内核 深度 记事本jupyter
第02章 Python语法基础，IPython和Jupyter Notebooks
第2章 Python语法基础，IPython和Jupyter Notebooks 当我在2011年和2012年写作本书的第一版时，可用的学习Python数据分析的资源很少。这部分上是一个鸡和蛋的问题：我们现在使用的库，比如pandas、scikit-learn和statsmodels，那时相对来说并 ......
深度学习梯度与反向传播
梯度与反向传播 1、梯度(方向向量) 1.1 什么是梯度 梯度：是一个向量，导数+变化最快的方向(学习的前进方向) 目标：通过梯度调整(学习)参数$$w$$,尽可能的降低$$loss$$ 一般的，随机初始一个$$w0$$,通过优化器在学习率和梯度的调整下，让$$loss$$函数取到最小值。 1.2 ......
【研究生学习】深度学习中几种常用的卷积形式的原理以及其Pytorch调用
本篇博客主要记录一下在深度学习中几种常用的卷积形式的基本原理、输入输出维度，以及如何在Pytorch中调用这些卷积形式 卷积 卷积实际上是对图像的不同区域进行特征提取，一般认为输入图像的维度为H×W×C，如下图所示： 图像具有颜色通道，一般是RGB，需要理解的是不同通道数的图像和不同的通道数的滤波器 ......
权限提升-Windows内核提权
权限提升-Windows内核提权 目录权限提升-Windows内核提权本节知识点系统内核溢出漏洞提权概述内核溢出提权步骤补丁对比法1.手动查找系统补丁2.对比查找系统潜在漏洞项目一:Windows Exploit Suggester项目二.WindowsVulnScan项目三 wesng3.提权大集 ......
操作系统内核漫游
操作系统内核漫游(前传) 此文记录操作系统自底向上如何运行。因为学校的教学中大多数直接开始教操作系统中的很多算法(至少我是如此)，导致我学完之后依然不知道他在整个计算机中的身份地位，也并不清楚他如何与计组以及汇编、C语言之间的关联。此笔记算是学习学校所谓的操作系统的感性的前置(前传)知识吧。感性是因 ......
如何获取 C#程序 内核态线程栈
一：背景 1. 讲故事 在这么多的案例分析中，往往会发现一些案例是卡死在线程的内核态栈上，但拿过来的dump都是用户态模式下，所以无法看到内核态栈，这就比较麻烦，需要让朋友通过其他方式生成一个蓝屏的dump，这里我们简单汇总下。 二：如何生成内核态dump 1. 案例代码 为了方便演示，来一段简单的 ......
操作系统（3）---操作系统的接口、内核
一、操作系统的接口 用户使用操作系统的方式： 命令行 shell是提供用户使用界面的程序（命令解释器），包括图形界面shell和命令行shell。其作用有二： 传递请求指令，让操作系统执行命令 保护内核 图形按钮 图形界面是一个包括画图的c程序。每一个硬件动作相当于一个事件，根据事件列表会有对应的内 ......
下载linux内核代码
【地址】 参考https://zhuanlan.zhihu.com/p/615920216 git clone https://mirrors.tuna.tsinghua.edu.cn/git/linux-stable.git 【遇到本地失败问题】 git config core.protectNT ......
嵌入式深度学习1-引言
嵌入式深度学习引论 博主序 这一系列博客，是以Bert Moons的《Embedded Deep Learning》为蓝本进行翻译得到的。考虑到中文互联网上资源较少，才决定写成公开博客发布至互联网的。 此系列博客选择性地做了一些翻译和梳理的工作。书中涉及的部分实例可能不会被摘录，过于基础的内容也会被 ......
Pytorch环境深度学习环境
Pytorch环境深度学习环境 1、安装minicoda 下载地址：Miniconda — miniconda documentation 设置环境变量： 安装路径\Miniconda3 安装路径\Miniconda3\Scripts 安装路径\Miniconda3\Library\bin 测试：打 ......
在Jupyter中运行Rust（需要安装Minicconda、JupyterLab和Rust）
安装Miniconda 有许多不同的方法可以在一个方便我们工作的环境中启动和运行。我可以推荐的一种方法是安装和使用Miniconda。 Miniconda是一个免费的最小安装程序。它是 Anaconda 的一个小的引导版本，仅包含 conda、Python、它们所依赖的包，以及少量其他有用的包，包括 ......
动手学深度学习_4 多层感知机
from pixiv 多层感知机原理 隐藏层 严格一点来讲：我们需要隐藏层是因为线性是一个很强的假设，线性模型在有些情况会不适用或者出错。 一个形象的例子： 就如同上面图片中展示的XOR问题,如果我们现在想要将绿和红球分开，如果只用一条"线性"，我们会发现我们是做不到的，起码要两条及以上的"线性" ......
Go结构体深度探索：从基础到应用
在Go语言中，结构体是核心的数据组织工具，提供了灵活的手段来处理复杂数据。本文深入探讨了结构体的定义、类型、字面量表示和使用方法，旨在为读者呈现Go结构体的全面视角。通过结构体，开发者可以实现更加模块化、高效的代码设计。这篇文章旨在为您提供关于结构体的深入理解，助您更好地利用Go语言的强大功能。 关 ......
一键部署可视化Linux内核与驱动调试环境
docker run -itd --privileged --name "linux-driver-debug-test" registry.cn-hangzhou.aliyuncs.com/loongenclave/linux-driver-debug:latest 哔哩哔哩视频 ......
（system）ntoskrnl.exe是Windows操作系统的内核文件之一，也是整个操作系统的核心部分
ntoskrnl.exe是Windows操作系统的内核文件之一，也是整个操作系统的核心部分。它被称为Windows NT操作系统内核，是操作系统中最重要、最基础的部分之一。ntoskrnl.exe主要负责管理和控制计算机的各种硬件资源，包括处理器、内存、磁盘、输入输出设备等等。 ntoskrnl.e ......
jupyter -- 数据分析可视化开发工具
博客地址：https://www.cnblogs.com/zylyehuo/ jupyter介绍 jupyter就是anaconda提供的一个基于浏览器的可视化开发工具 jupyter的基本使用 启动 在终端中录入：jupyter notebook的指令，按下回车 新建 python3：anacon ......
深度学习在图像识别领域还有哪些应用？
深度学习在图像识别领域的应用非常广泛，除了之前提到的图像分类、目标检测、语义分割和图像生成，还有其他一些应用。 图像超分辨率重建：深度学习技术可以用于提高图像的分辨率，例如通过使用生成对抗网络（GAN）和变分自编码器（VAE）等技术，可以将低分辨率的图像转换为高分辨率的图像，从而提高了图像的清晰度和 ......
Go每日一库之118：netlink（内核通信）
# 什么是netlink？ netlink 是 Linux 系统里用户态程序、内核模块之间的一种 IPC 方式，特别是用户态程序和内核模块之间的 IPC 通信。比如在 Linux 终端里常用的 ip 命令，就是使用 netlink 去跟内核进行通信的。例如想在golang代码中实现ip link a ......
如何管理 Jupyter Notebook 的kernel环境
在 Jupyter Notebook 中，你可以使用以下方法来管理 kernel 环境：1. 安装 kernel：首先，你需要安装所需的 kernel。不同的编程语言和环境可能有不同的 kernel。你可以使用包管理器（如 pip、conda）来安装特定语言的 kernel。例如，要安装 Pytho ......
QRes v1.1是由Anders Kjersem开发的一个工具，用于在Windows上更改分辨率。它提供了一些命令行选项来控制分辨率、颜色深度和刷新率等参数
QRes v1.1是由Anders Kjersem开发的一个工具，用于在Windows上更改分辨率。它提供了一些命令行选项来控制分辨率、颜色深度和刷新率等参数。 协助用户更改桌面分辨率，颜色深度和刷新率。具有命令行工具，无需启动GUI界面即可更改所有这些设置。显示使用情况信息并自动将配置保存在注册表 ......
5. 深度学习计算
层与块 块是由若干个层组成, 在编程中我们一般用类表示块, 一般我们通过实例化nn.Sequential()来构建模型, 而有时我们需要自定义块; class MLP(nn.Module): # 用模型参数声明层。这里，我们声明两个全连接的层 def __init__(self): # 调用MLP的 ......
机器学习与深度学习
深度学习和机器学习是人工智能领域的两个重要概念，他们之间存在密切的关系，同时又有一些重要的区别。 机器学习（Machine Learning）： 机器学习是一种数据分析技术，它使计算机系统能从以往的经验（或者说数据）中学习并改进自身的性能，而无需进行明确的编程。换句话说，机器学习就是让机器从数据中找 ......
2023版：深度比较几种.NET Excel导出库的性能差异
2023版：深度比较几种.NET Excel导出库的性能差异 2023版：深度比较几种.NET Excel导出库的性能差异 引言 背景和目的 本文介绍了几个常用的电子表格处理库，包括EPPlus、NPOI、Aspose.Cells和DocumentFormat.OpenXml，我们将对这些库进行性能 ......
nlp基础-深度学习的博客及其提炼
Norm 浅谈Transformer的初始化、参数化与标准化 RMSNorm：去掉了LayerNorm的均值，只保留了方差 Pre-norm和Post-norm的对比： 为什么Pre-norm效果更差数学解释 Pre-norm模型没有Post-norm '深'，所以理论上限更低 Pre-norm的残 ......
深入Linux内核（进程篇）—进程切换之ARM体系架构【转】
转自：https://blog.csdn.net/liyuewuwunaile/article/details/106773630 进程切换一、context_switch二、switch_mm2.1 刷新I-CACHE2.2 ASID和TLB2.3 页表转换基址切换三、switch_to进程切换由 ......
尝试用ColabPro训练深度学习模型
Colab中使用.ipynb文件，即我们平时使用的Jupyter Notebook文件来完成相关代码的执行。如果要训练模型，需要将模型封装成可以经过ipynb文件执行的形式。 在具体的运行时类型中，可以选择不同的运行时，其中包含了可选的GPU和CPU。GPU中有V100、A100、T4这几种可以选择 ......
Linux centos7内核升级 简单快速的方法
Linux是支持多版本内核共存的，无非是系统启动的时候应用哪个版本内核而已。 关于内核： Linux 内核分两种：官方内核（通常是内核开发人员用）和各大 Linux 发行版内核（一般用户常用）。 关于Linux内核版本号：例如：[root@centos7 ~]# uname -r3.10.0-112 ......
深度学习 学习与训练中遇到的问题 记录
RuntimeError: Sizes of tensors must match except in dimension 1. Got 61 and 60 in dimension 2 错误产生原因：在模型中有以下操作：torch.cat(x, y) 当x, y的尺寸不一致时，就会出现以上错误。 ......
内核模块详细加载/卸载过程
ko文件在数据组织形式上是ELF(Excutable And Linking Format)格式，是一种普通的可重定位目标文件。 这类文件包含了代码和数据，可以被用来链接成可执行文件或共享目标文件，静态链接库也可以归为这一类。 文件开始处是一个ELF头部(ELF Header)，用来描述整个文件的组 ......