究方向（diffusion 模型加水印)，问了我的初步效果及进展（我说）让我实现二叉树层次遍历（刷题太少，代码写得非常丑陋，用中序遍历+字典实现的）自我介绍，然后问了简历上的内容。此外，简单问了FasterRcnn结构。编程题目是青蛙爬楼梯（动态规划），当时没有刷过力扣，不会。整体表现，口齿不清，缺乏自信，代码能力欠缺。让我python实现交并比（没写出来）整体表现：代码能力不足。

原创 2023/12/12

这将创建一个名为 "output_file.txt" 的文件，其内容如下。参数将输出定向到文件而不是控制台。函数将文本写入已打开的文件。对于数据集中的每个文本项（

原创 力扣学习笔记

哈希表的基本思想是将元素的键通过哈希函数转化为一个整数，然后将这个整数作为数组的索引，将元素存储在数组的对应位置上。当需要判断某个元素是否存在时，同样通过哈希函数计算出元素的键对应的索引位置，然后在这个位置上查找元素。如果数组在对应位置上没有存储元素，那么说明该元素不存在；如果数组在对应位置上存储了元素，那么说明该元素存在。哈希表是一种常用的数据结构，用于存储和快速查找数据。其判断某个元素是否存在的原理是利用哈希函数将元素的键转化为存储位置，然后在这个位置上查找元素是否存在。

原创 random随机种子

上述代码文件重复执行结果是一样的。（随机数并不随机，生成的序列是固定可预测的，但也与随之种子的设置有关）设置不同的随机种子可以生成不同的随机序列；相同的随机种子生成相同的随机数序列。

原创 pytorch如何实现自定义反向传播（ChatGPT生成）

在这个示例中，我们创建了一个名为 `CustomReLUFunction` 的自定义函数，它实现了 ReLU 激活函数的前向传播和反向传播。2. **使用 autograd 函数：** 在自定义函数中，使用 PyTorch 的 autograd 函数来计算梯度。自定义反向传播在需要特定操作或梯度计算的情况下非常有用，但在大多数情况下，您可以通过组合现有的 PyTorch 操作来构建您的模型。4. **在模型中使用自定义函数：** 在模型的前向传播中，使用您自定义的函数执行所需的操作。

原创 详细解释：torch.where(rdn ＞ prob_one, torch.zeros_like(image), image)

在这里，`condition` 是 `rdn > prob_one`，它会生成一个布尔型张量，其每个元素的值为 `True`（真）或 `False`（假）。`y` 是 `image` 张量，表示不满足 `condition` 的位置，即 `rdn <= prob_one` 的位置保持 `image` 张量中的原始值。这样就实现了在输出 `output` 中添加椒噪声的操作。- `x` 是一个与 `condition` 相同形状的张量，表示在 `condition` 为 `True`（即为真）时要选择的值。

原创 *args,**kwargs）是什么意思

2. `**kwargs`：这个语法用于传递可变数量的关键字参数（keyword arguments）给函数。使用`**kwargs`，函数可以接受任意数量的关键字参数，而不需要提前指定参数的名称。使用`*args`，函数可以接受任意数量的位置参数，而不需要提前指定参数的数量。在函数定义时使用`*args`和`**kwargs`可以使函数更加灵活，因为它们可以接受不固定数量的位置参数和关键字参数。在Python中，`*args`和`**kwargs`是用于在函数定义中传递可变数量的参数的特殊语法。

原创 ImportError: MagickWand shared library not found.You probably had not installed ImageMagick library

您可以按照提供的链接（https://docs.wand-py.org/en/latest/guide/install.html）中的指南进行安装。请注意，根据您的操作系统和配置，安装 ImageMagick 库的确切步骤可能会有所不同。建议您参考 ImageMagick 官方文档或指南以获取特定于您操作系统的安装说明。安装完成后，重新运行您的 Python 程序，应该能够找到 MagickWand 共享库并成功导入相关模块。如果您有任何进一步的问题，请随时提问。

原创 ValueError: win_size exceeds image extent. Either ensure that your images are at least 7x7； or pass

【代码】ValueError: win_size exceeds image extent. Either ensure that your images are at least 7x7；or pass。

原创 C++学习踩坑记

2.存在两个C++文件时，编译只会运行其中首先执行过的那个文件。想让某个cpp文件不运行的方法是：点击cpp文件，属性，常规，从生成中排除，是。1.要定义main()函数。如果用自定义名字替代“main"，如main2或者错打成了mian都会报错。

原创 python 装饰器用法（复习防忘）

其中，`decorator_function` 是装饰器函数，`my_function` 是待装饰的函数。使用装饰器时，会将待装饰的函数作为参数传递给装饰器函数，并将装饰器函数的返回值赋值给原始函数。Python装饰器是一种特殊的函数，用于修改或增强其他函数的功能。装饰器函数本身接收一个函数作为参数，并返回一个新的函数，新函数通常用于包装原始函数。该装饰器函数接收一个函数作为参数，返回一个新的函数。新函数包装了原始函数，用于计算函数执行时间并输出结果。5. 以更简洁的方式修改函数的行为等。

原创 SVR为什么要最小化w的模,即为什么是min||w||2

就是说在SVR回归超平面w'x+m=0两侧的w'x+m=ε、w'x+m=-ε所围成的带状区域内，样本是不计算损失的，只计算没有在这个带状区域内的样本的损失。而且由点到线的距离公式d=|g(x)|/||w||，追求“到超平面最远点的样本的距离最小”不应该最大化w吗，也就是max||w||2。但没想到在学习过程中确实出现了让我疑惑的的地方，就是SVR回归的目标为什么是min||w||2而不是max||w||2,经过演算，写一下我自己的理解。最后，不受x约束的||w||是最小化是min|w'x+m|的关键，

原创 AES 128

AES加密算法

转载 DHNN中的‘外积’与我们一般接触的‘外积’区别

这两种外积不是一个概念但中文翻译相同，容易引起混淆

转载 人工神经网络第三次作业截屏

交报告，写Markdown，不想打公式，截屏发图片