time another_time now amp
ASP.NET Core User Secret & Azure Key Vault
前言 以前就写过很多篇了 ASP.NET Core – Configuration & Options Asp.net core 学习笔记 ( Azure key-vault ) Asp.net core 学习笔记 Secret 和 Data Protect Azure key-vault & St ......
c语言报错 [Error] invalid initialization of non-const reference of type 'LinkQueue*& {aka Link*&}' from an rvalue of type 'LinkQueue* {aka Link*}'
进行地址传递是出现报错 临时值不能作为非常量引用参数进行传递 所以需要在main函数中·重新定义指针传递 ......
04 Real-time Global Illumination(GI)
1. Reflective Shadow Map(RSM) 在RTR中,全局光照是想要得到比直接光照多一次bounce的间接光照。一切被直接光照照亮的物体都可以作为one bounce间接光照的光源(indirection light)。所以,全局光照就是direction+indirection。 ......
Debug Assertion Failed!:Expression: can't dereference out of range vector iterator(&&运算的注意事项)
1 #include<iostream> 2 #include<vector> 3 using namespace std; 4 bool Find(int target, vector<int> array) { 5 auto begin = array.begin(), end = array. ......
03 Real-time Environment Mapping
1. Shading from Envionment Lighting -- Split Sum 使用IBL(image based lighting)做光照积分,不考虑visibility。 可以使用蒙特卡洛积分,但是需要做sampling,所以很慢。一般使用sampling的手段尽量避免在RTR ......
时间可逆的马氏链(Time Reversible Markov Chain)
逆向过程 考虑一个具有转移概率$P_{ij}$和平稳概率$\pi_i$的已经达到平稳状态的遍历的(不可约+非周期+正常返)马尔科夫链。假设这个马氏链在平稳态的状态序列是${X_m,X_{m+1},\cdots}$, 现在我们沿时间的反方向来看这条链,具体地,我们希望考察 $P(X_m = j|X_{ ......
Linux kernel 模块开发&构建学习
主要是学习下kernel 模块的玩法,代码来自社区 简单kernel 代码 hello_world.c #include <linux/init.h> #include <linux/module.h> MODULE_LICENSE("Dual BSD/GPL"); static int hello ......
02 Real-Time Shadows
1. Shadow Mapping 在shadowmap中,场景被离散化了。在camera中的像素对应的点跟shadow中对应深度可能会有较小偏差,则为阴影。当入射越是平行表面,shadowmap中的像素范围越大,越严重。 为此,设置一个shadowmap深度的冗余的阈值偏置。此外,这个bias可以 ......
CSS animation (animation-timing-function) 测试脚本
代码: <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport" content ......
[ML&DL] 深度学习的实践层面
深度学习的实践层面 训练集 验证集 测试集 过程 神经网络的训练是一个需要不断迭代的过程,一般先提出idea,然后编码实现、测试,根据测试结果再次调整思路...... 分组与比例 数据集通常分为3个部分:训练集、验证集和测试集。 训练集用于训练模型的参数。 验证集用于选择最好的模型。 测试集用于评估 ......
[ML&DL] 分类问题
分类问题 分类问题和回归问题的区别是:分类问题的值域是离散的。 线性回归不能应用于分类问题。 逻辑回归模型 (此处为一元分类问题) 预测函数: $$ h_\theta(x)=g(\theta^Tx) $$ 其中: $$ g(z) = \frac{1}{1+e^{-z}} $$ 能够使得: $$ 0\ ......
Halcon XLD 生成提取&测量及特征筛选
6.1XLD 的生成和提取 XLD 的创建 生成圆轮廓gen_circle_contour_xld 算子:gen_circle_contour_xld( : ContCircle : Row, Column, Radius, StartPhi, EndPhi, PointOrder, Resolut ......
集成学习:Bagging & Boosting
核心思想 将多个弱分类器组装成一个强分类器 。 前置知识 Bias & Variance 定义: $ bias=\bar{f}(x) -y $,为模型的期望预测与真实值之间的差异。 $ variance=\mathbb{E}_{\mathcal{D} }[(f(x;\mathcal{D})-\bar ......
1v1&2v2简单变种国际象棋例子
活动包括的两个项目: 2 vs 2对局 1 vs 1对局 2vs2模式-Crazy No promotion teams 游戏设置: 需要一个游戏发起人,下面是游戏发起人操作,其他玩家只要在变体象棋界面选择同意邀请即可。 进入变体国际象棋界面: 点4 player chess(或者列表中除了doub ......
CF1814E Chain Chips & CF750E New Year and Old Subsequence - 动态 dp -
一句话概括动态 dp:用来解决带修改/多次区间询问的 dp 问题。将转移写成矩阵的形式,然后利用线段树求解区间问题/单点修改 1814E 注意一条边要么选 2 要么选 0 次,而且第一条边一定是选了 2 次。如果有一条边没选,那么这条边两侧的边一定都选了。 设 $f_i$ 代表考虑到第 $i$ 条边 ......
DX12 实战 BlinnPhong & 纹理贴图
前言 本篇将展示如何实现BlinnPhong光照,以及为人物模型贴上纹理 对于理论不清楚的小伙伴可以看这图形学理论 局部光照,[图形学理论 纹理贴图](https://www.cnblogs.com/chenglixue/p/17109214.html) 具体代码看这github.com 材质 由于 ......
ATT&CK是什么
ATT&CK是什么 一、ATT&CK官网 ATT&CK, Adversarial Tactics, Techniques, and Common Knowledge,对抗战术、技术与通用知识。 官网:https://attack.mitre.org/ 二、ATT&CK说了什么 想要看懂ATT&CK说 ......
CutMix&Mixup详解与代码实战
摘要:本文将通过实践案例带大家掌握CutMix&Mixup。 本文分享自华为云社区《CutMix&Mixup详解与代码实战》,作者:李长安。 引言 最近在回顾之前学到的知识,看到了数据增强部分,对于CutMix以及Mixup这两种数据增强方式发现理解不是很到位,所以这里写了一个项目再去好好看这两种数 ......
Linux设置yum, 安装wget, 安装gcc & epel
1.备份原有的repo目录 mv /etc/yum.repos.d /etc/yum.repos.d.bak 2. 创建新的存放repo的目录 mkdir /etc/yum.repos.d 3.进入yum.repos.d目录 cd /etc/yum.repos.d 4.Repo文件放入/etc/yu ......
Golang 并发&同步的详细原理和使用技巧
Golang 并发概要说明 并发模型 Golang 的并发模型属于一种很典型的 CSP(communicating sequential processes) 并发模型,其核心是不要通过共享内存来通信,而应该通过通信来共享内存。具体实现,就是通过 goroutine 来实现并发,然后并发的 goro ......
[ML&DL] 正规方程
正规方程 正规方程用于一次性求解 $\theta$ 的最优值。 在计算的时候,将数据集构造为一个矩阵(第一列为 $x_0$ 均等于$1$): 通过公式: $$ \theta = (X^TX)^{-1}X^Ty $$ 计算得到最优解 $\theta$。 关于$X$的设计 对于第 $i$ 组数据: $$ ......
vicky自己都看不懂的FFT&NTT&FWT(目前只完成FFT部分
打个广告QwQ 对应的FFT洛谷blog链接 对应的csdn博客链接 ~~个人觉得洛谷的观感最好。~~ 不忘历史 八百年前学了 $\text{FFT}$,因vicky过于垃圾,遂放弃。 七百年前重拾 $\text{FFT}$,勉强搞懂了它的递归写法,因vicky再一次懒癌附体,遂连板题都没写就弃疗了 ......
Linux 任务控制(bg job fg nohup &)
Linux 任务控制(bg job fg nohup &) 转载自https://www.cnblogs.com/mfryf/archive/2012/03/09/2387751.html 一、 简介 Linux/Unix 区别于微软平台最大的优点就是真正的多用户,多任务。因此在任务管理上也有别具特 ......
【ABAQUS&Composite】composite layerup Manager从txt导入铺层信息
ABAQUS 在复合材料建模方面自由度是比较高的。官方提供了两个工具: ABAQUS/CAE中的Composite Layup Manager ABAQUS/CAE的plugin:Composites Modeler(需要ABAQUS2019以上) abaqus 的composite layup m ......
unittest&pytest区别对比
导包:unittest:python自带,直接import unittest导包即可 pytest:需要pip安装后import导入 类名命名方式:unittest:随意,但是必须继承于unittest.TestCase pytest:需要以Test开头,不需要继承 内置方法:unittest:se ......
[ML&DL] 线性回归的梯度下降
前言 这篇笔记记录了线性回归的梯度下降相关公式的推导。 符号说明: $h$ :假设函数,是学习算法对线性回归问题给出的一个解决方案。 $J$ :代价函数,是对 $h$ 和实际数据集之间的误差的描述。 $m$ :数据集的大小。 $x^{(i)},y^{(i)}$: 第 $i$ 个数据。($1\le i ......
SpringSecurity从入门到精通:基于配置的权限控制&CSRF
基于配置的权限控制 CSRF CSRF是指跨站请求伪造(Cross-site request forgery),是web常见的攻击之一。 https://blog.csdn.net/freeking101/article/details/86537087 SpringSecurity去防止 ......
SpringSecurity从入门到精通:其他权限校验方法&自定义权限校验方法
其他权限校验方法 我们前面都是使用@PreAuthorize注解,然后在在其中使用的是hasAuthority方法进行校验。SpringSecurity还为我们提供了其它方法例如:hasAnyAuthority,hasRole,hasAnyRole等。 这里我们先不急着去介绍这些方法,我们先去理 ......