大师的学徒的博客

原创 lsprepost岩石爆炸仿真——学习札记2

位置放到-1m，处于正中心。

原创 地形匹配的特征参数

补零后，边界点的梯度计算可能偏低（实际应用中可改用镜像填充）。上述代码使用循环便于理解，实际可以用矩阵运算优化（如。函数配合'symmetric'选项来实现。（分母是 N−1N−1），而。函数：矩阵代替循环）。

原创 机器学习日志（暂时不更新）

原创 爆炸仿真--学习札记

今天学习了一下【Workbench LS-DYNA中炸药在空气中爆炸的案例-哔哩哔哩】 https://b23.tv/kmXlN29。创建几何结构直接双击会用ansys-discovery，而不是ansys收购的ly-dyna，所以右击选择modeler。等方法仍然没有其他分析系统（如 Mechanical、Fluent、LS-DYNA 等）按照该流程创建完网格，定义好求解方程，忘记调耦合方法了。可调至21：17处。框2tnt选择切割材料，我们是ale，所以选择共节点的方式。工具箱（Toolbox）里。

原创 如何调控gpu训练参数

直接减少 GPU 显存占用，但可能会略微降低训练稳定性（梯度更新变少）。显存占用减少 30%~50%，训练速度可能提升 20%+。如果任务对细节要求不高（如场景分类），优先降低分辨率。对模型精度影响极小（现代模型普遍支持 FP16）。可能轻微影响模型精度（尤其是小物体识别任务）。如果训练时显存仍不足，需结合其他参数调整。单卡训练显存需求更低，但训练速度变慢。适用于调试或显存严重不足的情况。），直到不报 OOM 错误。显存占用大幅减少（分辨率从。可减少约 50% 显存）。

原创 安装了torch发现是cpu版本怎么办？

print("GPU 设备名称:", torch.cuda.get_device_name(0)) # 打印显卡型号。print("PyTorch CUDA 版本:", torch.version.cuda) # 应显示 12.1。print("CUDA 可用:", torch.cuda.is_available()) # 应输出 True。：无需额外创建环境，适合快速测试或短期项目。：安装的包对所有项目可见（适合常用工具如。可以省略以下步骤（防止污染环境）

原创 数据损坏编码格式出现错误的解决方法

原创 更换git位置并在pycharm中重新配置

确保系统环境变量中的 Path 包含了新的 Git 安装路径 ，如果使用unins0000自动卸载就不会有旧路径。更新 PyCharm 终端的 Shell 路径。更新 PyCharm 中的 Git 路径。

原创 git使用的DLL错误

提示 MINGW64的DLL链接有问题，其实是Windows的安全中心限制了，在安全中心取消即可。安装好git windows客户端打开git bash提示。

原创 写论文时降AIGC和降重的一些注意事项

写一些研究成果，英文不是很好，用有道翻译过来句子很简单，句型很单一。那么你会考虑用ai吗？有的话就算没有用ai生成，但是你写的话和别人重复太高，也会被判重。如果语句太正式，高级，会被误判成aigc ，慎重选择ai润色。这个话是每个人都会写的，因为这个领域的人都会对此分析。ai判断的主要还是逻辑，他会自己判断，语言其次。

原创 微课制作小技巧（仅供学习）

• PowerPoint：内置丰富的动画、过渡效果以及声音效果，支持录制屏幕和摄像头，快速制作微课。• OBS Studio：免费开源，支持多系统，具有高度可定制性，适合涉及直播或复杂场景录制的用户。• 野葱：支持录制屏幕、人像和声音，可直接用快捷方式开始录制/停止录制，支持云端保存。• EV录屏：适合制作微课的软件，支持同时录制屏幕、人像和声音，无水印，运行流畅。• 芦笋录屏：功能强大且易于使用，支持多种录制模式，包括全屏、区域和摄像头录制。谨慎使用地图、政治人物的图像等等，一定注意政治敏感！

原创 三幅图看懂如何将bibtex宏加载项搞出来

到word文件启动路径.启动路径一般为"C:\Users\***\AppData\Roaming\Microsoft\Word\STARTUP"，***为你的用户名。解压下载文件，将bibtex4word.dot。必须使用过latex，不然没有环境变量。word阻止宏运行 文件来源不受信任？

原创 图像分割算法的显示与分析

该算法并非原创，仅供学习使用。

原创 算法学习记录

第一是关于意见修改：我的意见结构混乱，列举了大量问题，既没有聚焦核心问题，也没有提供具体文献支持，以后我会改善行文风格。是一种优化算法，广泛应用于凸优化问题，尤其是原始-对偶结构的优化问题。所以数据加载不是从 `calc_w_2d.m` 来的，而是从 `data` 目录下的文本文件中读取的预处理数据。是经济学中用来解决一般均衡问题的经典方法，它通过原始-对偶优化来实现资源的最优配置。- `paragcut/Graph.cpp` - 图数据结构和算法实现。- `graph.cpp` - 基础图操作实现。

原创 在Linux上使用matlab遇到的问题

输入 echo %PATH%，检查系统变量存在matlab地址；输入mcc ，检查指令是否可行。

原创 如何下载MinGW-w64到MATLAB

MinGW 的全称是：Minimalist GNU on Windows。它是将经典的开源 C语言 编译器 GCC 移植到了 Windows 平台下，并且包含了 Win32API ，因此可以将源代码编译为可在 Windows 中运行的可执行程序。而且还可以使用一些 Windows 不具备的，Linux平台下的开发工具。

原创 期刊论文发表

论文发表说到底是一种学术交流的方式，但是传统的发表方式也有着一些弊端，比如从成文到同行评议到网上发表排版付印，极有可能花费几个月的时间。随着新冠疫情的发展，预印本网站被大家所熟悉，通过预印本网站快速发布自己的文章，更利于交流，也同时相当于将自己的idea固定下来占个坑位。arXiv是目前最老牌也是包括学科最为全面的预印本网站，涵盖了数学、材料、物理、计算机、统计、天文、生物、金融等领域。arXiv网站是免费开放获取的先驱，在当时在杂志普遍收费才能下载的上世纪九十年代，可以说是意义重大。目前为止，arXiv已

原创 3D打印学习

⑴、先将3D Max，pro-E，SolidWorks，UG，犀牛等三维设计软件设计出的三维立体图形再“另存为...”或“保存副本”为“STL/OBJ”等二进制格式文档（注意：保存时，设置好“弦高”“误差”“角度”等参数，以便转出优质的二进制格式文件）；⑸、最后，通过旋钮/触控屏选择从“由存储卡”或“打印”中，选中储存设备中要打印的文件，点击确定，机器喷头和平台开始升高温度，温度到达软件中设定的值之后，机器将自动进行打印。安装Fusion 360。关注公众号，获取资源。

原创 gitcode使用导航

01-清华大学镜像网站下载Git_哔哩哔哩_bilibili【Git】解决Ctrl+V无法粘贴文本的问题_git bash here ctrl+v 不好使-CSDN博客：shift+insertgit创建本地仓库连接远程仓库及基本命令_git关联远程仓库命令-CSDN博客

原创 如何用Docker部署思源笔记

通过 NGINX 反向代理，你可以隐藏后端服务的默认端口（如思源笔记的 6806 端口），只暴露 NGINX 监听的端口（如 80 或 443）。这可以提高安全性，因为直接暴露后端服务的端口可能会带来安全风险。如果你需要以特定用户运行容器，但又不想在容器内创建用户组，可以在 Docker Compose 文件中使用。这需要确保宿主机上的用户组 ID 与容器内使用的用户组 ID 一致。如果一切正常，你应该能够看到思源笔记的界面。在文件夹下创建conf文件（，用于存储思源笔记的数据。，在启动容器时需要带参数。

原创 如何在Windows上使用Docker

WSL2（Windows Subsystem for Linux2）是微软开发的一种技术，允许在 Windows 操作系统上运行 Linux 环境。它提供了一个兼容层，使得用户可以在 Windows 系统中直接运行 Linux 命令行工具、应用程序和开发工具，而无需使用虚拟机或双系统启动。

原创 激波前后参数变化的近似表达式及其代码

摘要空气动力学，已知高超声速绕流中的激波和膨胀波关系式，结合高超声速流动的特点，和真实气体效应，分析激波前后参数变化的近似表达式。在高超声速流动中，激波和膨胀波是两种重要的流动特征。激波是由于流体速度超过音速时所产生的密度、温度和压力骤增的现象，而膨胀波则是流速降低时，流体状态逐渐变化的现象。分析高超声速绕流中的激波和膨胀波关系以及真实气体效应，对于理解激波前后参数变化至关重要。

原创 基于基础薄弱的备考六级指南

冲刺的时候，每天一套卷子，大概是下午起床听听力并且做一个短篇阅读，下午吃完饭做一个长篇和另一个短篇，晚自习写个作文和翻译，15选10随缘，晚上睡前简单对个答案，第二天早上总结一下，就这样循环往复，雷打不动。单词：六级一共5k5词，每天背点，从一天30词逐渐加量，最后阶段一天甚至可以花一小时背500词（也不知道背了个啥，大概率没用），单词书和扇贝单词结合，也可以听单词视频，我没试过不过多种感官调用最好。作文模板范文串讲，翻译常用词和高频词，最终预测，其实报网课都会发讲义，网上课程也都可以搜的到，背就完事了。

原创 《把时间当作朋友(第3版)》 1—3章

当你把时间花在一个人身上的时候，相当于在他的身上倾注了你生命的一段，不管最终结果如何，反正，那个人、那件事都成了你生命的一部分——不管最后你是喜欢还是不喜欢。

原创 基于神经网络的弹弹堂类游戏弹道快速预测

在机器学习中，神经网络是解决回归和分类问题的强大工具。本文通过对比全连接神经网络（SimpleNN）在不同激活函数下的表现，探索不同激活函数对模型训练过程和最终性能的影响。本实验通过使用PyTorch框架，首先使用ReLU激活函数，之后将激活函数切换为tanh，分析这两种激活函数在回归问题中的差异。———————————————— 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

原创 全链接神经网络拟合函数

在拟合正弦函数的任务中，增加偏置项使得网络能够更有效地模拟正弦波的起伏，改善了拟合的效果，减少了偏差，提升了模型的预测精度。通过对比模型的预测值与原始数据，可以看出，预测值与实际正弦函数的值非常接近，表明模型已成功模拟了正弦函数的行为。（双曲正切函数），该函数的输出范围为 [-1, 1]，更符合正弦波的输出特性，相较于 Sigmoid 函数，Tanh 能更有效地模拟正弦波的起伏。函数的输出范围是 (0, 1)，无法有效表示正弦函数的负值部分，而正弦函数的输出范围是 [-1, 1]，且具有周期性的波动。

原创 手写体数字分类模型

为了加速训练，我们将学习率设置为0.05，并使用动量（momentum）来防止梯度更新的震荡，经过若干隐藏层的处理后，输出10个神经元的向量，每个神经元表示一个数字类别的概率。FCNet由于缺乏图像的空间结构处理能力，导致其在分类任务中的表现较弱，训练过程中，FCNet的准确率较慢提升，最终准确率约为92%，而LeNet的准确率提升较快，训练结束时准确率约为98%。如图 2所示，尽管LeNet在计算复杂度上相对较高，因为卷积层和池化层会增加计算量，但相对于其在准确率上的提升，计算的代价是值得的。

原创 数值计算器fminunc处理约束问题的惩罚/障碍函数法

数值求解器迭代次数不够往往求得的解不是实际的解，慎用。

原创 关于KKT条件的线性约束下非线性问题-MATLAB

KKT条件得名于三位数学家：Karush（1939）、Kuhn（1951）和Tucker（1952），他们分别提出了类似的优化条件，并在后续研究中被统一和扩展。KKT条件是一种用于判断约束优化问题全局最优解的必要条件（在某些情况下也是充分条件），它通过引入拉格朗日乘子法和对偶性，将原问题转化为更易求解的形式。

原创 KKT实际运用 -MATLAB

【代码】KKT实际运用 -MATLAB。

原创 DFP算法-MATLAB

DFP算法是在20世纪60年代初期由Davidon、Fletcher和Powell共同开发的，是拟牛顿法（Quasi-Newton Methods）的一种重要实现。拟牛顿法的基本思想是利用目标函数在当前点附近的二次近似来构造搜索方向，并通过迭代更新这一近似来逼近真实的解。DFP算法通过不断更新Hessian矩阵的逆矩阵（或其近似）来实现这一目标，从而避免了直接计算Hessian矩阵及其逆矩阵的高昂代价。

原创 Runge-Kutta法求二阶常微分方程-C++

二阶常微分方程是数学和物理学中常见的一类方程，形式通常为 y'' = f(x, y, y')。由于Runge-Kutta法是一种高效的数值积分方法，特别适用于求解一阶微分方程，因此当需要求解二阶微分方程时，通常需要先将其转换为一阶微分方程组。这可以通过引入一个新的变量（如 z = y'）来实现，从而将原二阶方程转化为两个一阶方程：y' = z 和 z' = f(x, y, z)。在C++编程中，实现Runge-Kutta法求解二阶常微分方程涉及到编写相应的函数和循环结构，以及处理转换后的一阶微分方程组。

原创 Runge-Kutta法（龙格-库塔法）求一阶常微分方程-C++

Runge-Kutta法是基于离散化的思想，将连续的时间区间分成若干个离散时间步长，然后在每个时间步长内，通过计算微分方程的导数来得到该时间步长内解的近似值。该方法通过多次迭代和插值来逼近真实解，具有较高的精度和较好的稳定性。在C++编程中，Runge-Kutta法可以通过编写相应的函数和循环结构来实现，从而求解各种类型的一阶常微分方程。

原创 Gauss-Seidel迭代法-C++

背景Gauss-Seidel迭代法是基于Jacobi迭代法的改进，旨在通过利用已更新的近似解来加速迭代过程，从而更快地逼近线性方程组的解。该方法特别适用于求解对称正定矩阵或对角占优的线性方程组。

原创 Romberg求积算法-C++

Romberg求积算法是一种数值积分算法，它基于外推的思想，通过递归地划分积分区间并计算子区间积分来提高精度。这种算法结合了复化梯形公式和Richardson外推法，通过逐步构建更高阶的求积公式，并以较小的计算代价获得远高于原始公式的精确度。Romberg求积算法特别适用于求解定积分问题，尤其是当被积函数光滑且积分区间有限时，能够在保证精度的前提下有效减少计算量。

原创 Jacobi迭代法-C++

Jacobi迭代法是一种用于求解线性方程组的数值迭代方法，特别适用于求解大型稀疏矩阵的方程组。它通过迭代的方式逐步逼近方程组的解，每次迭代都基于前一次迭代的结果进行更新。在C++中实现Jacobi迭代法，可以高效地处理这类问题，尤其是在需要并行计算或分布式处理的场景中。

原创 Newton迭代法-C++【可直接复制粘贴/欢迎评论点赞】

Newton迭代法（又称为牛顿-拉夫逊方法）在C++中的实现涉及到了求解非线性方程或方程组根的一种数值方法。

原创 弦截法-C++【可直接复制粘贴/欢迎评论点赞】

弦截法（也称为弦切法）在C++中实现时，是一种用于求解非线性方程根的迭代方法。

原创 拉格朗日插值法-C++【可直接复制粘贴/欢迎评论点赞】

拉格朗日插值法是一种数学上用于通过已知数据点构造多项式的插值方法。在C++中实现拉格朗日插值法，既能够利用C++的强大计算能力，又能够体现出拉格朗日插值法的独特优势。

原创 Cholesky分解法-C++【可直接复制粘贴/欢迎评论点赞】

优点高效性：Cholesky分解法特别适用于对称正定矩阵，其计算效率通常高于一般的矩阵分解方法，如LU分解。这对于处理大规模矩阵和计算资源有限的场景尤为重要。 数值稳定性：与某些其他分解方法相比，Cholesky分解法具有较好的数值稳定性，能够更准确地处理矩阵的分解和后续的计算。 易于实现：C++作为一种高效且灵活的编程语言，提供了丰富的数学库和数据结构支持，使得Cholesky分解法的实现变得相对简单。 广泛应用：Cholesky分解法在多个领域都有广泛的应用，包括数值计算、线性代数、优化问