自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(46)
  • 收藏
  • 关注

原创 【无标题】

会打印出所有可用的torch的版本,可以根据torch官网的版本选择合适的,这里最好先根据cuda的安装版本进行选择,先确定一套合适的python+torch+torchvision的版本。在网上找到的各种教程都不太对头,大多数推荐下载手动安装,其实根本不需要,环境创建和源添加部分大家都是没问题的,但是gpu版本其实也可以直接安装。这里的build就是第三列的那个,这样就可以指定某个版本号下的特定版本。安装剩下torchvision时也是同样的操作。这样就可以安装指定的版本了。

2023-07-31 17:38:20 244

原创 torch.distributions.Categorical

K-1” 的整数,其中 K 是probs参数的长度。也就是说,按照传入的probs中给定的概率,在相应的位置处进行取样,取样返回的是该位置的整数索引。如果 probs 变量的 -1 维度上求和不为1,Categorical 内部也会帮你归一化,然后再 sample。如果 probs 是长度为 K 的一维列表,则每个元素是对该索引处的类进行抽样的相对概率。如果是N维的,只有第N维被视为概率向量,前面维度被视为batch。如果 probs 是二维的,它被视为一批概率向量。

2023-02-07 22:22:24 1968

原创 WIN11下安装VS以及CUDA等

解决办法很多,但怎么说,都不靠谱,因为这个错误包含的类型太多了,一个个试不可取,最好的解决办法:装VS2019+cuda11.1.1,好吧确定这个版本下是完全没问题的,不要动其他的东西,也不要修改环境变量啥的,也不要修改nvcc的命令啥的,因为可能都根本没关系,只要第一步的准备是对的,我相信后面即使是修改也是在正确的道路上行走,不是越走越偏。因为我测试了cl.exe没有问题才决定换装其他的版本,所以切记不要盲目修改错误,因为可能根本没用,只能建议官方最好为每种配置提供合适的版本建议,而不是大家自己试。...

2022-09-01 14:45:20 1631 2

原创 泊松分布实现和基于指数分布实现的满足泊松分布的时间序列

代码】泊松分布实现和基于指数分布实现的满足泊松分布的时间序列。

2022-07-27 19:14:32 657

原创 DROO源码及论文学习

MEC网络,以时间间隔来划分整个网络的运行过程,包括三种行为,计算卸载(WD->AP)和充能过程(AP-WD),行为在一个时间间隔内进行,Download行为是返回卸载的结果,这是一个时分复用的网络,所有的行为都在一个频带内进行,因此对于一个ap下的所有节点,必须规划整个的过程。整个问题为最大化计算速率,肢解成两个部分,包括问题1,计算卸载策略,问题二,资源分配。问题一用深度强化学习,问题二用一维双截面搜索。...

2022-07-17 19:51:44 2316 2

原创 多目标优化

目录单目标——多目标折衷解选择:多目标帕累托解获得方法:目标值:单目标最优——多目标最优多目标可能没有最优,因为目标函数之间可能存在冲突,只有帕累托最优解集合(PF)。帕累托最优:是指资源分配的一种理想状态。假定固有的一群人和可分配的资源,从一种分配状态到另一种状态的变化中,在没有使任何人境况变坏的前提下,使得至少一个人变得更好。(帕累托最优化)帕累托最优状态就是不可能再有更多的帕累托改进的余地;换句话说,帕累托改进是达到帕累托最优的路径和方法。 帕累托最优是公平与效率的“理想王国”。是由帕累托提出的

2022-07-09 17:24:30 4315

原创 EdgeWorkFlow介绍

这是一个边缘计算卸载调度的仿真平台,edgeworkflow和其前身fogworkflow类似,但加入了前端的设计和完善了真实环境执行的功能,代码都是开源的。

2022-07-09 15:25:03 1622

原创 EdgeCloudSim简介

CloudSim:支持云计算的资源管理和调度模拟的仿真平台EdgeCloudSim针对边缘计算场景的一个仿真环境,基于CloudSim开发,主要针对边缘环境下的计算资源和网络资源的管理。在cloudsim的基础上添加了边缘中资源管理的特性。主要分为6个模块:默认情况下各个模块以及其中的主要元素的关系如下:移动模块为设备增加位置信息,可以通过扩展抽象类Mobility Model实现不同的设备移动模型负载生成模块:通过扩展抽象类LoadGeneratorModel实现不同的计算任务生成模式。边缘协调模块:负责

2022-07-09 15:09:31 2839

原创 机器学习求解组合优化问题&强化学习笔记

求解组合优化问题总结以及强化学习求解中的一些问题

2022-07-07 10:30:29 2353

原创 怎么判断一个优化问题是凸优化还是非凸优化?

凸优化问题的判断

2022-07-07 10:14:16 3423

原创 Go语言中的栈和栈帧

栈(stack)相对整个系统而言,调用栈(Call stack)相对某个进程而言,栈帧(stack frame)则是相对某个函数而言,调用栈就是正在使用的栈空间,由多个嵌套调用函数所使用的栈帧组成。具体来说,Call stack就是指存放某个程序的正在运行的函数的信息的栈。Call stack 由 stack frames 组成,每个 stack frame 对应于一个未完成运行的函数。 在当今多数计算机体系架构中,函数的参数传递、局部变量的分配和释放都是通过操纵栈来实现的。栈还用来存储返回值信息、保存

2022-06-16 21:09:35 403

原创 GO 中闭包介绍

定义了AddUpper函数,返回一个闭包函数f,调用两次这个闭包函数,可以看到,AddUpper中定义的n和str变量在第二次调用f的时候仍然存在。两个变量和匿名函数构成了一个整体,这就是闭包。修改下代码,如果再次实例化一个闭包,见执行结果f和f1之间没有任何关系,两个闭包之间是独立的环境,互不干扰。两部分略有不同,但是可以看出调用闭包函数的过程,...

2022-06-15 17:37:18 132

原创 GO中GC的调步算法

目录GO中GC的调步算法调步算法用于优化GC触发,即如何让GC在最合适的时候出现然后运行,GOGC参数默认的设置是100,也就是上次分配内存的一倍,即上次4M这次8M,但这不是合适的,因为GC和应用程序的并行导致GC过程中分配内存,也就是说当GC过程将要完成时,分配的内存可能大于8,因此我们应该在更早时候触发GC,例如6或者7。我们通过代码验证GC的过程:...

2022-06-13 21:31:59 340

原创 Go 垃圾回收GC理解

GO源代碼中GC的位置在go/src/runtime/mgc.goGO语言中垃圾回收进程和正常程序是并行的,即在程序运行的过程中不断观察可以回收的内存对象。可清除的对象:绝对不可达的对象(作为一个分配的对象,后续程序无法再使用它,即不可达)在 GC 领域里,判断对象存活的主流思路是两个,「引用计数」和「可达性分析」。1 引用计数顾名思义,引用计数的思路就是给每个对象进行计数,每被其它对象引用一次,计数就 +1,引......

2022-06-13 16:39:36 766

原创 《工程伦理》网课1-13章作业单元考核答案完整版

《工程伦理》网课1-13章作业单元考核答案完整版

2022-06-11 21:05:29 62836 19

原创 Gorutine 的9种状态

关于go协程的代码存于src/runtime/runtime2.go中,这里存储了关于go协程GMP调度的相关结构体,包括 G,M和P对应的结构体以及全局调度器schedule。github地址:https://github.com/golang/go/blob/master/src/runtime/runtime2.go iota是go语言的常量计数器,只能在常量的表达式中使用。 iota在const关键字出现时将被重置为0。...

2022-06-10 21:17:18 332

原创 Go语言Channel理解使用

通道用于在协程之间传递 信息类型:通道是引用类型,规则和切片相似,需要make:

2022-06-08 22:35:36 160

原创 内存对齐(使用GO unsafe包观察结构体内存对齐情况)

1:对于结构体的各个成员,第一个成员位于偏移为0的位置,结构体第一个成员的偏移量(offset)为0,以后每个成员相对于结构体首地址的offset都是该成员大小与有效对齐值中较小那个的整数倍,如有需要编译器会在成员之间加上填充字节。2:除了结构成员需要对齐,结构本身也需要对齐,结构的长度必须是编译器默认的对齐长度和成员中最长类型中最小的数据大小的倍数对齐。对应与32位和64位的机器,默认的对齐长度不同,分别是4和8个字节主要原因可以归...

2022-06-08 13:36:33 126

原创 GO new和make的区别

new执行结果,直接定义指针变量a,a的值为空,此时不能*a赋值,因为,还没有分配内存(只为指针变量分配了内存,而没有分配对应变量的内存)。new之后可以赋值,因为已经分配了内存。make可以为map,slice和channel分配内存,分配内存后就可直接赋值 返回的还是map对应的指针,map本来就是引用类型,此时b相当于指针的指针,*b则变成对应的map 此时如何赋值呢?我们如果这样赋值会发生什么呢 结果就是报错没有初始化给map分配内存就是这样。。。还得用make分配内存

2022-06-05 22:47:55 124

原创 GO的Slice切片是如何工作的

首先这么想,GO有数组,但长度是固定的,而且数组是值类型,赋值和传参都是整体复制数据,当然你可以使用数组的指针作为参数来传递,但是他仍然不是动态的,你可以重新定义数组,但那太繁琐,而且对于GO语言来说,不同长度的数组指针类型是不同的!!!。GO中切片作用类似于动态数组,但又有不同,更像是类,这个类包含一个数组头指针,数组长度和数组容量三个字段,当然,对于go来说,这是个特殊的类。你可以用切片来存储一组数量动态变化的数据。下面用一段代码来描述数组和切片的传递。这里的unsafe.Pointer是特别定义

2022-06-03 03:15:38 118

原创 使用go实现一个hello world的http服务

go代码这里就不介绍go的安装和配置了,直接搜教程。写好go程序后在当前目录下这时候8000端口的服务就开始挂着了这时候我们直接在浏览器访问本地的8000端口下的/go就可以看到输出了选择命令行访问

2022-06-01 22:04:48 251

原创 使用bind实现DNS服务

安装bind9sudo apt install bind9创建一个权威侧zone文件/etc/bind/example.com.zone域文件 zone file由指令directives 和资源记录resource records组成。指令指定名称服务器执行任务或者在该区域中应用特殊设置;资源记录定义该区域的参数,并为每台主机分配身份识别。指令是可选的;资源记录是必须的,需要为区域提供名称服务。$TTL 10M@ IN SOA ns1.example.com a

2022-06-01 19:27:42 2915

原创 nginx: [error] open() “/run/nginx.pid“ failed (2: No such file or directory)

nginx一个坑重启命令sudo nginx -s reloadsudo nginx -s reopen关机或者关闭nginx服务后大家可能选择重启服务这时候会报错这是因为每次关闭后后会删除这个文件nginx.pid,不只是关机。这时候选择nginx安装位置下的nginx.conf重新生成这个文件sudo nginx -c /etc/nginx/nginx.conf重启没有问题,正常工作还有不要用service nginx stop等来关闭或者打开nginx服务,亲测关不了,别人的命

2022-05-31 22:39:20 2066

原创 使用nginx实现四层负载均衡(利用nginx实现请求转发)

为了让nginx进行转发,我们简单实现两个服务。1:实现一个DNS服务放在任何你想的端口,这里是80532:实现一个网页服务放在任何你想的端口,这里是8000,网页服务在/go下请求->nginx->后端服务配置nginx的配置文件,添加stream模块在配置文件中添加stream模块,server的ip和端口可以自己修改,提供了两个转发,53端口和80端口的请求将被转发到其他端口进行服务。这里我们也可以修改,因为默认的服务是在80和53端口,可以不加端口号直接访问,也可以指定端口,但是我们在访问的时

2022-05-31 15:42:38 3006

原创 虚拟机三种网络模式设置的区别(桥接、Nat、Host-Only)

虚拟机三种网络模式设置的区别(桥接、Nat、Host-Only)桥接模式Nat网络地址转换Host-Only仅主机模式三种模式下通信都依赖的是物理机的网卡,这一点不变,只是三种模式下物理机和虚拟机的网络结构不同,针对不同用途进行对应的设置。有一个坑一定要切记,ubantu20以后用netplan来配置网络,但你配置三种不同的模式尽量每种模式都备个份,不然需要改来改去。桥接模式桥接模式示意图桥接模式下,虚拟机和主机处在同一个路由器下,这时候虚拟机的iP和主机的iP处在同个网段。这里可能有个问题,那

2022-05-21 23:42:01 1917

原创 ubuntu20.04配置仅主机(host-only模式,VirtualBox)

ubuntu20.04配置仅主机(host-only模式,VirtualBox)设置仅主机模式在Host-Only模式下设置网络Host-Only连接外网物理机共享网络给虚拟机设置仅主机模式设备->网络->网络->连接方式除了仅主机模式外,还有网桥和网络地址转换Nat模式(默认),设置完成后,虚拟机就没网了,可以试试。在Host-Only模式下设置网络上面我们可以看到VirtualBox Host-Only Ethernet Adapter,那么在哪里配置它呢,可以有两个选择,

2022-05-20 18:41:55 1832

原创 POST和GET的区别

POST和GET区别在那里?确定点:传输数据大小:安全性(说法不一):知乎CSDN确定点:HTTP请求设定了八种方法,这八种方法本质上没有任何区别,当然GET和POST也没有本质区别,就是HTTP协议中的两种发送请求的方法而已,更多的是为了在语义上区分不同类型的消息请求。传输数据大小:协议本身没有规定,只是实际开发过程中会有区别,URL长度需要被限制,因为开销很大,对于POST,由于不是URL传值,理论上是不会受限制的,但是实际上各个服务器会规定对POST提交数据大小进行限制。安全性(说法不一):

2022-05-17 21:00:44 74

原创 有状态服务和无状态服务的区别

有状态服务和无状态服务的区别有状态和无状态服务是两种不同的服务架构,两者的不同之处在于对于服务状态的处理。服务状态是服务请求所需的数据,它可以是一个变量或者一个数据结构。无状态服务不会记录服务状态,不同请求之间也是没有任何关系;而有状态服务则反之。对服务器程序来说,究竟是有状态服务,还是无状态服务,其判断依据——两个来自相同发起者的请求在服务器端是否具备上下文关系。无状态服务无状态请求,服务器端所能够处理的数据全部来自于请求所携带的信息,无状态服务对于客户端的单次请求的处理,不依赖于其他请求,处理一次

2022-05-16 21:32:11 4528

原创 图灵完备是什么意思

图灵完备一切可计算的问题都能计算,这样的虚拟机或者编程语言就叫图灵完备的。一个能计算出每个图灵可计算函数(Turing-computable function)的计算系统被称为图灵完备的。一个语言是图灵完备的,意味着该语言的计算能力与一个 通用图灵机 (Universal Turing Machine)相当,这也是现代计算机语言所能拥有的最高能力。图灵完备是什么意思呢?在可计算理论中,当一组数据操作的规则(一组指令集,编程语言,或者元胞自动机)满足任意数据按照一定的顺序可以计算出结果,被称为图灵完备

2022-04-28 15:39:30 2188

原创 强化学习随笔

强化学习随笔valuebase经验回放一个Q网络到两个Q网络计算目标Q值的方法:贪婪法到解耦目标Q值动作的选择和目标Q值的计算由经验回放采样到根据样本的TD误差进行采样:优化网络结构Dueling DQNPolicybase蒙特卡罗策略梯度reinforce算法:Actor-critic算法A3C异步ACDDPG:深度确定性策略梯度Off-policy和on-policy确定性策略和随机策略重要性采样的几个问题(针对off-policy)什么时候不可以使用经验回放valuebase:经验回放:一个Q网络到两

2022-02-12 22:20:48 722

原创 拜占庭协议(Byzantine Agreement)和拜占庭广播(Byzantine Braodcast)

拜占庭协议(Byzantine Agreement)和拜占庭广播(Byzantine Braodcast)拜占庭协议初始状态: 所有节点获取输入i 。(节点定义:一群有独立的IO,缓存和运算器,可以运行共识算法,并且互相进行通信的设备)目标:运行共识算法之后,所有节点产生输出v,满足如下条件:安全性(safety): 如果其中一个节点输出了v, 那么其他正确节点不可能输出其他的值存活性(liveliness):所有节点最后会输出值合法性(validity):若所有节点输入的值全部为i,那么所有正

2021-10-10 20:43:12 1439

原创 关于强化学习策略梯度的一个简单例子

简介用一个具体的例子来演示策略梯度的应用。这里使用了OpenAI Gym中的CartPole-v0游戏来作为我们算法应用。这个游戏比较简单,基本要求就是控制下面的cart移动使连接在上面的pole保持垂直不倒。这个任务只有两个离散动作,要么向左用力,要么向右用力。而state状态就是这个cart的位置和速度, pole的角度和角速度,4维的特征。坚持到200分的奖励则为过关。代码使用了一个三层的神经网络,输入层,一个隐藏层和一个输出层。下面我们看看关键部分的代码。代码参考了博客园的一个例子,并做了适当修

2021-09-17 16:57:32 327

原创 关于DQN的一个简单例子

文章介绍:用一个具体的例子来演示DQN的应用。这里使用了OpenAI Gym中的CartPole-v0游戏来作为我们算法应用。这个游戏比较简单,基本要求就是控制下面的cart移动使连接在上面的pole保持垂直不倒。这个任务只有两个离散动作,要么向左用力,要么向右用力。而state状态就是这个cart的位置和速度, pole的角度和角速度,4维的特征。坚持到200分的奖励则为过关。代码使用了一个三层的神经网络,输入层,一个隐藏层和一个输出层。下面我们看看关键部分的代码。代码参考了博客园的一个例子,并做了适

2021-09-16 17:13:45 973

原创 在线matlab

网址:https://octave-online.net/

2021-09-14 15:39:53 398

原创 论文阅读:基于区块链的分布式软件定义车载网络一种深度q -学习方法

关键技术运用:许可区块链+软件定义的vanet+基于优先级体验重放的深度q学习传统的问题及文章解决方法问题1:缺乏基础设施和动态性方法:使用软件定义的vanet动态和安全地管理vanet。问题2:传统集中式平台易受节点攻击,所以使用分布式系统,但对于分布式系统问题在于如何达成一致。方法:使用区块链,在基于基于SDN的可编程区域控制平面,提出了一种集成框架,该框架可实现联网车辆通信VANET安全的动态编排。特殊的共识协议:协议与域控制层和区块链系统交互。目标是使用共识协议安全地收集和同步从不同的

2021-08-06 14:05:28 3586

原创 论文阅读:基于边缘计算和深度学习的车联网安全多层网络

基于边缘计算和深度学习的车联网安全多层网络技术运用:Edge+LSTM+多层网络目标:使用无监督深度学习技术如何有助于识别可疑车辆行为,确保体系结构的安全。用RNN模型是用于捕获序列信息,文章使用堆叠LSTM问题:云计算本身将不足以支持物联网驱动的未来的大规模应用:有限的带宽、延迟限制和连接问题。方法:使用多层网络解决网络分层:云是顶层,在这个层次结构中,它具有最高的处理能力和数据存储能力。它被用来做全局决策和数据仓库。因此,它是在应用程序中执行计算密集型任务的最佳选择。Edg...

2021-08-06 13:51:48 1315 1

原创 论文阅读:普适边缘计算环境下的区块链资源分配与共识

普适边缘计算环境下的区块链资源分配与共识资源提供者:具有传感、存储和通信资源的"抽象边缘"设备应用:使用这些资源可以完成数据交易安全保证:区块链技术确保交易不可更改和否认本文特点:1、利用设计的区块链公平有效的分配边缘设备上的存储资源,并且实现可扩展性。2、新的块存储方案来快速检索丢失的块。3、利用数据迁移算法动态分配数据和块存储来适应网络拓扑变化共识算法:股权证明机制本文的方案设计目标:1)如何在有限存储的网络中最优地存储数据;2)如何在设备移动时调整数据存储;3)如何在边缘设备中

2021-08-05 23:30:36 6221 2

转载 共识机制-Algorand共识算法介绍

Algorand共识算法是图灵奖获得者Silvio Micali在2017年底提出。Michali是MIT的教授,是一位密码学家和计算机理论学家,在伪随机数以及零知识证明领域很有名。Algorand共识算法的论文的下载地址:https://people.csail.mit.edu/nickolai/papers/gilad-algorand.pdf。本文先介绍一下VRF,再介绍Algorand共识算法的流程:1)VRF(Verifiable Random Function)可验证随机函数从VRF的名

2021-08-05 16:31:52 1357

原创 POS(权益证明机制)

由来:Sunny King和Scott Nadal首先建议使用权益证明作为工作量证明(PoW)的替代方案,并创造了权益一词。他们描述了一种算法,该算法根据个人钱包中代币的数量和年龄选择生产区块的节点。Peercoin(PPC)被创造出来,并成为第一个混合加密货币。PPC使用PoW分发令牌,并使用PoS验证交易。简介:权益证明机制的目的是让所谓的“权益者”、“锻造者”或者“验证者”来代替矿工,他们本质上是相关币的持有者,持有币来证明他们工作着,以便最大化他们的“权益”。. 简单的说,POS (权益证明)

2021-08-05 11:12:18 6695

原创 一、无容量设施选址问题

1、问题描述无容量限制设施选址问题是运筹学领域的一个著名问题。该问题只有二元决策变量,适合于验证二元优化算法的性能分析和比较。在这个问题中,有客户、供应商和转运成本,每个客户都应该接受供应商的订单。该问题有两个成本,即设施建设成本和转运成本,其目标是通过设置决策变量0或1来最小化总成本,这些变量的值决定了设施的开启或关闭。可行解的个数由可能的设施位置的个数来计算。当n为可能的设施位置数时,得到问题的2n个不同的可能解。由于UFLP是NP-hard问题,大量的近似、进化或群体智能算法被提出来解决这个问题。

2021-08-04 15:48:11 1833

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

提示
确定要删除当前文章?
取消 删除