10 2022 档案

进程的基本操作
摘要：76P-进程和程序以及CPU相关进程： 程序：死的。只占用磁盘空间。 ——剧本。 进程；活的。运行起来的程序。占用内存、cpu等系统资源。 ——戏。并发和并行：并行是宏观上并发，微观上串行77P-虚拟内存和物理内存映射关系78P-pcb进程控制块PCB进程控制块： 进程id 文件描述符表 进程状态： 阅读全文
posted @ 2022-10-27 11:28 cyberbase 阅读(110) 评论(0) 推荐(0)
进程通信
摘要：100P-进程间通信常见方式 IPC(InterProcess Communication)进程间通信 进程间通信的常用方式，特征： 管道：简单 信号：开销小 mmap映射：非血缘关系进程间 socket（本地套接字）：稳定 101P-管道的特质 管道： 实现原理： 内核借助环形队列机制，使用内核缓 阅读全文
posted @ 2022-10-27 11:28 cyberbase 阅读(127) 评论(0) 推荐(0)
线程的基本操作
摘要：147P-线程概念线程概念： 进程：有独立的 进程地址空间。有独立的pcb。 分配资源的最小单位。 线程：有独立的pcb。没有独立的进程地址空间。 最小单位的执行。 ps -Lf 进程id > 线程号。LWP --》cpu 执行的最小单位。ps -Lf 进程号 查看进程的线程148P-三级映射149 阅读全文
posted @ 2022-10-27 11:27 cyberbase 阅读(99) 评论(0) 推荐(0)
目录、文件的相关操作
摘要：47P-系统编程阶段说在前面的话系统调用 内核提供的函数库调用 程序库中的函数48P-open函数manpage 第二卷，open函数如下，有两个版本的返回一个文件描述符，理解为整数，出错返回-1pathname 文件路径flags 权限控制，只读，只写，读写。 O_RDONLY, O_WRONLY 阅读全文
posted @ 2022-10-27 11:17 cyberbase 阅读(67) 评论(0) 推荐(0)
makefile的基本使用方法
摘要：41P-makefile基础规则makefile： 管理项目。 命名：makefile Makefile make 命令 1 个规则： 目标：依赖条件 （一个tab缩进）命令 1. 目标的时间必须晚于依赖条件的时间，否则，更新目标 2. 依赖条件如果不存在，找寻新的规则去产生依赖条件。 ALL：指定 阅读全文
posted @ 2022-10-26 22:03 cyberbase 阅读(2082) 评论(0) 推荐(0)
gdb调试基本操作
摘要：38P-gdb调试基础指令使用gdb之前，要求对文件进行编译时增加-g参数，加了这个参数过后生成的编译文件会大一些，这是因为增加了gdb调试内容gdb调试工具： 大前提：程序是你自己写的。 逻辑错误基础指令： -g：使用该参数编译可以执行文件，得到调试表。 gdb ./a.out list： lis 阅读全文
posted @ 2022-10-26 22:01 cyberbase 阅读(574) 评论(0) 推荐(1)
动态库与静态库
摘要：28P-动态库和静态库理论对比静态库在文件中静态展开，所以有多少文件就展开多少次，非常吃内存，100M展开100次，就是1G，但是这样的好处就是静态加载的速度快使用动态库会将动态库加载到内存，10个文件也只需要加载一次，然后这些文件用到库的时候临时去加载，速度慢一些，但是很省内存动态库和静态库各有优 阅读全文
posted @ 2022-10-26 21:58 cyberbase 阅读(162) 评论(0) 推荐(0)
gcc基本操作
摘要：25P-gcc编译4步骤26P-gcc编译常用参数当头文件和源码不在一个目录下时，需要指定头文件下图是头文件和源码在同一个目录下将hello.h放入新建的文件夹hellodir之后，编译会失败gcc -I ./hellodir hello.c -o hello其中-I参数指定头文件所在位置，位置可以 阅读全文
posted @ 2022-10-26 21:56 cyberbase 阅读(57) 评论(0) 推荐(0)
Vim基本操作
摘要：18P-vim的三种工作模式19P-vim基本操作-跳转和删字符i 进入编辑模式，光标前插入字符a 进入编辑模式，光标后插入字符o 进入编辑模式，光标所在行的下一行插入I 进入编辑模式，光标所在行的行首插入A 进入编辑模式，光标所在行的行末插入字符O 进入编辑模式，光标所在行的上一行插入字符s 删除 阅读全文
posted @ 2022-10-26 21:51 cyberbase 阅读(115) 评论(0) 推荐(0)
Linux基本操作
摘要：01P-Linux命令基础习惯-Linux系统编程date 显示系统当前时间cat /etc/shells 查看当前可使用的shellecho $SHELL 查看当前使用的shell主键盘快捷键：上 Ctrl-p 下 Ctrl-n 左 Ctrl-b 右 Ctrl-f Del Ctrl-d delet 阅读全文
posted @ 2022-10-26 21:51 cyberbase 阅读(98) 评论(0) 推荐(0)
词法分析程序
摘要：一、实验目的 学习和掌握利用有限自动机编写词法分析程序。 实验要求如下： 二、程序功能描述 简要描述：该程序根据C语言的文法，实现了C语言词法分析。 详细来说，其功能主要表现在： ①该程序可以从头到尾扫描整个文本 ②该程序可以分析每个token是什么，如int为保留字，>=是双字符分节符 ③该程序可 阅读全文
posted @ 2022-10-24 17:36 cyberbase 阅读(1291) 评论(0) 推荐(0)
MARKDOWN基本操作
摘要：MARKDOWN基本操作简要介绍：MARKDOWN是一种轻量型标记语言，追求极简主义，高效，清晰易读、易写、易更改纯文本兼容性极高，跨平台使用，多网站支持基础教程0.写Markdown的第零步我们写文本的时候大多时候写的是中文，可是输入法在输入中文时使用的标点是全角标点，这些标点是不被Markdow 阅读全文
posted @ 2022-10-24 17:10 cyberbase 阅读(108) 评论(0) 推荐(0)
对多分类模型采用十折交叉验证评估
摘要：15、对多分类模型采用十折交叉验证评估 #导入必要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms impor 阅读全文
posted @ 2022-10-24 13:11 cyberbase 阅读(434) 评论(0) 推荐(0)
对二分类模型采用十折交叉验证评估
摘要：14、对二分类模型采用十折交叉验证评估 #导入必要的包 import torch import torch.nn as nn from torch.utils.data import TensorDataset,DataLoader from torch.nn import init import 阅读全文
posted @ 2022-10-24 13:10 cyberbase 阅读(451) 评论(0) 推荐(0)
对回归模型采用十折交叉验证评估
摘要：13、对回归模型采用十折交叉验证评估 #导入必要的包 import torch from torch import nn import numpy as np import matplotlib.pyplot as plt from torch.utils.data import DataLoade 阅读全文
posted @ 2022-10-24 13:10 cyberbase 阅读(482) 评论(0) 推荐(0)
在多分类任务实验中用torch.nn实现 𝑳𝟐 正则化
摘要：12、在多分类任务实验中用torch.nn实现 𝑳𝟐 正则化 L2正则化的功效作用： 1. 在深度学习中，用的比较多的正则化技术是L2正则化，其形式是在原先的损失函数后边再加多一项：12𝜆𝜃2𝑖12λθi2，那加上L2正则项的损失函数就可以表示为：𝐿(𝜃)=𝐿(𝜃)+𝜆∑𝑛𝑖 阅读全文
posted @ 2022-10-24 13:10 cyberbase 阅读(890) 评论(0) 推荐(0)
在多分类任务实验中手动实现 𝑳𝟐 正则化
摘要：11、在多分类任务实验中手动实现 𝑳𝟐 正则化 #导入必要的包 import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt impor 阅读全文
posted @ 2022-10-24 13:10 cyberbase 阅读(239) 评论(0) 推荐(0)
在多分类任务实验中用torch.nn实现dropout
摘要：10、在多分类任务实验中用torch.nn实现dropout #导入必要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as trans 阅读全文
posted @ 2022-10-24 13:09 cyberbase 阅读(572) 评论(0) 推荐(0)
在多分类任务实验中手动实现dropout
摘要：9、在多分类任务实验中手动实现dropout import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms import mat 阅读全文
posted @ 2022-10-24 13:09 cyberbase 阅读(429) 评论(0) 推荐(0)
对多分类任务中的模型评估隐藏层层数和隐藏单元个数对实验结果的影响
摘要：8、对多分类任务中的模型评估隐藏层层数和隐藏单元个数对实验结果的影响 1.确定隐藏层的层数 对于一些很简单的数据集，一层甚至两层隐藏元都已经够了，隐藏层的层数不一定设置的越好，过多的隐藏层可能会导致数据过拟合。对于自然语言处理以及CV领域，则建议增加网络层数。 层数越深，理论上来说模型拟合函数的能力 阅读全文
posted @ 2022-10-24 13:09 cyberbase 阅读(1179) 评论(0) 推荐(0)
在多分类实验的基础上使用至少三种不同的激活函数
摘要：7、在多分类实验的基础上使用至少三种不同的激活函数 Relu 激活函数函数 优点： 1. 使用ReLU的SGD算法的收敛速度比 sigmoid 和 tanh 快。 2. 在x>0区域上，不会出现梯度饱和、梯度消失的问题。 3. 计算复杂度低，不需要进行指数运算，只要一个阈值就可以得到激活值。 缺点： 阅读全文
posted @ 2022-10-24 13:09 cyberbase 阅读(762) 评论(0) 推荐(0)
利用torch.nn实现前馈神经网络解决多分类问题
摘要：6、利用torch.nn实现前馈神经网络解决多分类问题 #导入必要的包 import torch import numpy as np from torch import nn from torchvision.datasets import MNIST import torchvision.tra 阅读全文
posted @ 2022-10-24 13:08 cyberbase 阅读(118) 评论(0) 推荐(0)
利用torch.nn实现前馈神经网络解决二分类问题
摘要：5、利用torch.nn实现前馈神经网络解决二分类问题 #导入必要的包 import torch import torch.nn as nn from torch.utils.data import TensorDataset,DataLoader from torch.nn import init 阅读全文
posted @ 2022-10-24 13:08 cyberbase 阅读(224) 评论(0) 推荐(0)
利用torch.nn实现前馈神经网络解决回归问题
摘要：4、利用torch.nn实现前馈神经网络解决回归问题 #导入必要的包 import torch from torch import nn import numpy as np import matplotlib.pyplot as plt from torch.utils.data import D 阅读全文
posted @ 2022-10-24 13:08 cyberbase 阅读(234) 评论(0) 推荐(0)
手动实现前馈神经网络解决多分类问题
摘要：3、手动实现前馈神经网络解决多分类问题 #导入必要的包 import torch import numpy as np import random from IPython import display import matplotlib.pyplot as plt from torch.utils 阅读全文
posted @ 2022-10-24 13:08 cyberbase 阅读(283) 评论(0) 推荐(1)
手动实现前馈神经网络解决二分类问题
摘要：2、手动实现前馈神经网络解决二分类问题 #导入必要的包 import numpy as np import torch from torch import nn from sklearn.model_selection import train_test_split import matplotli 阅读全文
posted @ 2022-10-24 13:07 cyberbase 阅读(331) 评论(0) 推荐(0)
手动实现前馈神经网络解决回归问题
摘要：1、手动实现前馈神经网络解决回归问题 #导入必要的包 import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt import torch 阅读全文
posted @ 2022-10-24 13:06 cyberbase 阅读(193) 评论(0) 推荐(1)
深度学习前馈神经网络实验
摘要：深度学习前馈神经网络实验 1、手动实现前馈神经网络解决回归问题 #导入必要的包 import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt 阅读全文
posted @ 2022-10-23 18:38 cyberbase 阅读(1008) 评论(0) 推荐(1)
深度学习第一个随笔
摘要：深度学习第一个随笔 阅读全文
posted @ 2022-10-23 17:00 cyberbase 阅读(71) 评论(0) 推荐(1)