qq_73361455的博客

原创 10 应对loss为nan的问题

PS：因为最后不打算做这个方向了，所以也没进一步修改模型。（肯定是得进一步修改模型的，激活函数，标准化函数，还有模型结构等等）如果学习率改的很小还是nan，那么，模型里面可能梯度太大了，得调整一下模型的结构了（学习率太小学的很慢的）把lr从0.000025改成 0.000005。

原创 09 在DTT的框架下修改模型

这个改的模型其实有问题，后面没调了，不过这篇文章主要是看怎么改模型，还是很不错的

原创 08 浅谈STFT(短时傅里叶变换)

在STFT中，频率的数量取决于FFT窗口的大小（n_fft）。通常，频率的数量是 n_fft/2 + 1，因为FFT的结果是对称的，只有一半是唯一的。这些段的数量取决于信号的总长度、FFT窗口的大小以及步长（hop_length）。在音频处理中，经常只关注一定范围内的频率，因为这些频率包含了音频的主要信息。复数有实部和虚部，因此这一维的大小是2。在FFT中，每个频率分量都是一个复数，其实部和虚部分别表示该频率分量的幅度和相位信息。self.n_bins 通常等于 n_fft/2 + 1，表示频率的数量。

原创 07 Tmux后台训练模型

命令可以查看当前所有的 Tmux 会话。以下是 Tmux 的最简操作流程。命令用于杀死某个会话。

原创 06 浅谈DTT模型的配置文件

你看它里面也有之前已经配置过的model,trainer,datamodule之类的，当然是以后出现的配置为准（会覆盖与前面配置的冲突的地方）如果你的训练命令中加上了logger=[]：根据Hydra的配置机制，命令行参数的优先级高于配置文件。defaults里面还有一个override /model: vocals.yaml，文件，还是一样，后出现的配置覆盖与前面配置的冲突的地方。时，配置文件究竟是怎么选的呢？，不要忘了我们运行命令时指定了。同理，我们跳过几个，看。，这个告诉我们它用到了。

原创 05 DTT模型的下载和运行

效果就是保持原本的train文件夹不变之外，新建了许多文件夹，里面存放经过data argmentation（数据增强）的各个歌曲的5个.wav文件（mix+4个)文件夹（里面装着4个.ckpt文件，其实就是4种训练好的模型的checkpoint，里面存好了参数和其他一些信息），然后把这个文件夹放到机器的这个模型的目录。我自己训练的500多个epoch的模型（这500多轮里的最优模型）（无data_argumentation）（PROJECT_ROOT的作用是跑模型推理时结果存在。由此大概可估计效最终果。

原创 04 多进程编程以利用多核

就是OS对线程的实现和Python啊C语言啊提供给你的线程不是一个东西，用户线程的话比如c语言库会给你维护一个线程池，里面的线程最终还是得依赖os的线程实现来做。其实编程语言设置线程的概念也是为了屏蔽底层的os实现，不管底层os是用的用户级线程实现，还是内核级线程实现，编程语言都可以帮你搞定。python evaluate.py跑的太慢了，python enhance.py跑的也不快，所以我想把这两个文件改一下，内部写成多进程的模式。不设置这个的话，默认的创建子进程的方式是fork，跑起来会报错的。

原创 01 远程连接到分配的服务器

不容易（如果安装的conda有问题，会在用conda创建虚拟环境时一直在soving environment）p.s：数据可以放在/data1或者/data2下面，home目录空间比较小，就放点代码啥的就行了。：这些设置会影响通过命令行发起的 HTTP 和 HTTPS 请求，例如使用。命令后，会将指定的代理服务器配置应用到你的命令行环境中。使用代理服务器，需要显式地告诉它代理服务器的地址。我发现ubuntu里的百度ai回答的方法下载的conda是好的。命令不行的原因是，默认情况下，

原创 02 demucs模型的下载和运行

会根据指定的 YAML 文件来创建或更新一个虚拟环境，并安装文件中列出的所有包。有时候你的项目依赖于当前目录中的代码，这些代码可能在开发阶段或本地没有发布到 PyPI（Python Package Index）。安装包的可编辑模式，允许你在开发过程中随时修改代码并立即看到效果，而不需要每次修改后重新安装包。（1）**首先，git clone，**但要注意不要在home目录下这么做（空间不够），去/data1这么做。，发现安装成功了，就自以为OK了，其实装错地方了，因为前面加了。：定义命令行脚本的入口。

原创 03如何替换baseline的模型

，然后检查hubconf.py里的dependencies列表列出的依赖是不是都已经下载了（这边依赖的名字可能会有问题，比如dora写成dora-search，就是名字的问题，包其实没问题，需要手动修改一下），然后model这个参数必须是在hubconf.py被import了的，model其实是一个函数啦，然后就会调用model(*args, **kwargs)。然后什么样的模型可以以这种方式加载呢？我遇到的实际情况：想添加一个htdemucs的模型。定义的，是属于torch这个包的。

原创 一道缺页时访问时间的好题

当发生缺页并将页面装入内存后，通常需要再次访问页表。当缺页中断处理程序将所需页面从外存装入内存后，页表会更新以反映新的映射关系。然后，处理程序会重新执行导致缺页的指令，此时再一次访问页表，以查找更新后的页表条目，从而找到对应的物理地址并完成内存访问。如果快表命中率为99%，缺页中断率为0.01%，则该系统地址转换的平均时间为多少？这就涉及到一个问题：访问页表发生缺页，装入页面后还需要再访问页表吗？因此，装入页面后需要再次访问页表以完成原始内存访问请求。2）页表访问时间为100ns；

原创 ## 操作系统进程调度练习题（书面）（搞懂此题搞懂全部）

有三道程序，按照A、B、C的优先次序运行，其内部计算和I/O操作时间如下图所示。试画出多道运行的时间关系图(忽略操作系统执行时间)。完成三道程序共花费多少时间?比单道运行节省多少时间?若操作系统每次执行（包括中断处理、作业调度、作业切换等）花费1ms，试画出各程序状态转换的时间关系图（分抢占和非抢占两种调度策略）。（作业调度和切换发生1个或者都发生都是1ms，中断处理是1ms）

原创 “python3 -m pip install . “这句命令是什么意思啊

这指的是当前目录（即命令运行的位置）。：这通常是在Unix-like系统（如Linux或Mac OS X）中调用Python 3版本的命令。就是调用pip安装器的方式，以确保你使用的是正确版本的Python（在这里是Python3）的pip。注：这个命令通常在创建并第一次激活某个虚拟环境（如conda，venv等）后在虚拟环境中使用。这个命令是在终端或命令提示符中用来安装Python包的一个命令。文件，这个文件是Python用来安装那个软件包的标准方式。：这是pip的一个子命令，用来安装包。

原创 简要学习vscode，cmake以及.json文件

但此时调试会困难些，因为在vscode里面帮你生成的.json文件只能针对单文件调试，你需要修改.json里面的program “”那边，改成hh.exe才行。Vscode中，你可以直接写一个cpp文件，然后在里面的终端用g++编译生成.exe文件，然后在终端./xxx.exe执行即可。如果想要调试，那么g++时要加上-g，生成的是可调试的版本；补充一下，launch.json里面有个pretask，会去调用task.json（作用是重新编译），如果不调，那么即使你修改了代码，调试的依然是修改前的代码。

原创 可计算型和计算复杂性理论

原创 UVA 1161 航程规划

不要向其他题解那样每条航线拆成两个点，而是每条航线是一个点，用 vector<flight>arr[i] 存一下以 i 号城市为起点的所有航线，（ flight 是自己定义的结构体，存终点、出发时间、到达时间、乘客上限），对每个 arr[i] 内部排个序（出发早的航线在前），一个 arr[i] 内部的每个航线和后一个航线连一条无限容量的边，表示可以在这个起始城市呆多久都行。对于每个航线 t ，去终点对应的 arr[i] 里找第一个符合要求的航线（换乘来得及的），连一条容量为航线 t 乘客上限的边即可。

原创 UVA 10806 Dijkstra, Dijkstra

（1）这样不会使本应无解的情况有解：一条边是S-->A->B-->T，另一条边是S从虚线到A，A->B，B从虚线到T，看似AB边走了2次，其实此时可以S-->A-->T, S-->B-->T,不走AB，确实有解。（2）这样不会得到比正确的最小值更小的解。假如因为AB边走了2次而得到更小的解，那么同 （1）可以知道，不走AB的方法一定可以有更小的解（且合法）（因为cost一定是正的）重点讲一下每一条无向边变成2条有向边的正确性。

原创 UVA10615 Rooks

这样做之后，每个点度数相同，由定理：二部图存在完备匹配当且仅当V1中任意k个顶点至少与V2中的k个顶点相邻（当V1与V2点数相同时，完备匹配即完美匹配），可以知道，一定存在完美匹配，并且删边后依然如此。我们可以先想想每个点都是车的情况，对于N乘N的图，显然N种颜色就行（每行右移一个）。然后可以猜测，最少颜色数就是某行/列的最大车数 ma。但是我们不能直接求最大匹配、删去匹配边这样重复操作，直接爆搜是不行的，回溯的情况贼多，时间复杂度太大。所以我们需要补边，让每个点的度都是上面的 ma。

原创 线段树3（变式：区间内最大连续和+单点修改）

线段树的本质是二分。查询时，都是将大区间二分成左右两个子区间分别查询，再将结果合并，比如求区间和时将结果相加，求最值时取最值等。区间内最大连续和也是同理，将大区间二分为2个子区间，连续最大和要么在左子区间，要么在右子区间，要么是左子区间的最大后缀和加上右子区间的最大前缀和。（所以query函数的返回值应为结构体，平时线段树query函数不用有返回值是因为用_sum之类的变量在每一小段都把答案维护了，但最大连续和没法这样）为了维护这些，可能还需要多维护一些才能够维护这些。（比如这题里的sumv，即区间和）。

原创 P1438 无聊的数列

差分 线段树的区间+v与区间求和 区间特判

原创 UVA1232 SKYLINE

【代码】UVA1232 SKYLINE。

原创 刘汝佳的线段树完全体(set+add+query)

注意add本来可以不用pushdown的，但和set结合后必须pushdown。每一处该pushdown的地方都要pushdown，并及时maintain（注意maintain的位置）。注释写的很详细了，建议先看懂。贴的代码即为AC代码。

原创 刘汝佳的线段树模板2

set与add不同，set要考虑先后顺序。因此set需要pushdown操作，并且查询时遇到setv[o]>=0就不再往下递归了（下面可能还有setv，但理应被这里的覆盖掉）注意update时多了2个maintain操作，因为修改了setv之后肯定得maintain。默认setv[o]>=0才表示set了。区间元素set为v，区间元素和、最值。

原创 刘汝佳的线段树模板1

sumv[o], minv[o],maxv[o]的定义都是“如果只执行该节点及其子孙节点中的addv操作时的sumv,minv,maxv”，这与update后必须maintain是对应的。注意这个模板里面数组大小要开元素个数的4倍，因为线段树的节点个数本来就是元素个数的2倍，并且这个模板里的叶节点也有“虚拟的”左右子节点，所以是4倍。在下标选择方面，其实线段树对下标从0还是1开始没有要求，从零开始的话函数调用就要写xxx(1,0,n-1)，从1开始则是xxx(1,1,n)。区间元素加v，区间元素和、最值。