ZWN's blog

吴恩达深度学习笔记汇编2-2：改善深层神经网络：超参数调试、正则化以及优化(Improving Deep Neural Networks:Hyperparameter tuning, Regularization and Optimization) 这部分知识是我在学习吴恩达的深度学习课程时对其笔记的汇总与编注。 这节笔记内容上基本没有什么问题，解释的也都很清楚，也没有很难的公式推导，所以基本就照搬了原笔记，只有一部分小改动 课程地址：【[双语字幕]吴恩达深度学习deeplearning.ai】 https://www.bilibili.com/video/BV1FT4y1E74V 笔记链接：https://github.com/fengdu78/deeplearning_ai_books 笔记在线阅读：http://www.ai-start.com/dl2017/ 优化算法 (Optimization algorithms) Mini-batch 梯度下降（Mini-batch gradient descent） 本周将学习优化算法，这能让你的神经网络运行得更快。机器学习的应用是 ...

吴恩达深度学习笔记汇编2-1：改善深层神经网络：超参数调试、正则化以及优化(Improving Deep Neural Networks:Hyperparameter tuning, Regularization and Optimization) 这部分知识是我在学习吴恩达的深度学习课程时对其笔记的汇总与编注。 这节笔记内容上基本没有什么问题，解释的也都很清楚，也没有很难的公式推导，所以基本就照搬了原笔记，只有一部分小改动 课程地址：【[双语字幕]吴恩达深度学习deeplearning.ai】 https://www.bilibili.com/video/BV1FT4y1E74V 笔记链接：https://github.com/fengdu78/deeplearning_ai_books 笔记在线阅读：http://www.ai-start.com/dl2017/ 深度学习的实用层面(Practical aspects of Deep Learning) 训练，验证，测试集（Train / Dev / Test sets） 大家可能已经了解了，那么本周，我们将继续学习如何有效运 ...

跨考991之软工复习见解 我自己的一些想法，但请不要将我的想法上升到复习指导这种层次，我没有研究过到底该如何在不接触实际开发的情况下学软工，所以这里这只能是一些想法，或者说建议。此外我也不是做题家，我也不喜欢当做题家，但是991就是一个应试性很强的专业课，我也没有精力年年关注991动向，也没人给我钱做这个，还会抢人家机构饭碗，出力不讨好，所以，且行且珍惜吧。991并不算难，多一份努力就多一分回报。 此外，软工见仁见智，所以你在读的时候最好已经复习过一遍，有了大致的了解和自己的一些看法，再来批判地看，最好不要被别人的思想先入为主。其次，我这里也不一定全对，所以，一定要有你自己的想法。 最后，在没有实践经历的前提下裸学本身就是一种非常别扭的方式，所以如果你还很轻松的话，找点项目自己玩一玩看一看，会好很多。 在我看来软件工程这门课几乎是跨考生备考991最大的阻碍，事实也基本如此，无论是全日制跨考，还是对于非计算机专业想考非全的同学来说，这门课如同天书。虽然在软工人看来，这门课几乎没有任何技术难度，纯纯背诵课程，但如果没有工程经验或者软工专业素养，这门课也并不那么好理解，就算能背熟也很难做到 ...

吴恩达深度学习笔记汇编1-2：神经网络和深度学习(Neural Networks and Deep Learning) 这部分知识是我在学习吴恩达的深度学习课程时对其笔记的汇总与编注。 内容上，原笔记是视频课程的字幕整合，我对原笔记一些无关紧要的内容进行了删减，以达到精炼的目的，并增加了一些个人见解、语义上的补充以及一部分中英对照和公式推导，以对吴老师的课程内容理解提供更充分的辅助，有一些使用了引用来加以区分，不过大部分并未进行标注（主要是没有观感很好的标注方法）。 我对原文有一些改动，主要是原文有一些地方翻译的不尽人意（这是因为视频课程中吴老师语句也并不会像课本一样做到非常条理清晰），所以我对那些词不达意、逻辑或语句结构混乱的地方进行了删改，以更清晰地表达出吴老师的原意。（这部分改动基本没有标注） 以及一些加粗，也是我自己认为相对重点的地方，带有一定主观性，见谅。 又，每节课程开始都会有简短的引言，不过看上去可能有些废话，但我认为也是必不可少的，所以用引用进行标注，可以选择性阅读 课程地址：【[双语字幕]吴恩达深度学习deeplearning.ai】 https://www.bil ...

吴恩达深度学习笔记汇编1-1：神经网络和深度学习(Neural Networks and Deep Learning) 这部分知识是我在学习吴恩达的深度学习课程时对其笔记的汇总与编注。 内容上，原笔记是视频课程的字幕整合，我对原笔记一些无关紧要的内容进行了删减，以达到精炼的目的，并增加了一些个人见解、语义上的补充以及一部分中英对照和公式推导，以对吴老师的课程内容理解提供更充分的辅助，有一些使用了引用来加以区分，不过大部分并未进行标注（主要是没有观感很好的标注方法）。 我对原文有一些改动，主要是原文有一些地方翻译的不尽人意（这是因为视频课程中吴老师语句也并不会像课本一样做到非常条理清晰），所以我对那些词不达意、逻辑或语句结构混乱的地方进行了删改，以更清晰地表达出吴老师的原意。（这部分改动基本没有标注） 以及一些加粗，也是我自己认为相对重点的地方，带有一定主观性，见谅。 又，每节课程开始都会有简短的引言，不过看上去可能有些废话，但我认为也是必不可少的，所以用引用进行标注，可以选择性阅读 课程地址：【[双语字幕]吴恩达深度学习deeplearning.ai】 https://www.bil ...

读paper1-针对DL的缺陷分类与修复 缺陷分类：An Empirical Study on TensorFlow Program Bugs 与传统程序的比较 与传统应用程序的编程范式相比，DL应用程序的编程范式存在显著差异。在传统应用程序中，程序是直接编写解决目标问题的模型。 然而，DL应用程序的程序并不直接编码问题解决模型。相反，DL应用程序的程序编码了一个理想的DL模型的网络结构，以及利用大量数据进行训练的过程。网络结构和训练过程都需仔细设置超参数。DL应用程序的开发往往面临着开发传统应用程序中很少遇到的任务，例如配置由节点层组成的复杂网络结构（也称为计算图）。此外，训练过程包含着依赖于超参数调整的计算密集型循环，如学习率和丢弃率的调整。 出现Bug的几个原因 错误的模型参数或结构（IPS） 不恰当的模型参数（如学习率）或错误的模型结构（如缺失节点或层） 或者说是模型本身就是有问题或者是将模型编码为代码时出现错误（比如少打了一个参数或者忘记平方） 不对齐的张量（UT） 输入张量的形状与预期的形状不匹配 与TensorFlow计算模型的混淆（CCM） 当Te ...

2024-BUAA软院专硕考研Tips 省流： 991难度小于408，出题不确定性不一定小于408 可以跟着王道复习，别跟着王道练习 数据结构课后题真不错 保证心态 2024.4.1，跟老师谈好了导师意向，坐高铁回济南，思绪万千，开始写这篇经验贴。 犹然记得，以前看罗翔老师说过，人生在世，努力固然重要，但更多的是我们的运气，我们的出生、成长、求学、工作。作为一名党员，我并非唯心主义者，也并不相信唯命运论，我始终坚信奋斗者终将有所得，但或许就在我辗转反侧最终决定报考北航的时候，命运的齿轮开始了转动。   首先，例行劝退，尤其是对于非科班出身的同学来说，我并不认为考软院是一个很好的选择，你要确定你至少对软件工程的思想有一定的把握，同时能够接受c语言的机试（虽然机试梯度分明，不过是后话），能够对复试的编译原理有一定悦纳。（很巧，这三样我都不差） 你要知道，选择大于努力，今年buaa软工学硕310分的院线都直接没招满，最初20的名额，只有18人上线，最后18人进复试，18人全部录取。同样的，也有370进不了初试，400+复试被刷（不是说buaa。 所以，不如仔细想想，buaa真的适合 ...

BUAA复试专业课拾遗 数据库 什么是关系代数 关系代数是关系数据库系统中的一种数学基础，用于描述和操作关系数据库中的数据。它包括一组操作，这些操作可以对关系（表）进行操作和组合，以生成所需的结果。关系代数操作通常包括选择、投影、连接、并、差等操作，这些操作可以用来查询数据库、插入数据、更新数据等。 关系代数提供了一种抽象的方式来描述数据库操作，使得数据库管理系统能够根据用户的查询需求来优化查询执行计划。关系代数是关系数据库理论的基础之一，它为关系数据库系统的设计和实现提供了重要的理论支持。 数据库概念中，什么是聚集函数 在数据库中，聚集函数（Aggregate Functions）是用于对一组值进行计算并返回单个值作为结果的函数。这些函数通常用于对数据库表中的数据进行统计、汇总或计算，例如计算平均值、总和、最大值、最小值等。 常见的数据库聚集函数包括： COUNT：用于计算指定列或行的行数。 SUM：用于计算指定列的总和。 AVG：用于计算指定列的平均值。 MAX：用于找出指定列的最大值。 MIN：用于找出指定列的最小值。 通过使用聚集函数，可以对数据库中的数据进行汇总和分析，从 ...

毕设从调研到完工 基于个性推荐的商家自播带货系统 题目概述 自播带货APP系统是一种利用互联网平台和直播技术进行商品展示、咨询答复、导购和后台服务的新型服务方式。该系统允许商家通过自己开设的直播间，由主播进行商品推介和销售。 通过自播带货APP系统，商家可以实现近距离的商品展示，将产品的特点和优势直观地展示给观众。主播可以通过直播实时与观众互动，回答他们的问题，提供专业的咨询和导购服务，帮助观众做出购买决策。该系统还提供了后台服务功能，商家可以在后台管理系统中对商品进行管理和上架，设置商品的价格、库存等信息。同时，商家可以通过系统统计分析观众的购买行为和偏好，为观众提供个性化的推荐和服务，提高销售转化率。 自播带货APP系统的优势在于，它打破了传统的线下购物限制，消除了时间和空间的限制。观众可以随时随地通过手机或电脑参与直播，享受到线上购物的便利和快捷。同时，系统提供了实时的互动功能，观众可以与主播进行即时的沟通和交流，获得更好的购物体验。   软件过程核心思路与开发计划 参考软件工程的可行性分析、需求分析、软件设计、软件开发、测试维护的流程，不对各个阶段做完全明确性的划分，同时对各 ...

2023数据库课设经验分享 我的数据库课设与我的一些看法 首先，我的选题是火车票售票系统，所以我的讲解很多会以此为例，我的老师是李晖老师，不同老师风格有有所不同，所以如果你有验收等等方面的问题，最好咨询一下对应老师带过的学长学姐。 其次，我依然觉得数据库课设是一次非常重要的锻炼个人实际开发能力的机会，如果你觉得自己毕业后大概率做开发工作（前端、后端等等），那么数据库课设是一次非常好的锻炼自己能力的机会（当然，对于软工来讲，你也可以选择做算法岗、运维，产品等等）。 此外，针对软院培养方案来讲，你的数据库课设在后续课程中大概率会被多次复用。以我个人为例，我的数据库课设在暑假结束验收完后拿了A，大三上软件工程实验我们复用了一次数据库课设（当时用的是我队友的，问就是我懒），大三下项目管理也会用到（不过当时我直接拿i山大举例了），如果你选了刘士军老师的服务开发这门课，那么还会用到一次（这次用的是我的，队友保研线边缘挣扎，我没啥保研希望比较闲，直接把整个实验全包了，最后拿了个99，可能跟我的课设更偏向后端有关）。所以有个成熟、完整而熟悉的项目对你后续课程帮助还挺大的。 最后，我个人对数据库课设的总 ...

删除gitignore修改前提交的大文件 How 当发现忘记将一个300M的文件加入了git而无法提交到github的时候，你只能通过gitignore补救，但由于已经被版本控制记录过，所以就算你在gitignore里加入了规则也无法push。 所以需要将版本控制中涉及的这个文件删掉，这个错误我已经犯过好多次了，毕竟并不是很容易注意到，在这里记录解决方案。 首先，在git仓库路径下 12345git rm -r --cache .git add .git commit -m ".gitignore now work" 但是这些还不够。   如果是要删掉指定文件 1git filter-branch --force --index-filter 'git rm --cached --ignore-unmatch 【文件路径】' --prune-empty --tag-name-filter cat -- --all 要删掉记录的文件的路径：src/main/resources/config/application-test.yml 则代码为： 1g ...

记一次博客公式渲染排查 Hexo博客公式非常容易踩的两个坑：一个是公式美元符号与公式之间存在空格，里另一个是不符合KaTeX语法。 而且这两个问题在Typora下是完全看不出来的。 我的数据库博客就有很多这样的问题，相当长的一段时间里没有解决。今天抽空搞定了，写点心得。 空格问题 这个其实非常好解决，比如 $ \forall a \in A $ 我们只需要将 “$ ” 和 " $"直接进行替换就行（注意带上空格）。同时这种问题在博客中特征是非常明显的，通过浏览器搜索美元符号就能排查。 KateX渲染问题 这个要麻烦一些，因为并没有明显特征，只能遍历博客检查。 由于我通常喜欢用LaTeX写，但Hexo渲染实际上用的是KaTeX，但Typora里也看不出来KateX下有没有问题 我遇到的暂时是这两个情况 与或非：∧,∨,¬\wedge ,\vee,\lnot∧,∨,¬，\wedge ,\vee,\lnot与\and ,\or, \not，后者就会出现渲染问题 \overset，这个我也没太细究怎么解决，直接放图片了事   Hexo公式对括号嵌套的问题 1234567 ...

A star路径规划 简介 静态环境下，A*算法通常有较好的性能。静态环境指的是在路径规划过程中，环境的状态不会发生变化，例如在一个没有移动障碍物的地图中规划路径。在这种情况下，路径规划算法只需要考虑地图的固定障碍物和起点终点的位置，不需要考虑环境状态的变化。 动态环境指的是在路径规划过程中，环境的状态会随着时间而发生变化，例如在一个有移动障碍物的环境中规划路径。在这种情况下，路径规划算法需要不断地感知环境的变化，并及时更新路径规划结果，以适应环境状态的变化。这种情况下，需要使用更加复杂的路径规划算法，例如蚁群算法等，来适应环境的动态变化。 经典算法 广度优先搜索 为了更好的理解 A*算法，我们首先从广度优先（Breadth First）算法讲起。广度优先搜索以广度做为优先级进行搜索，从起点开始，首先遍历起点周围邻近的点，然后再遍历已经遍历过的点邻近的点，逐步的向外扩散，直到找到终点。这种算法就像洪水（Flood fill）一样向外扩张，算法的过程如下图所示： 在上面这幅动态图中，算法遍历了图中所有的点，这通常没有必要。对于有明确终点的问题来说，一旦到达终点便可以提前终止算法，下面这 ...

PID算法 所谓的PID，指的是proportion，integration，differentiation，比例，积分，微分。 PID的基本思路是根据偏差量的大小，运用比例P、积分I、微分D计算出一个控制量 uuu，将这个控制量输入被控制的系统，系统接收到该输入量后会输出一个相应的输出量，PID控制器再检测该输出量，并再计算偏差，然后再循环以上过程。 u(t)=Kp(e(t)+1Ti∫0te(t)dt+Tdde(t)dt)u(t)=K_p \Bigg( e(t)+\dfrac{1}{T_i}\int^t_0e(t)dt+T_d\dfrac{de(t)}{dt}\Bigg) u(t)=Kp​(e(t)+Ti​1​∫0t​e(t)dt+Td​dtde(t)​) KpK_pKp​ —— 控制器的比例系数； TiT_iTi​ —— 积分时间常数； TdT_dTd​ —— 微分时间常数； u(t)u(t)u(t) —— PID控制器的输出信号； e(t)e(t)e(t) —— 给定值r(t)r(t)r(t)与测量值之差。 公式可简化为： 对于离散值： u(t)=Kp∗e(t)+Ki∗∑n ...

服务开发 Chapter-1：绪论 什么是服务 定义为在一个应用软件内部的一种方法、过程、或通讯。 旨在满足某些业务需求的应用程序的操作。 区别于系统的，服务一个或者一组相对较小且独立的功能单元， 用户可以感知最小功能集。 优势 服务每个模块就相当于一个单独的项目，代码量明显减少，遇到问题也相对来说比较好解决 服务每个模块都可以使用不同的开发技术，开发模式更灵活 服务强调结构上的“松耦合”，而在功能上则可以整合为一个统一的整体，可以实现有效的拆分应用，实现敏捷开发和部署 API帮助开发者 快速的应用开发与部署 多通道集成 敏捷的服务组合 内部和外部服务的市场 Web技术方案：从RPC到REST web的基石 URI：地址 HTTP：传输 HyperText：表达（除了HTML外，也可以是带有超链接的XML或 JSON） MIME：扩展 本意为多目的Internet邮件扩展，最初目的是为了在发送电子邮件时附加多媒体数据，让邮件客户程序能根据其类型进行处理。 当它被HTTP协议支持之后，它的意义就更为显著了。它使得H ...

SDU选课黑白名单 记一下我的选课黑白名单，纯个人感受，这里只是我选过的限选。不在名单中的课我可能也没选，仅供参考 白名单 Linux（限选，大一下） 很不错的基础课，对我此后的开发历程有很大帮助，虽然老师讲的挺催眠，但如果你有毅力强迫自己学会Linux的话可以不选，但别太自信。 C++（限选） 算法、数据结构等课都有很浓的cpp风格，所以不多bb 众智科学（限选 鹿sir的课一如既往的不错。众智的思想也深刻地影响了我此后的思维方式，让我用更“计算机”的思维看待世界。反正讲课内容跟老师都是好评 传统文学修养（选修 中心线下课，赵焕祯老师，讲的真的超级好！ 信息检索与利用（选修 实用技能还能作为选修学分，图书馆开的课，挺好的。   黑名单 人机交互（大三上限选 图形学（大三下限选 任何名字里带数学、原理的限选课 一看就是理论课，然鹅这种一般都很考验自己的自学能力。 此外，偏理科性的课都会很考验自学能力。毕竟据说教学对老师晋升并无裨益，所以很多老师对教学并没有那么上心，并且，课堂更多的作用在于激发灵感、指引方向，不要指望在课堂上学到所有东西。 在大三下我选了机器学习后我更确认了这一点。 此 ...

Butterfly一图流踩坑 网上参考了非常多的教程，基本的一图流还是很简单的，但是会发现主页头图（index-img）跟页脚一直有一个阴影遮罩，最后也是魔改去掉了。 首先，Hexo\themes\butterfly\source\css文件夹下新建css文件，如transpancy.css，在主题配置文件_config.yml（或者_config_butterfly.yml）中的inject中添加，例如： 1234inject: head: - '<link rel="stylesheet" href="/css/transpancy.css">' bottom: 文件内容如下： 1234567891011121314151617181920212223242526272829303132333435363738394041/* 头图透明 */#page-header:before{ background-color: transparent!important;}/* 头图透明 ...

网页解除复制粘贴限制的一些小技巧 这个小技巧我很早就在用，最近一次偶然又发现了这种小套路。拿来说一说。 解除粘贴限制 F12进入浏览器开发者控制台，找到对应输入框的事件监听器，在监听的事件中很容易找到针对paste的限制： 直接移除掉就可以。 而且由于很多组件或者脚本都是复用的，所以移除一次之后就基本上可以永久粘贴（不刷新或者重新进入网页的前提下） 解除复制限制 这个其实跟上面同理，你会找到针对copy的监听。 不过这大可不必，因为你打开控制台后多半就能从网页源码中直接找到你想粘贴的文字。 但这样也比较麻烦，我比较喜欢谷歌浏览器的一个插件：simplyAllowCopy： 你可以直接在应用商店找到并安装，使用。