内核 深度 记事本jupyter
《Linux内核完全注释》（1）
1 概述 1.1 Linux发展 1.1.1 Unix Unix诞生于1969年，1972年用C语言进行改写，使其能够广泛推广。 1.1.2 Minix 基于Unix，一群老师研发了minix用于教学，但是由于不开源，功能也不够，只够用于教学。这激发了Linus开发了Linux操作系统。 1.1.3 ......
第九节：单点登录方案深度剖析
一. 二. 三. ! 作 者 : Yaopengfei(姚鹏飞) 博客地址 : http://www.cnblogs.com/yaopengfei/ 声 明1 : 如有错误，欢迎讨论，请勿谩骂^_^。 声 明2 : 原创博客请在转载时保留原文链接或在文章开头加上本人博客地址，否则保留追究法律责任的权 ......
《动手学深度学习 Pytorch版》 9.8 束搜索
本节将介绍几大： 贪心搜索（greedy search）策略 穷举搜索（exhaustive search） 束搜索（beam search） 9.8.1 贪心搜索 贪心搜索已用于上一节的序列预测。对于输出序列的每一时间步 \(t'\)，都从 \(\boldsymbol{Y}\) 中找到具有最高条件 ......
《动手学深度学习 Pytorch版》 9.6 编码器-解码器架构
为了处理这种长度可变的输入和输出， 可以设计一个包含两个主要组件的编码器-解码器（encoder-decoder）架构： 编码器（encoder）：它接受一个长度可变的序列作为输入，并将其转换为具有固定形状的编码状态。 解码器（decoder）：它将固定形状的编码状态映射到长度可变的序列。 9.6. ......
《动手学深度学习 Pytorch版》 9.7 序列到序列学习（seq2seq）
循环神经网络编码器使用长度可变的序列作为输入，将其编码到循环神经网络编码器固定形状的隐状态中。 为了连续生成输出序列的词元，独立的循环神经网络解码器是基于输入序列的编码信息和输出序列已经看见的或者生成的词元来预测下一个词元。 要点： “<eos>”表示序列结束词元，一旦输出序列生成此词元，模型就会停 ......
内核参数max_map_count 和 ORA-04030
PLSQL Procedure Causing ORA-04030: (pga heap,control file i/o buffer) And ORA-04030: (koh-kghu sessi,pmuccst: adt/record) or ORA-04030: (koh-kghucall ......
wsl编译5.10GKI内核和KernelSU并刷入pixel6
拉取源码 当前pixel6是android13，所以选择了common-android13-5.10分支 接着就需要拉取对应分支的内核代码 mkdir ~/bin PATH=~/bin:$PATH curl https://storage.googleapis.com/git-repo-downlo ......
linux 内核 --- 关抢占/关中断，临界区
preempt_disable() local_irq_disable()/local_irq_save(flags) spin_lock() spin_lock_irq()/spin_lock_irqsave(lock, flags) spin_lock()会调用preempt_disable() ......
深度学习（pytorch载入onnx测试）
测试模型用之前文章训练的Alexnet模型。 首先将pth文件转为onnx文件: import torch import torch.nn as nn # 自定义AlexNet模型 class AlexNet(nn.Module): def __init__(self): super(AlexNet ......
《动手学深度学习 Pytorch版》 9.5 机器翻译与数据集
机器翻译（machine translation）指的是将序列从一种语言自动翻译成另一种语言，基于神经网络的方法通常被称为神经机器翻译（neural machine translation）。 import os import torch from d2l import torch as d2l 9 ......
哪款最适合你？7大免费需求管理工具深度比较
分享7款不错的免费需求管理工具：1.PingCode；2.Worktile；3. Trello；4. Asana；5. JIRA；6. ClickUp；7. Monday.com。选择免费还是付费的需求跟踪工具是一个大多数人都会面临的问题。免费工具的最大优点显而易见——它们不收费。但这也意味着这些工 ......
Java 记事本
Notepad package com.company; import java.awt.Dimension; import java.awt.FileDialog; import java.awt.Image; import java.awt.Toolkit; import java.awt.ev ......
课程二第一周：深度学习的实用层面
深度学习的实用层面 Train/Dev/Test sets 深度学习是一个典型的高度迭代的过程，需要不断地进行循环测试，来找到最适合当前网络的超参。一方面可以提升迭代的效率，另一方面可以避免过度拟合等问题。 在实践中，（合理的）高质量训练集、验证集和测试集，有助于提升迭代的效率。 Train/Dev ......
《动手学深度学习 Pytorch版》 9.4 双向循环神经网络
之前的序列学习中假设的目标是在给定观测的情况下对下一个输出进行建模，然而也存在需要后文预测前文的情况。 9.4.1 隐马尔可夫模型中的动态规划 数学推导太复杂了，略。 9.4.2 双向模型 双向循环神经网络（bidirectional RNNs）添加了反向传递信息的隐藏层，以便更灵活地处理此类信息。 ......
《动手学深度学习 Pytorch版》 9.3 深度循环神经网络
将多层循环神经网络堆叠在一起，通过对几个简单层的组合，产生一个灵活的机制。其中的数据可能与不同层的堆叠有关。 9.3.1 函数依赖关系 将深度架构中的函数依赖关系形式化，第 \(l\) 个隐藏层的隐状态表达式为： \[\boldsymbol{H}^{(l)}_t=\phi_l(\boldsymbol ......
linux 内核 ---信号量（semaphore）
信号量使用说明 （1）定义信号量 struct semaphore sem; （2）初始化信号量 void sema_init(struct semaphore *sem, int val); 该函数初始化信号量，并设置信号量sem的值为val。 （3）获得信号量 extern void down( ......
《动手学深度学习 Pytorch版》 9.2 长短期记忆网络（LSTM）
解决隐变量模型长期信息保存和短期输入缺失问题的最早方法之一是长短期存储器（long short-term memory，LSTM）。它与门控循环单元有许多一样的属性。长短期记忆网络的设计比门控循环单元稍微复杂一些，却比门控循环单元早诞生了近 20 年。 9.2.1 门控记忆元 为了记录附加的信息，长 ......
CentOS 7编译Linux内核(6.5.7)详细步骤
CentOS 7编译Linux内核(6.5.7)详细步骤 前言 对于一件要完成的任务，如果已有现成的、完善的方法文档可供参考，则博文只需引用链接即可，无需重复写一遍。写博客是结合自身需求，总结之前网络上没有的方法。本文即基于CentOS 7 64位，给出编译当前最新版Linux(6.5.7)的详细步 ......
RX66T优化用于电机控制R5F566TFFGFP、R5F566TKGGFP、R5F566TKCGFP搭载第三代RXv3 CPU内核的32位MCU
1、RX66T 框图 2、描述 RX66T 32位MCU是基于第三代RXv3 CPU内核的旗舰32位RX MCU系列中的首款产品。这些MCU优化用于电机控制，可满足实时性能和增强稳定性要求。这些特性帮助实现下一代智能工厂设备和智能家电中的逆变器控制。这些MCU还具有下一代设计中嵌入式AI所需的额外处 ......
【Python&RS】基于GDAL栅格数据/图片位深度（bit）转换
最近在用OpenCv库处理图片时发现cv库无法读取64位的tif影像，所有想通过Python将64位的图片转换成8位的。今天就跟大家分享一下如何利用Python的GDAL库，实现栅格数据/图片的位深度转换。 ......
深度学习基础认知简明梳理
深度学习基础简明梳理-基于李宏毅油管课程 前言 该内容为基于博主对深度学习的认知与实践经验的对李宏毅油管上课程的简要理解，有局限偏差之处，敬请谅解。后续随着学习的深入会进行一定修正。 本质概述 此处不会特意探讨机器学习与深度学习之间的差别，纵观这些领域，它们所构建的方法论为：寻找到一个模型（函数）， ......
深度学习模型_锁死种子
import torch import random import os import numpy as np def seed_setting(seed): random.seed(seed) # os.environ['']=str(seed) np.random.seed(seed) torc ......
神经网络入门篇：为什么深度学习会兴起？
为什么深度学习会兴起？ 这篇我们来讲故事，关于为什么深度学习会兴起的故事~ 深度学习和神经网络之前的基础技术理念已经存在大概几十年了，为什么它们现在才突然流行起来呢？ 因为多亏数字化社会的来临，现在的数据量都非常巨大，我们花了很多时间活动在这些数字的领域，比如在电脑网站上、在手机软件上以及其它数字化 ......
Centos 系统linux内核版本升级
查看当前内核版本 [root@k8s-master01 ~]# uname -r 3.10.0-1160.el7.x86_64 版本号中各个数字分开详细说明：3 ：主版本号10 ：次版本号0 ：修订号1160：发行版本的补丁版本el7 ： CentOS 7内核X86_64 ：64位操作系统 升级过程 ......
《动手学深度学习 Pytorch版》 9.1 门控循环单元（GRU）
我们可能会遇到这样的情况： 早期观测值对预测所有未来观测值具有非常重要的意义。 考虑一个极端情况，其中第一个观测值包含一个校验和，目标是在序列的末尾辨别校验和是否正确。在这种情况下，第一个词元的影响至关重要。我们希望有某些机制能够在一个记忆元里存储重要的早期信息。如果没有这样的机制，我们将不得不给这 ......
搭载RXv2内核、R5F51405ADFL、R5F51405AGFM、R5F51405ADFM配备新一代电容触摸IP的32位微控制器
RX140产品是RX100系列中处理性能最强、功耗最低的微控制器。可以广泛应用于家用电器、工业控制和楼宇自动化等领域。 ......
Linux基础——IPV6内核参数配置
一、检查内核配置是否启动ipv6 net.ipv6.conf.bond0.forwarding = 1 net.ipv6.conf.bond0.disable_ipv6 = 0 net.ipv6.conf.all.forwarding = 1 net.ipv6.conf.default.forwar ......
linux内核：伙伴算法、slab算法、ptmalloc、tcmalloc使用场景
linux内核空间 Linux 内核空间分为三个区域ZONE: ZONE_DMA, ZONE_NORMAL, ZONE_HIGHMEM 物理地址空间的顶部以下一段空间，被PCI设备的I/O内存映射占据，它们的大小和布局由PCI规范所决定。640K~1M这段地址空间被BIOS和VGA适配器所占据 由于 ......
多核ARM对内核的驱动
ARM处理器的4个核心在Linux系统中并不是由单独一个核心进行驱动。而是所有的核心协同工作，共同驱动系统。这种多核并行处理方式可以大大提高系统的处理能力和效率。 Linux 系统可以很好地支持多核处理器。它有一种称为“调度器”的机制，可以将系统任务在各个核心之间进行分配。它会尽可能地根据当前的任务 ......
《动手学深度学习 Pytorch版》 8.7 通过时间反向传播
8.7.1 循环神经网络的梯度分析 本节主要探讨梯度相关问题，因此对模型及其表达式进行了简化，进行如下表示： \[\begin{align} h_t&=f(x_t,h_{t-1},w_h)\\ o_t&=g(h_t,w_o) \end{align} \]参数字典： \(t\) 表示时间步 \(h_t ......