- 博客(47)
- 收藏
- 关注
RSS订阅原创 【GDB Debugger】新手快速入门学习笔记
学习资源来自B站【小神仙讲 GDB】 通俗易懂版教程 | 一小时入门GDB | Debug | c/c++程序员必备 | 佩雨小神仙_哔哩哔哩_bilibiliGDB 调试器，帮助你检查程序运行时的内部情况Start your program, specifying anything that might affect its behavior.启动并设置程序运行的参数Make your program stop on specified conditions.使程序在确定情况下停止（打断点）
2024-03-19 00:39:54
744
原创 【MATLAB】安装问题：“无法检索产品”、“无法连接到mathworks”
关闭所有的防火墙——依旧出现错误“无法检索产品”更换另一个网络，简称网络2：出现新的错误“无法连接到mathworks”又换了一个网络，简称网络3：还是这个错误“无法连接到mathworks”换回手机热点，简称网络1：又回到了第一个问题“无法检索产品”安装时无法连接到mathworks的解决（详细）_无法连接到mathworks怎么解决-CSDN博客，添加环境变量，还是“无法连接到mathworks”换成手机热点（网络1）：又回到了第一个问题“无法检索产品”
2024-02-22 18:36:05
1027
原创 【MATLAB GUI】 5. 图像处理菜单（菜单编辑器）
编辑”图像处理-转成灰度图“的回调函数：点击菜单编辑器，点击图像处理-转成灰度图，标记改为”gray“，点击”查看“，定位到回调函数。添加上下文菜单：实现第一个快捷菜单在右键点击左边坐标区时会跳出打开功能，第二个快捷菜单在右键点击右边坐标区时会跳出转成灰度图功能。编辑”文件-导出“的回调函数：点击菜单编辑器，点击文件-导出，标记改为”export“，点击”查看“，定位到回调函数。编辑”文件-打开“的回调函数：点击菜单编辑器，点击文件-打开，标记改为”open“，点击”查看“，定位到回调函数。
2024-02-22 18:26:14
1357
原创 【MATLAB GUI】 3. 列表框和弹出式菜单
想去除列表框的蓝色背景：把列表框的value设置为空（一对方括号[]）——把属性中的max和min设置为插值不为1时，value就可以设置为空或者其他多个字符。写“注册”按钮的回调函数代码：在.fig界面右击“注册”按钮-查看回调-callback，定位到.m文件的pushbutton1_Callback。对于弹出式菜单，应该有多个选项，在其String输入框左侧，有个小标志，点击，输入各个选项，用回车进行分隔，点击确定。全选，双击，修改FontSize为16，修改String。
2024-02-20 02:04:39
1460
原创 【MATLAB GUI】 2. 设计一个闹铃/定时器（静态文本、可编辑文本、普通按钮、复选框）
可编辑文本框的显示涉及string属性，但是不能在这个属性上写回调函数，因为他会处理成字符串原样输出在可编辑文本框中。在设定时间右边的可编辑文本框中，运行时应该显示出当前的系统时间。但是目前初始化界面中，“播放音乐”默认未勾选，“添加音乐”按钮默认可用，会造成冲突。然后把播放音乐的功能放到“定时”按钮中来，直接在“定时”按钮的回调函数添加。“添加音乐”按钮的回调函数：希望点击后跳出一个文件选择窗口，选择音乐文件。“播放音乐”复选框和“添加音乐”按钮。添加“定时”按钮的回调函数。
2024-02-20 01:58:27
1126
原创 【MATLAB GUI】 1. 普通按钮、静态文本和可编辑文本
看B站up主freexyn的freexyn编程实例视频教程系列36Matlab GUI的学习笔记。
2024-02-18 18:07:39
3479
原创 【C语言】pq-＞rear-＞next = pnew与pq-＞rear = pnew
【代码】【C语言】pq-＞rear-＞next = pnew与pq-＞rear = pnew。
2024-02-17 15:09:59
343
原创 【C语言】(*plist)-＞next和plist-＞next的区别
直接通过指针访问结构体成员，两者的效果是一样的，都是访问链表中的下一个节点的指针。解引用了指针并且访问了结构体成员，而 plist->next。实际上是一个指向链表头节点的指针，而不是指向指针的指针。总的来说，区别在于 (*plist)->next。结构体的指针，因此 List。和 plist->next。被定义为指向 Node。在这段代码中，List。
2024-02-17 15:08:16
210
原创 【自控实验】4. 数字仿真实验
本科课程实验报告，有太多公式和图片了，干脆直接转成图片了仅分享和记录，不保证全对使用matlab中的simulink进行仿真。
2024-01-13 00:25:27
486
原创 【自控实验】3. 带有饱和非线性环节控制系统相平面分析
在输入单位阶跃信号Xsr时，用示波器观察和记录系统输入饱和非线性环节前后的Xsc-Xsc相轨迹图（共记录两条曲线）（定性）。本科课程实验报告，有太多公式和图片了，干脆直接转成图片了。Xsr=2.2V，饱和非线性环节上下限为±0.5V。使用matlab中的simulink进行仿真。有无非线性环节的相轨迹对比，并求超调量。仅分享和记录，不保证全对。
2024-01-13 00:20:18
566
转载 【C语言】scanf与getchar的用法和常见错误详解
scanf：可输入不包含空格的数据，不读取回车，空格和回车表示输入完毕getchar：只能读取用户输入缓存区的一个字符，包括回车注意缓冲区的清理（while ( getchar()!= ‘\n’);
2023-12-02 21:56:18
87
原创 语音合成（中文）
新建目录Demo，将SDK中bin、include、libs文件夹和sample里的64bit_make.sh、Makefile、tts_offline_sample.c复制到新建工程“Demo”文件夹下。解决：sudo cp /home/jun/catkin_ws/src/tts/libs/x64/libmsc.so /usr/lib。cd到bin目录下运行目标文件，SDK启动后，bin/msc目录下会生成日志（注意：msc文件夹下需有msc.cfg文件）PS：只能生成.wav文件，无法直接播报。
2023-08-31 16:53:31
288
原创 【跟李沐学AI—机器学习】7 深度神经网络的共用设计及微调
所以NLP更多使用自监督训练，即标号是自己产生的，著名模型有Language model（LM，预测下一个词）、Masked language model（MLM，随机遮挡词语并进行预测，即完形填空）对数据进行标准化，使得数据均值为0、方差为1，可以使得损失函数更加平滑（当x和y相隔较远时，其导数不会有太大变化，这样子学习率可以设定得更大一些，即步长更大）。而预训练模型一般是在比较大的数据上训练，具有一定的泛化能力，虽然在最后的解码器中不太起作用，但是在编码器中多多少少学到了东西。神经网络大致可分为两块。
2023-08-15 22:17:42
71
原创 【跟李沐学AI—机器学习】6 模型的调参
简单来说，就是一个玄学，没法科学解释每个参数的作用，只能靠经验和直觉介绍了几个记录实验数据的工具，如tensorboard、weights&bias。
2023-08-15 22:16:32
94
原创 【跟李沐学AI—机器学习】5 模型优化
与bagging不同，stacking可以是一起使用不同类别的模型，数据输入到不同的模型中训练，其中不需要bootstrap，即用相同的数据训练不同的模型框架，最后把所有结果用线性连接起来，即加权求和得到最终输出。n为学习率，可以对新模型ht进行正则化，在Boosting中叫做shrinkage收缩（n不为1，当n=1时，即ht完全拟合了残差，容易造成模型Ht+1的过拟合）训练n个模型，若为回归问题，会把n个训练结果做平均，得到Bagging结果，即用不同的数据训练一个模型框架。采样越多，方差越小。
2023-08-15 22:12:35
100
原创 【跟李沐学AI—机器学习】4 模型验证——验证集
I.I.D即独立同分布（independent and identically distributed，i.i.d.）在概率统计理论中，指随机过程中，任何时刻的取值都为随机变量，如果这些随机变量服从同一分布，并且互相独立，那么这些随机变量是独立同分布。如句子、房价（和时间有关）、不同类别样本不均匀的数据（训练时候看得多了自然效果好）4. 每次用不同的部分作为测试集，重复步骤2和3 K次。1. 将原始数据集划分为相等的K部分（“折”）2. 将第1部分作为测试集，其余作为训练集。
2023-08-15 22:07:31
142
原创 【跟李沐学AI—机器学习】2 神经网络
*池化层/汇聚层：**当搜寻的区域发生平移时，这片区域的像素最大值/平均值也会发生平移，只要抓住这个最大值/平均值就可以补偿平移带来的变化。假设要在某图像中寻找一个戴白帽子的人，即使这个戴白帽子的人在图像中的位置变化了，但是这块区域的像素信息不变，即。的“world”为隐藏状态，不论之后还有多少层，这个“world”包含的信息不变，包含过去时间所有的信息。先输入“hello”，通过全连接层预测得到“world”，先不进行softmax操作，把这个得到的、的“world”和②当前信息的“world”
2023-08-15 21:57:47
70
原创 【跟李沐学AI 动手学深度学习】Transformer 笔记
归一化会使得网络训练得比较深比较好，但是此处不能用batch normalization，因为BN是对每一个通道或者每一个特征的向量做归一化，而语言序列的长度会变，所以特征会不稳定，不适合做BN。一个全连接，将输入形状由（b，n，d）变换为（bn，d），因为序列长度会变，所以n不能作为一个特征。在自注意力中，前t个预测值作为key、value，第t个预测值还会作为query。多头注意力使用h个独立的注意力池化，合并各个头（head）输出得到最终输出。另一个全连接，将形状由（bn，d）变换为（b，n，d）
2023-08-15 21:32:30
76
原创 【跟李沐学AI 动手学深度学习】seq2seq 笔记
得到p1=4/5（A B C D/A B B C D，预测序列有5个词，其中4个可以和标签序列对应的上，不算重复）已知标签序列A B C D E F和预测得到的序列A B B C D，pn是预测中所有n-gram的精度。训练时解码器使用目标句子的输入，即有一步训练错了也没关系，下一步的训练还是使用的目标句子。从序列到序列，最早用于机器翻译，即给定一个源语言句子，自动翻译成目标语言。惩罚过短的预测（比如预测得到了A，它的pn肯定都很高，都为1）编码器没有输出，其最后时间步的隐状态用作解码器的初始隐状态。
2023-08-15 21:28:52
66
原创 【跟李沐学AI 动手学深度学习】注意力机制 笔记
卷积、全连接、池化层都只考虑不随意线索（直接把最大的值抽出来）注意力机制考虑随意线索随意线索被称为查询（query）每个输入是一个值（value）和不随意线索（key）的对通过注意力池化层，根据query，有偏向（权重）地去选择某些输入一般写作fx∑iαxxiyifx∑iαxxiyi，此处的αxxiαxxi是注意力权重。
2023-08-15 21:25:28
173
原创 【跟李沐学AI 实用机器学习】全部笔记
简单来说，就是一个玄学，没法科学解释每个参数的作用，只能靠经验和直觉介绍了几个记录实验数据的工具，如tensorboard、weights&bias。
2023-08-11 22:26:39
386
1
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