⭐️齐下无贰⭐️

简介 蓝易云好不好? 蓝易云怎么样？香港服务器推荐。 蓝易云，2020 年成立的国人商家，是成都天上云网络科技有限公司旗下的云计算服务品牌，专注为个人开发者用户、中小型企业用户、大型企业用户提供云服务器、云虚拟主机、云数据库、云存储、域名、CDN、SSL 证书、服务器租用托管等服务。 该商家主要定位建站服务器，特点是香港 CN2 网络，国内速度优秀，区域内支持 VPC 内网互联、快照、备份等功能。 蓝易云持有 IDC、ISP、CDN 许可证，为正规商家。 特点 机器特点：去程联通电信走 CN2 回程 移动+联通+电信+教育网+广电+长城五网 CN2-延迟超低！ CPU 性能强劲，4 核编译安装宝塔环境 CPU 只能占用到 70%左右！ CPU 单核 GEEKBENCH 跑分能到 849 分左右，lemonbench 跑到能到 942 分左右。【优秀性能】 商家最新高防 SCDN 信息 蓝易云 SCDN 官网：点击前往 无感防护 告别传统 HTTP 验证【可防 HTTPS】 AI 智能全方位立体防护 专业算法 国内外加速 支持定制 【防住付款】 【现提供 1 元公益防护】接一切扛不 ...

再度窥探天文 再度窥探天文 序 要来看看吗 恒星级废话 基础概念 计量单位 绝对星等-视星等 普森公式 铁心灾变 恒星演化 赫罗图 简易生命周期 星体 矮星 中子星 脉冲星 红巨星 TODO 借物表 序 要来看看吗 要来看看吗…天象仪…无论何时…都不会消逝的美景。 --<<星之梦>> 恒星级废话 来自 Edge 每日一图 基础概念 计量单位 名词 概念 天文单位 AU 1AU = 地-日轨道半长轴 角秒 1′′=160⋅601^{\prime\prime} = \frac{1}{60 \cdot 60}1′′=60⋅601​ 度 秒差距 ps 1 秒差距 = 1AUtan1′′=648000AUπ≈3.26光年\frac{1AU}{tan1^{\prime \prime}} = \frac{648000AU}{\pi} \approx 3.26 光年tan1′′1AU​=π648000AU​≈3.26光年 [2] M⊙ 单位太阳质量 M⊙=1.989⋅1030kgM⊙ ...

关于择人议题 关于择人议题 发表频率 家园人格与猎手人格 反向分析 关于交朋友或者找对象 人格特征 收尾 借物表 个人愚见, 因为在剖析心理所以难免看起来会感觉冰冷无情, 先声抱歉 世间万物, 都可以明码标价. --赏金猎人 下面从朋友圈和空间来解剖, 这俩价值实际上很高, 合理利用的话能节省很多不必要的时间和情感 发表频率 频率与年龄阶段成反比, 拟合程度显著 (排除推广软文) 发的少的, 部分是阶段性现实太忙或者生活机械化缺少新颖事物, 部分是没什么网上朋友或者大部分时间陪家人和现实朋友了, 小部分为对互联网社交不感冒的本地人格 此类多数人相对更少主动维系人际间情感关系, 或者说只维护小圈子, 建交困难 上面可以简单认为, 加上之后通过朋友圈时间戳可以直接了解到这个人容不容易相处, 交流起来费不费劲 情商是结合场景利用的东西, 分享欲共情力才是相处过程中难易所在 尤其年纪大的人更容易看出来, 生活稳定的前提下, 发的越多说明那个人朋友越多就越容易相处 (但是反过来不成立, 发的少的不一定难相处) 家园人格与猎手人格 部分人多发小圈子内的内容, 部分人喜欢发探索 ...

设备生平录 设备生平录 序 大件 royole-柔派 2 飞行堡垒-GL502-6_i7-1060 幻-13-5800-1650 MacBook-Pro-13-16G QQMail-iCloudMail 截屏键 键鼠共享 配件 picun-b16 nowall-ch1 狼蛛-收割者-茶 学习 快充 处理器架构 显示器 LCD LED 颜色 色深 色彩模型 色彩空间-色域 HDR-SDR 压缩 模拟控制器-Joy 借物表 序 性价比玩家, 基本没有贵的设备…穷嘛 (此处只是记录一下并做主观感受, 不存在利害关系) 也会记录一些关于硬件电子设备的学习笔记 大件 royole-柔派 2 以前也是蛮热衷于折腾手机 (比如 root/Xposed…), 现如今买的多数手机加了 BL 锁, 基本没法折腾了 也就算了, 现在一直在用太极, 也算满足需求了… 截屏,网上愣是找不到…偶然间发现的 双击锁屏键 开发者模式 关于手机 -> waterOS 版本 -> 连点 n 次 飞行堡垒-GL502-6_i7-1060 性价比挺 ...

误入科研海 误入科研海 序 关于调研 一些经验 学会拆字 读论文 找论文 点云 分析工具 CloudCompare PCD-Decode 某次组会分享 组成成分-数据转换分析 VirtualLiDAR-转换和组成 时间同步-配准问题 虚拟问题及双端任务流 标注问题 其它问题 欧阳老师给的提议 auto-mos 借物表 序 偶然的机会进了某大学的 Lab (简历里写了), 很感谢某位大佬 🥰 就这样, 下面记一些个人经验… 关于调研 师姐开会时经常提到, 要站在第三人称视角读 paper, 不要被代入读者身份或者完全顺着作者思路思考 now.clear, 意思大概就是: how > what how they think, not what… how they do, not what… how they show, not what… 在做调研时着重看下: paper 提出的问题 如何着手解决和实现 (精髓就是 1. -> 2. 中间的思路, 应该叫问题建模) 对于优秀和有借鉴价值的实现, 可以看一 ...

序 此发生器基于空间数组, 随机种子来自于 time 时间戳末尾位 随着 random 次数增加, array 不确定度持续叠加, 每位概率会有一定波动但不会出现偏倚或黑洞 熵来自于每次 update 的位置和次序, 淡化了某时刻 timestamp 和算力的影响 思想类似卷积, 把过去与当前状态持续叠加到对未来的影响中 现有缺陷 无法保证 恒定的概率 或者说 等概率随机, 但可以近似做到 自然随机 array 需要预热, 预热效果也会影响一定范围内的随机数质量 小批量随机效果贼差 代码 12345678910111213141516171819202122232425262728293031323334353637383940414243from datetime import datetimearray = [i for i in range(10)]def random(): time_str = str(datetime.now().timestamp()) if len(time_str) == 16: index = 0 else: ...

slidev slidev 安装-使用 报错 初始化 依赖问题 展示 借物表 安装-使用 1234npm install --save @slidev/cli# 这里个人不建议全局安装, 有时会遇到依赖问题# npm install -g @slidev/cli 可以用 scripts 来运行, 比较便捷 (没全局安装@slidev/cli 的话, slidev 无法在终端调用) 123"scripts": { "slides": "slidev slides.md --remote --open",}, 报错 初始化 12345678910111213D:\Scoop\persist\nvm\nodejs\v18.4.0\node_modules\@slidev\cli\dist\chunk-IP7ZGKHI.js:121 throw new Error(`Failed to resolve package "${importName}&quo ...

猫猫头-日常 猫猫头-日常 序 matters 如何混熟 被啃 照片 借物表 序 matters 如何混熟 来到陌生环境的时候猫猫头们还是相当怕的, 与大多数人行为相反, 想让它们放下警惕, 需要让它们在屋子里转一段时间(最好别关在笼子,不要频繁进来) [1] 确保屋子内有能让它们藏起来的地方(缓解精神压力), 在此期间别接近它们, 放上食物可以在远处静静看着 最快也得两三天后, 在猫视野内慢慢的接近撸它 (别突击或者动作过快,会被吓跑) 之后需要学会看尾巴来看它们心情 [2] 被啃 除了那只黑狸花, 另外两只都特喜欢啃我脚趾和手指… 猫咪特爱啃人的脚趾，到底是怎么回事，有什么好方法阻止猫呢？ 被猫咬不用打狂犬疫苗是真的吗？为什么好多人被猫抓不打疫苗 照片 emmmm 手机相机真的拉, 有时候要躲远点或者晚上拍的, 更拉了… 点一下图片可以看 scene-description 借物表 [1]: 【萌新养猫】-猫咪到新家，如何快速适应新环境？ [2]: 解读猫尾巴的 8 种语言，猫咪的尾巴会说话！别在猫不耐烦时还去招惹它！ 【初识猫咪 EP22 ...

序 Colab 平台对于 轻量级/边缘计算 比较方便, 尤其是对这种教程性质的 notebook, 分享和运行都开箱即用 但另一方面: 因: 免费版的 Colab 所给的硬件资源不是很稳定, 用太久的话会分不到 GPU, 虽然给的 GPU 肯定是比自己的开发机强很多, 但是跑大型项目肯定带不动 (而且 Colab 单次运行最多持续 6h, 一段时间没动作的话会断连, 断开后再过一阵 runtime 会被重置) 果: 可以用它来学习下怎么搭环境以及一些小测试 毕竟生产服务器申请不易 / 环境也不能乱动 受系统和网络限制, 在开发机搭环境并不理想 装环境 从安装到放弃到爬出坑 :( 跟着这几篇装的环境:[2][3], 有借鉴意义但是指导不明确 个人先跟着官方出的视频教程和 openbayes 上的 notebook 试了试水, 很深 [1]; 最后找到一个源库 tutorial-fork 的 colab-notebook [4] 预先装上 cuda, cudnn (colab自带) 依赖链: cuda <- pytorch <- mmcv-full ...

basic static-method python 中并没有像是 Java 里的 static 关键字,取代的是 @classmethod 和 @staticmethod 1234567891011121314151617class A: name = 'A' # 至少有一个隐式形参 (本类 cls 对象), 可以访问类属性 @classmethod def a(cls): print(cls.name) # 无形参, 也就是说拿不到类属性 @staticmethod def b(): print('b')A.a()A.b() A b multi-condition if(a||b)当 a 为真时，还会对 b 求值吗? 不会 123456789101112import timedef calculate(name, t): print("calculating: ", name, "seconds needs: ", t) ...

序 此文为其他文章的代码部分: ⚡再啃-Deep-Learning 也提供了 notebook 形式: 代码地址 神经网络 感知器 1234567891011121314151617181920212223242526272829303132333435def AND(x1, x2): w1, w2, theta = 0.5, 0.5, 0.7 tmp = x1 * w1 + x2 * w2 if tmp <= theta: return 0 else: return 1def OR(x1, x2): w1, w2, theta = 0.5, 0.5, 0.2 tmp = x1 * w1 + x2 * w2 if tmp <= theta: return 0 else: return 1# 非门只取一个输入,另一个不管def NOT(x1, x2): w1, w2, theta = -1, 0, 0 tmp = x1 * w1 + x2 * w2 + ...

再啃-Deep-Learning 深度学习 一个好的表示学习策略必须具备一定的深度 特征 像是宰鱼要分多步,每步使用不同方式/工具 通常从底层特征开始经过多步非线性转换才能得到好的高层语义表示 特点 增加特征重用性,指数级增加表示能力 表示学习与深度学习关系 关键问题: 贡献度分配 不同组件/参数对系统输出结果的影响权重 神经网路 人工神经网络 由大量神经元及它们之间的有向连接构成 三方面 神经元/感知器 网络的拓扑结构 LeNet AlexNet VGGNet ResNet 学习算法 分类 单类网络 前馈网络 记忆网络 图网络 复合型网络 贡献度分配问题 不同 component 或 param 对最终系统输出结果的贡献 利用偏导数求解贡献度 发展史 模型提出 冰河期 反向传播算法引起的复兴 流行度降低 深度学习崛起 MMDetection 图像分类 模型发展 LeNet-5 (1998) AlexNet (2012) VGGNet (2014) GoogleNet (2014) ResNet (20 ...