Gxyrious's Blog

linux收集一些linux的命令 菜鸟教程：https://www.runoob.com/linux/linux-command-manual.html 命令行打开文件管理器1nautilus . 创建用户并设置ssh密钥连接 在root下操作，su后输入密码 使用useradd命令添加，-m使得自动创建用户主目录 1useradd -m YOUR_USERNAME 设置密码 1passwd YOUR_USERNAME 关闭密码登陆 修改配置文件 1vi /etc/ssh/sshd_config 新增一行 1PasswordAuthentication no 重启服务 1systemctl restart sshd.service 配置ssh登陆 本机生成密钥对，将生成的公钥添加到服务器的~/.ssh/authorized_keys，没有该文件则直接创建，若有多个公钥则换行处理。 查看磁盘空间 查看目录大小，超过指定层数的目录后不予显示 1du -h --max-depth 1 查看磁盘总大小和已用大小 1df -h 查看文件夹 ...

Background记录一下我第一次复现论文的过程中，遇到的各种问题和整体的步骤。这篇文章主要作为我自己的记录，并温习关于深度学习相关的知识点，一年后回看这些其实是个科研人的基本能力了，但是看到这些东西笔者还是挺怀念的，作为一个纯科研小白入门的第一篇从零复现的论文。 应该会涉及到如下知识点： 一部分论文的解读（一丢丢） dataset和dataloader怎么实现 model怎么实现，数据如何在forward之间传递的 loss函数有哪些，如何计算损失 如何使用optim优化参数 如何使用tensorboard记录训练过程 关于event-camera和visual-place-recognition(vpr)。这是复现的论文，主要用的MVSEC数据集。 我并没有完全按照原论文的做法，比如并没有使用EST Voxel Grid Representation层，而是直接用了个函数（即event-stream转voxel-grid的过程是写死的，而非可学习的），计算triplet-loss的时候也只用了最简单的方法。如果有人不幸看到这篇文章，并恰好也在做相关研究准备复现，请谨慎甄别。 ...

前言寒假在家无聊，发现自己对人工智能这块儿实在是没有太多的接触，因此找了几天集中入了个门，这里记录一些自己的快速入门路线，主要涉及神经网络这块儿的内容。 一些很好的参考资料 花书，动手学深度学习，链接https://zh-v2.d2l.ai，里面可以下载到代码和ipynb的文件，这里面有个d2l的python包，我这里一直导入错误。然后我直接把d2l源码拿出来放到目录里导入，因为这玩意儿一共也就四个文件，分别对应pytorch、tensorflow等包，我用的pytorch，所以直接把d2l中关于pytorch的一个包拿出来即可使用。 花书想啃完还是比较困难的，适合日以继日坚持地看，像我这种想速成一下基础的，还是放弃了。感觉比起一个人单独看，也可以看些教学视频一起跟进，效果会比较好，比如李沐这种，b站也都有链接。 吴恩达老师的深度学习视频，b站有很多，我看的是这一版https://www.bilibili.com/video/BV16r4y1Y7jv，配套的笔记在https://github.com/fengdu78/deeplearning_ai_books上，本来是有作业题的，但 ...

前言上学期数据仓库捣鼓了一下python的flask后端，对nodejs的后端也产生了兴趣，打算研究一下nodejs的后端。 前置条件默认情况下，安装好node和yarn即可，我们使用yarn进行包管理，若没有安装yarn，可以使用npm安装： 1$ npm install yarn -g 查看yarn版本： 12$ yarn -v1.22.19 初始化node使用yarn初始化： 123$ mkdir your-project-name$ cd your-project-name$ yarn init -y 然后你的目录里就多了一个package.json文件，它在描述了该项目所需要的包。 初始化git创建.gitignore文件，添加node_modules和dist等不需要版本管理的文件or目录，然后运行命令： 1git init 安装一些包 安装express，这是一个nodejs下的后端框架 1$ yarn add express 安装typescript，将框架语言转换为ts 1$ yarn add -D typescript @types/node @typ ...

前端测试框架浅试最近在对前端做Unit Test，用到一些测试框架，这里做一些简单的记录。 主要做的事情是针对一个React-hook和一些组件进行了测试，使用的是vitest，并且把原来的一些jest的测试迁移到了vitest上，并且删掉了jest的依赖。 vitest & jest jest: https://jestjs.io/zh-Hans/ vitest: https://cn.vitest.dev/ vitest比较轻量级，基于vite驱动，如果使用了vite，vitest是个很好的选择。 vitest的速度比jest快很多，但是生态比起jest略逊一筹。 vitest和jest的api都是兼容的，vitest的文档目前还比较简单，如果对某些api有疑问，可以参考jest。 describe和it 12345678import { describe, expect, it } from 'vitest';describe('describe1', () => { describ ...

一个自由的MySQL用来平时测试各种东西还是很方便的，好几次在parallels desktop上的Ubuntu装都失败了，这次用别的虚拟机试了一下就成了，感觉很可能是虚拟机镜像的问题。 一个新的Ubuntu虚拟机，先安装docker，参考https://developer.aliyun.com/article/1323800，https://docs.docker.com/engine/install/ubuntu/#install-using-the-repository 12345678910111213141516171819202122# apt预备sudo apt updatesudo apt upgrade# 卸载旧的sudo apt-get remove docker docker-engine docker.io containerd runc# 证书sudo apt-get install ca-certificates curl gnupg lsb-releasecurl -fsSL http://mirrors.aliyun.com/docker-ce/li ...

最近有一门课需要使用到python的flask框架，并对mysql关系型数据库、neo4j图数据库和hadoop分布式数据库进行查询，在这里作一些记录和总结。 mysql 安装mysql 自从大二用了docker在服务器上安装软件后，变得一发不可收拾（docker实在是太舒服了）。我们的mysql部署也采用docker，mysql的镜像十分之多，找个star量高的pull一下，然后安装到服务器上即可，十分简单。 导入数据 比较麻烦的是将数据导入到mysql，我们使用JetBrain的datagrip进行远程连接，然后导入数据。在上一篇blog描述了爬虫+数据处理的过程，最后得到的是csv文件格式的数据。因此这里也是将csv导入到mysql之中，具体的操作可以参考我项目的组长Baokker，导入成功之后，就可以直接导出.sql脚本进行数据迁移啦。 mysql安全 我们显然不能把数据都放在root账号，mysql支持账号和ip绑定，只允许该账号在指定的某个ip登录。虽然这样很安全，但是这样并不方便我们开发的时候进行debug。由于我们开发初期设置了123456这样的简单密码，导致被 ...

配置Vue3.0+element-plus+axios 新建Vue项目 1vue create [options] <app-name> 选择Manually select features，记得把路由勾选上。 设置ElementPlus 1npm install element-plus 然后在main.js中把相关的组件引入，即 12import ElementPlus from 'element-plus'import 'element-plus/dist/index.css' 并让创建的app使用该组件，即app.use(ElementPlus)，同时可以在vscode中使用element-ui插件，以生成自动提示 设置axios 12npm install axiosnpm install vue-axios 同样在main.js中把相关的组件引入，即 12import VueAxios from 'vue-axios'import axios from 'axios' ...

序言最近学校有一门课，需要爬取Amazon的电影数据并作清洗和整理，这里简要记录一些思路和困难。 数据爬取 准备工作 数据来源是一个包含了7911684个用户评价的txt文档，这里是下载链接。下载完解压后是一个9G左右的movies.txt文档，下面是一条用户评价的示例： product/productId: B00006HAXW review/userId: A1RSDE90N6RSZF review/profileName: Joseph M. Kotow review/helpfulness: 9/9 review/score: 5.0 review/time: 1042502400 review/summary: Pittsburgh - Home of the OLDIES review/text: I have all of the doo wop DVD’s and this one is as good or better than the 1st ones. Reme ...

序言移动应用创新赛马上决赛了，我们队伍还在为模型的生成而苦恼，在集训时有老师建议我们使用Object-Capture技术，通过拍照来生成模型，于是我去调研并切实地试了一下这个技术。 调研与使用截止目前而言(2022.8月)，该技术只支持测试版的使用，按照官方提供的操作流程，需要下载并安装macOS Monterey beta和Xcode 13 beta，这两个东西全部安装完毕后大约会占去电脑100G左右，并且在使用模拟器Simulator-Beta时，macbook会有明显的cpu使用率过高和发烫（我才买半年的macbook啥时候遭过这个罪） 如果只是想借助该工具生成模型，那大可不必去阅读文档和源码，更不用自己去用PhotogrammetrySession这个类去写一个Command-Line App，只需要使用官方提供的这个命令行工具（下载链接），打开之后在本机上运行。如果你的macbook能够Build Successfully，就会生成Products目录下的HelloPhotoframmetry这个Unix可执行文件，如下图所示， 而后点击Show in Finder，并在 ...