qq_47150350的博客

原创 交换分区swap的使用与设置

swappiness＝100的时候表示积极使用swap分区，并把内存上的数据及时搬运到swap空间。机器在跑某些跑某些项目或任务时，一般都需要考虑到系统的内存需要达到多少才能顺利跑完，满足要求后还是遇到内存溢出的oom异常该怎么去处理，而这个时候物理内存似乎又没用完，那么这里其实就是交换分区swap的使用不当了。启用新大小的Swap文件：sudo swapon /path/to/swapfile。关闭现有Swap文件：swapoff /path/to/swapfile。表示创建一个4GB的Swap文件。

原创 x86架构镜像转arm架构

Docker 19.03 版本引入了一个名为 Buildx 的实验性工具，它是一个构建工具，允许用户在多种平台之间构建 Docker 镜像。Buildx 提供了对多架构、多平台的本地构建和远程构建的支持，这使得用户可以更轻松地在不同平台间进行镜像构建。此时使用docker images 命令即可看到新构建的镜像mysql:arm64，把它保存下来上传到arm64的系统就可以正常使用了。如果继续进行新的镜像转换，可以使用下面命令删除 Buildx Builder 实例中的所有缓存。

原创 python虚拟环境在解决包冲突的应用

通过虚拟环境的方法去隔离现有的环境，可以很轻量化的实现我们想要环境的安装，结合subprocess进行的自动化操作，可以将基于虚拟环境的小功能实现以函数的方式进行封装，最后实现在原工程项目的无缝调用。

原创 pytorch prune剪支教程

为了使剪枝成为永久的，我们可以移除weight_orig和weight_mask的重新参数化，并移除forward_pre_hook，我们可以使用torch.nn.utils.prune中的remove功能。例如，假设您想要实现一种剪枝技术，它会剪枝张量中的每个其他条目（或者如果张量之前已经被剪枝，则剪枝剩余未剪枝部分的张量）。函数的第一个参数是模块，name使用字符串标识符在该模块中标识参数，amount指示要剪枝的连接的百分比（如果是0到1之间的浮点数），或要剪枝的连接的绝对数量（如果是非负整数）。

原创 linux系统python环境和gpu的多用户使用

在创建python虚拟环境时默认是在/opt/miniconda3/envs下，即为组内共享的，如果该环境只想自己使用，不想其他开发使用，可以在创建环境时指定在自己工作目录下，如conda create -p /home/tzy/env/python3.10 python=3.10。②添加自己的用户并配置密码（密码不能与root一致，也不要是弱口令），同时更新到资产清单，如果要使用conda虚拟python环境，使用gpasswd -a命令将自己添加到anaconda用户组。

原创 ChatGPT教你怎么初始化numpy数组

怎么初始化一个5*3的numpy数组

原创 git（项目提交）

git 提交项目的一些操作

原创 linux内存和磁盘空间不足解决办法

linux内存和磁盘空间不足解决办法

原创 孤立森林（隔离树）译文

经典算法孤立森林译文

原创 我希望我早已知道的 103 条建议

凯文 · 凯利代表了最早一批相信科技能改变世界的人，今天硅谷创业家们挂在嘴边的话，精神源头就来自他们的思想：开放、协作、去中心化。让我们看看年逾古稀的他，对人生有哪些建议：今天是我的生日，我 70 岁了。到目前为止，我学到了一些可能对其他人有帮助的东西。在过去的几年里，我每年都会记下一些不请自来的建议。让人惊讶的是，今年还有更多需要补充的。所以这是我给你们大家的生日礼物：103 条我希望我年轻时就知道的智慧。大约 99% 的情况下，正确开始的时间就是现在。别人不会像你一样对你的财产印象深刻。（Mor

原创 根据物体框中心点、宽高及旋转角度确定其顶点

问题引入最近在进行kitti数据集可视化操作时，遇到一个问题，数据里面告知了物体框中心点的坐标、宽高（w,l）及旋转角度r_y，然后怎么去确定其各个顶点画出一个框来。问题思考关于这个问题，可能刚开始想的是既然中心坐标点告知 ，关键角度和长度也知道，很简单可以直接画坐标系，用三角函数求解即可，可当真正去计算时才发现比较复制，而且非常不利于代码的实现。于是想到关于旋转用极坐标系计算是否更加简单，解决步骤如下：确定大致思路在极坐标系中：x=pcos@ 1y=psin@

原创 opencv矩形轮廓顶点的具体位置确定

一、问题的引入opencv在图像处理方面有着非常强大的功能，当我们需要使用opencv进行一些图像的矫正工作时，我们通常需要找到原图的一些关键点，然后计算变换后的图像坐标，最后通过仿射变换或者透视变换获得自己想要的矫正图像，比如将一张拍歪了的纸进行矫正，我们的首要任务就是找到原图的一些关键点，通常的做法就是找纸张的4个顶点。二、问题的解决方法第一步我们肯定要找到纸张相应的矩形轮廓，这里可以二值化再找，也可以使用一些算子查找，而本文的重点是解决怎样根据矩形轮廓去确定它具体的4个顶点的位置。方法一：使

原创 tensorflow中多分类数据的导入和数据增强扩充的实现

一、多分类数据的导入在tensorflow的图像预处理方法中有如下的这样一个函数，设置directory文件路径，在这个文件路径下该函数会将其每个子文件夹作为一个类，按照这个函数的读取顺序对类进行编码。flow_from_directory( directory, target_size=(256, 256), color_mode='rgb', classes=None, class_mode='categorical', batch_size=32, shuffle=True, se

原创 最小生成树（python实现）

本文只展示最小生成树Kruskal算法的python实现，我会尽量将代码注释清楚，至于算法原理，自行理解。#构建边的类，有两个端点和权重属性class side: def __init__(self,u,v,w): self.u=u self.v=v self.w=w#获取输入的点，并为每一个点打上唯一的标签 n=int(input('请输入点的个数'))r=[]for i in range(n): r.append(i

原创 激活函数以零为中心的问题（全网最全）

https://liam.page/2018/04/17/zero-centered-active-function/无意浏览到的，作者对这个问题做了极为详细的解释，看过很多进这个的文章，就这个讲的最清楚，解答了我许久的困惑。

原创 降低过拟合和欠拟合的方法

原创 机器学习常见的几种优化方法

原创 【聚类】一种自适应Eps和Minpts的DBSCAN方法的改进（python实现）

一、算法来源1、DBSCAN算法原型这个算法原型非常简单，有很多博主都有写，大家自己去看看就好了，也不用花太多时间，顶多十分钟就能了解个大概。2、自适应Eps和Minpts参数由于该算法对Eps和Minpts参数十分敏感，所以如何确定这两个参数对于DBSCAN来说是很重要的一步，这篇博文是基于李文杰老师的论文《自适应确定DBSCAN算法参数的算法研究》，通过这篇论文，输入数据集即可大致确定这两个参数，从而可以直接在DBSCAN中应用。二、大致思想其中的基本思想，是通过计算数据集 D 中每个数据点

转载 详解残差网络

在VGG中，卷积网络达到了19层，在GoogLeNet中，网络史无前例的达到了22层。那么，网络的精度会随着网络的层数增多而增多吗？在深度学习中，网络层数增多一般会伴着下面几个问题计算资源的消耗模型容易过拟合梯度消失/梯度爆炸问题的产生问题1可以通过GPU集群来解决，对于一个企业资源并不是很大的问题；问题2的过拟合通过采集海量数据，并配合Dropout正则化等方法也可以有效避免；问题3通过Batch Normalization也可以避免。貌似我们只要无脑的增加网络的层数，我们就能从此获益，但实验数据

转载 基于人脸的常见表情识别(1)——深度学习基础知识

基于人脸的常见表情识别(1)——深度学习基础知识神经网络感知机多层感知机与反向传播卷积神经网络全连接神经网络的2大缺陷卷积神经网络的崛起卷积神经网络的基本网络层什么是卷积？填充（Padding）步长（Stride）池化卷积和池化输出尺寸计算为什么要用卷积来学习呢？卷积神经网络的优势在哪？本训练营以理论结合实战的方式，帮助大家从 0 完成一个人脸常见表情的识别，接下来是本训练营的理论部分。不要觉得理论枯燥哦，万丈高楼平地起，基础打牢了，后面学什么都容易，让我们开始吧~

原创 第 k 个缺失的正整数与阿里3月8号面试题

题目描述给你一个 严格升序排列 的正整数数组 arr 和一个整数 k 。请你找到这个数组里第 k 个缺失的正整数。样例：输入：arr = [2,3,4,7,11], k = 5输出：9解释：缺失的正整数包括 [1,5,6,8,9,10,12,13,…] 。第 5 个缺失的正整数为 9 。参考代码：def findKthPositive(arr, k) : left=0 right=len(arr) while left<right: mid =

原创 归并排序----python实现

分治法基本模型介绍：有很多算法在结构上是递归的：为了解决一个给定的问题，算法要一次或多次的递归调用其自身来解决相关的子问题。这些算法通常采用分治策略：将原问题划分成n个规模较小而结构与原问题相似的子问题，递归地解决些子问题，然后再合并其结果，就得到原问题的解。一般步骤：分解：将原问题分解成一系列子问题；解决:递归的解个子问题，若子问题足够，小则直接求解；合并:将子问题的结果合并成原问题的解；归并排序套用得：分解:将n个元素分成各含n/2个元素的子序列；解决:用合并排序法对两个子序列递归的

原创 快速排序的python实现和常见的几种优化

基本思想：快速排序是一种对包含n个数的输入数组进行排序的算法，最坏情况运行时间为O(n^2)。虽然这个最坏运行时间比较差，但快速排序通常是用于排序的最佳使用选择，这是因为其平均性能相当好，期望的运行时间为O（nlgn），而且其中隐含的常数因子很小，另外，它还能够进行就地排序，在虚存环境中也能很好的工作。像合并排序一样，快速排序也是基于分治模式的，下面是对一个典型子数组A[p…r]排序的分治过程的三个步骤:**分解:**数组A[p…r]被划分成两个（可能空）子数组A[p…q-1]和A[q+1…r]，使

原创 不修改数组找出重复的数字（分治的思想--python实现）

题目描述给定一个长度为 n+1 的数组nums，数组中所有的数均在 1∼n 的范围内，其中 n≥1。请找出数组中任意一个重复的数，但不能修改输入的数组。且只能使用 O(1)的额外空间样例：给定 nums = [2, 3, 5, 4, 3, 2, 6, 7]。返回 2 或 3。思路：首先我们很容易就会想到可以采用哈希表的方法，依次扫描各元素，放入哈希表中，当元素已在哈希表中存在时，则找到了重复的数。但是此方法时间和空间复杂度均为O(n)，与题目要求不符。然后我们可能想到抽屉原理即：n+1 个

原创 如何使用虚拟环境搭建一个Django项目

如何使用虚拟环境搭建一个Django项目1.为什么需要创建虚拟环境？虚拟环境是隔离应用确切依赖项的好办法。此类隔离避免了全局 Python 环境中的冲突，有助于进行测试和协作。随着时间的推移，在开发应用时，总是会引入许多有用的 Python 包。通过将包保存在特定于项目的虚拟环境中，可以轻松更新项目中介绍该环境的requirements.txt 文件，该文件包含在源代码管理中 。如果项目被复制到任何其他计算机（包括生成服务器、部署服务器和其他开发计算机），仅使用 requirements.tx