- 博客(238)
- 收藏
- 关注
RSS订阅原创 C 语言，守护进程（daemon）
你刚刚用纯 C 语言实现了一个符合 Unix 标准的守护进程！启动后立即返回 shell不依赖任何终端PPID=1，由系统托管在后台默默工作自动清理资源这就是nginxsshdcrond等经典服务背后的底层原理！
2025-12-19 11:50:41
292
1原创 Honorlock和GradeScope考试技术问题
不要再次从 Canvas quiz 里面点TA给你嵌入的 GradeScope链接-如果你从这里再点进去的话，你会发现你写一半的GradeSope考试已经被提交了！不用管它，你仍然可以继续考试，就点开你刚才的考试页面就行。✅ 如果中途你低头写草稿的时候，屏幕变灰了，中间显示 Honorlock 不能检测到你的脸，你被中断了，然后这个时候不要慌。回到监考页面之后，记住要点击你刚才写的GradeScope的网页，
2025-12-07 13:12:21
223
原创 咖啡馆墙错觉
这样做可以平衡掉原本导致边缘“漂移”的强度差异。修正后的图像虽然在高倍放大下观察边缘仍有些微波动，但这种波动已经弱到人眼无法清晰感知，从而大大减弱或消除了倾斜的错觉。咖啡馆墙错觉是一种视觉错觉，其图像由黑白棋盘格交替排列而成，中间有灰色灰泥线分隔。这种排列会造成水平灰泥线看起来是倾斜的错觉。以下是 University of Maryland 的 Cornelia Fermuller 教授的分析。理解了错觉产生的原因，就可以通过调整图像来抵消这种效果。具体方法是在棋盘格瓷砖的。
2025-11-21 10:53:33
35
原创 确定一个形状所需的最少点数：确定一个圆要几个点？
解释：虽然是在3维空间，但平面本身的自由度是3（例如，由方程 Ax+By+Cz=1 中的三个系数决定）。每个点提供1个约束（因为必须满足平面方程），所以需要3个点。解释：n个点直接提供了2n个约束。但如果多边形是正n边形，约束大大增加，自由度降至3（中心坐标和半径），因此最少点数变为2（需已知边数n）。确定一个形状所需的最少点数，其实就是找出能唯一确定该形状（包括位置、大小和方向）的最小约束数量。约束越多（如正方形比矩形约束多），所需的点数就越少。自由度：2n (n个顶点的坐标)最少点数：3（三点不共线）
2025-11-21 10:30:50
116
原创 为什么叫“线性”？为什么叫“代数”？
为什么叫“线性”？为什么叫“代数”？为什么叫“线性”？为什么叫“代数”？其实，“线性代数”的名字已经很好地解释了它是什么。让我们来拆解一下这个名字。“代数”这个词听起来很学术，但其实它的核心思想很简单：用符号代表数字。就像我们在小学时学会用x和y代替具体的数字一样。比如方程 x + 2 = 5，我们知道如何找出它：只需要把 x 看成平常的数字，用算术的定理即可推导出 x。代数让我们能够抽象地思考，找出解决问题的通用方法，而不是每次都重新计算。它是算术的升级版——从处理具体数字升级到处理关系和模式。“线性”指
2025-11-07 13:42:28
326
原创 最小二乘法（Least Square）：由几何投影直接得到正规方程
假设我们有一堆数据点x1y1x2y2xmymx1y1x2y2xmymy≈β0β1xy≈β0β1x但现实里，数据往往不完全落在直线上。那怎么办？我们希望找到一条“最合适”的直线，让点到直线的距离尽可能小。“最小二乘”的想法就是：把所有误差平方加起来，要求这个总和最小。
2025-11-07 13:41:01
988
原创 三个好思路：SQL并行化处理、混淆矩阵和特征交叉
在数据科学领域，我们常被复杂的算法和庞大的数据集所震撼。然而真正推动项目成功的，往往是一些精妙的核心思路。这些思路看似简单，却能在关键时刻提供深刻洞察。今天，我们就深入探讨三个这样的思路：SQL并行化处理、混淆矩阵和特征交叉。
2025-11-07 13:39:05
765
原创 数学史上的十个伟大时刻
GIMPS（互联网梅森质数大搜索）项目则代表了数学探索在数字时代的新形态——通过全球分布式计算，凝聚无数志愿者的计算力，共同寻找最大的已知质数，展现了现代协作科研的力量。这种对严格逻辑证明的追求，确立了数学的公理化思想，成为所有科学理论的 rigor（严谨性）之源。这一时刻辉煌地证明了，最抽象的数学思维在现实世界中能产生决定性的巨大影响，并直接催生了现代计算机科学的诞生。其中，中国的“辗转相除法”与西方的“欧几里得算法”异曲同工，正是人类智慧在不同文明中交相辉映的绝佳例证。数学，是全人类共同的语言。
2025-11-07 13:37:07
470
原创 【NLP】Penn Treebank 与 Parsing：让计算机看懂句子结构
语法树是理解句子结构的可视化工具Parsing是自动构建语法树的过程为句法分析提供了统一标准和训练数据PCFG让解析器学会在歧义中选择最合理的解释以后当你看到机器翻译、智能客服、语音助手答得又快又准时，不妨想想，在它的大脑里，很可能有一棵棵看不见的语法树，默默帮它看懂语言。最近几年，为了适应更加灵活复杂的语言结构，又更进一步——现在会使用神经网络RNN、LSTM、来学习和直接生成完整的话。它们不需要显式写规则，也不必只依赖统计句法树，而是直接从大规模语料学习模式。这种语法结构是隐式学到。
2025-11-07 13:33:51
656
原创 “和 AI 聊天，也要会撩”：提示词工程（Prompt Engineering）其实就是和它说人话
简单说，提示词 Prompt 就是你给 AI 的那句“开场白”，用来告诉它你想让它干嘛。但和人不同，AI 的“理解力”全靠你给它的文字线索。你说“写一篇文章”，它可能给你流水账；你说“写一篇100字以内、口语化、有趣的文章”，它才知道该怎么发挥。
2025-11-07 13:32:42
404
原创 布尔代数化简：用数学魔法简化电路设计
布尔代数（Boolean Algebra）是数字电路设计的核心数学工具，它用简单的“真（1）”和“假（0）”来描述逻辑关系。今天，我们就来聊聊如何用布尔代数定理化简逻辑表达式，并解析一个完整例子，让你彻底搞懂！，就是通过一系列数学定理，把复杂的逻辑表达式变得更简洁，从而让电路更高效、更省成本。只要掌握这些定理，你就能像解数学方程一样轻松化简逻辑电路！
2025-11-07 13:31:01
665
原创 99%的人都误解了“AI”这个词！看看我们上课怎么讲，AI包含什么？
人工智能就像一个巨大的套娃——最外层是AI，里面是机器学习，再里面是深度学习，而NLP是其中一个特别擅长处理语言的成员。AI的历史经历了起起落落，从最早的逻辑推理，到机器学习的崛起，再到深度学习的爆发，每一步都让机器离“像人一样思考”更近了一点。所以，下次有人再提到AI，不要仅仅联想到大语言模型比如 DeepSeek 等等，也不要再联想一个家务机器人了——你可以，但是那仅仅是几种AI而已。而是要考虑，他是不是指“机器学习”？“深度学习”？“神经网络”？
2025-11-07 13:28:47
557
原创 【CV】 图像接缝裁剪（Seam Carving）算法
图像接缝裁剪是一种内容感知的图像缩放技术，与传统缩放方法不同，它能够智能地保留图像中重要的内容区域，同时移除相对不重要的像素区域。该算法由Shai Avidan和Ariel Shamir于2007年提出，已成为计算机视觉和图像处理领域的重要技术。在图像处理中，接缝是指一条从图像顶部到底部的连通路径垂直接缝Syiyi∣i1MSy{(iyi))∣i1...M连续性约束∣yi−yi−1∣≤k∣yi−yi−1∣≤k（通常k=1）
2025-10-30 12:14:12
621
原创 【CV】Meshgrid：向量化计算的隐形引擎，解锁CV编程效率革命
在计算机视觉编程中，meshgrid 能在关键时刻将代码效率提升数个量级。这个网格创建工具是向量化计算的桥梁，让我们告别低效的循环，拥抱并行计算。
2025-10-26 10:27:19
349
原创 【CV】神经网络中哪些参数需要被学习？
学习/更新：指的是通过梯度下降直接调整g1g^{(1)}g1g2g^{(2)}g2W1W^{(1)}W1W2W^{(2)}W2这些参数的值。改变zzz和aaa的值会间接改变，因为它们是参数和输入数据的函数。当参数被更新后，同样的输入再次通过网络时，会产生新的zzz和aaa。它们是计算梯度所必需的中间变量，而不是学习的最终目标。因此，在训练过程中，
2025-10-17 21:42:13
887
原创 最大池化 Max pooling 是干什么的？人话讲
步骤图片A (眼睛在左下)图片B (眼睛在左上)说明卷积层输出[0.2, 0.1][0.1, 0.2]探测器看到了眼睛，但激活的精确位置不同。最大池化后0.9不管在哪，只要区域内有反应，输出就是最大值。“我们不在乎是哪个像素激活，只在乎区域内的最大响应”例子中，我们不在乎激活值是来自(0,1)位置还是(0,0)位置，我们只关心这个2x2区域里有一个很高的值0.9。“获得空间不变性”物体（眼睛）在图像空间中微小移动（平移）将不再影响输出。这就是“空间不变性”。图片B的眼睛移动了，但输出没变。
2025-10-04 20:17:16
409
原创 感知机（Perceptron）损失函数和优化方法
概念说明感知机线性二分类模型决策边界w⋅xb0w⋅xb0损失函数原始是正确分类数，松弛后是线性函数优化方法穷举、梯度下降、随机梯度下降更新规则w←wαyixiw←wαyixib←bαyib←bαyi。
2025-10-01 20:22:02
907
原创 每日自我肯定
You get everything you want, because that’s just the way it is. Things are always working out in your favor. You’re so lucky. What’s meant for you never misses you. You’re always at the right place at the right time. You’re just that lucky, miracles effort
2025-09-25 22:27:23
217
原创 Hough Voting 在线性回归中的应用
线性回归是一种经典的统计分析方法，用于研究因变量（目标变量）与一个或多个自变量（解释变量）之间的线性关系。在二维平面中，线性回归的目标是找到一条最佳拟合直线，使得这条直线能够尽可能地接近所有数据点。这条直线的方程通常表示为yaxby = ax + byaxb，其中aaa是斜率，bbb是截距。通过最小化预测值与实际值之间的误差（如均方误差）来确定最优的aaa和bbb。在线性回归问题中，参数空间由斜率aaa和截距bbb组成。每个数据点xiyi(x_i, y_i)
2025-09-25 10:45:38
1016
原创 随机梯度下降（SGD）简明指南
虽然每次移动的方向可能有些随机，甚至可能暂时偏离最佳位置（比如抓到了一个偏离很远的“ outlier”异常点），但经过成千上万次这样的随机拉扯后，直线最终会震荡着、逐渐收敛到所有数据点的中心趋势附近。你是否想过，当我们需要用数百万张图片来训练一个人工智能模型时，电脑是如何完成这个看似不可能的任务的？就是一种用“随机抽样，小步快跑”的方式来替代“全面普查，大步慢走”的优化算法。假设我们当前有一条蓝色的直线，现在随机抽到一个红色的数据点。在第一步里，“计算所有600万个点的误差”就是一个巨大的。
2025-09-23 17:27:29
947
原创 np.flatten与np.reshape
它的核心特性是“优先返回视图”——若原数组内存连续，新数组会直接引用原数组的内存（不占用额外空间），修改视图会同步改变原数组；无视原数组维度结构，按“行优先”（C语言风格）顺序将所有元素拼接成一维数组，且副本特性保证了原数据的安全性，适合需要独立一维数据的场景（如将图像像素输入线性模型前的预处理）。，无论原数组是2维、3维还是更高维度，最终都会输出一个连续的一维序列。它的关键特性是“返回副本”——即新生成的一维数组与原数组完全独立，修改副本不会影响原数组，反之亦然。例如原数组有12个元素，可转为。
2025-09-22 10:45:34
327
原创 无服务器计算（Serverless Computing）的判断题
错误：其他云服务（如 Google Cloud、Azure）也支持无服务器计算。错误：无服务器计算更适合事件驱动型或短期任务场景。在无服务器计算中，用户为空闲时间的资源支付费用。无服务器计算的一个缺点是可能导致供应商锁定问题。在无服务器计算中，资源的扩展由开发者手动设置。无服务器计算无法用于事件驱动的 IoT 应用。错误：无服务器计算由提供商完全管理基础设施。无服务器计算在实时流数据处理中有很好的应用。无服务器计算更适合工作负载稳定的应用场景。无服务器计算适用于长时间运行的批处理任务。
2025-09-21 15:33:51
210
原创 机器学习判断题大全
K-fold CV 中每个 K 值分割都需要重新训练模型。在使用 Bootstrap 时，样本可能包含重复数据。使用 K-fold CV 可以减少模型的过拟合风险。K-fold CV 中的验证集大小取决于 K 的值。核技巧的主要作用是映射到线性可分的空间。SVM 和 SVC 是完全相同的概念。PCA 的第一主成分总是包含最大方差。Bootstrap 的核心是随机抽样。SVM 中的软间隔允许少量分类错误。PCA 可以显著提高数据的分类性能。SVC 是基于支持向量的分类方法。PCR 和 PCA 是同一个算法。
2025-09-21 15:30:23
538
原创 stacking, random forest, bagging, boosting comparison
以下是 Stacking、Random Forest、Bagging 和 Boosting 的对比分析，涵盖核心概念、优缺点以及适用场景：
2025-09-21 15:27:34
391
原创 线性代数4空间，重要
秩-零化度定理（Rank-Nullity Theorem）在RnRndimRow SpacedimNull Spacern−rndimRow SpacedimNull Spacern−rn在RmRmdimdimrm−rmdimdimrm−rm这个定理是维度守恒的体现。正交性（Orthogonality）在RnRn中：行空间⊥\perp⊥零空间在RmRm中：列空间⊥\perp⊥左零空间。
2025-09-19 21:18:06
1192
原创 Python: tuple 才能放进 set；np.array 是不可哈希的
Python: tuple（元组）才能放进 set（集合）；np.array 是不可哈希的。列表可变 → 不可哈希；元组不可变 → 可哈希（只要内部元素也可哈希）。，而 Python 里的列表、NumPy 数组都是。Python 内置函数。
2025-09-19 19:21:40
225
原创 【CV】最小二乘法（Least Squares）在梯度混合（Gradient Blending），处理边界值
这张图看起来是在讲解在中的应用，特别是如何处理的问题。
2025-09-16 17:31:47
828
原创 什么是齐次函数（homogeneous function）？
在数学里，如果一个函数fx1x2xnfx1x2xnftx1tx2txntkfx1x2xnftx1tx2txntkfx1x2xn对任意实数ttt都成立，那么这个函数就叫做齐次函数（homogeneous function），其中指数kkk称为次数（degree of homogeneity）。你把输入变量整体放大ttt倍，函数的值就会放大tkt^kt。
2025-09-16 09:53:44
796
原创 【CV】金字塔
概念说明高斯金字塔通过高斯模糊 + 降采样得到的一系列模糊图像拉普拉斯金字塔高斯图像与扩展后图像的差，捕捉边缘细节重建从拉普拉斯金字塔 + 最顶层高斯图像可无损重建原图图像融合在拉普拉斯层进行融合，再重建，实现多尺度自然融合核心思想图像可分解为不同尺度的结构层，每层代表不同大小的特征模块内容关键技术点高斯金字塔图像多尺度表示模糊+下采样，避免混叠，构建图像层次结构拉普拉斯金字塔边缘与细节提取原图 - 扩展图 = 边缘图，动态范围小，易压缩图像重建可逆过程。
2025-09-15 11:00:58
607
原创 How to use VSCode to open a P5.js animation project?
In VSCode, install these extensions:Live Server (by Ritwick Dey) - to run your projectJavaScript (ES6) code snippets - for better JS supportRun Your AnimationMethod 1: Using Live Server (Recommended)Right-click on index.html in VSCodeSelect “Open with
2025-09-13 17:35:14
170
原创 【CV】如何把一张图完美地抠到另一张图，边界融合？
讲：我们有了目标梯度（想让新图长什么样），但怎么反推出具体的像素颜色值？这就像知道了山坡的陡峭程度，要反推山坡的海拔，有无数种可能。：用来解一个巨大的方程组。XBA：如果我们只是想原封不动地把猫贴进去（不修改它的细节），那么问题可以大大简化！我们只需要保证（可以理解为“细节的细节”）和一样就行了。这就把方程简化为。
2025-09-13 17:17:06
271
原创 【CV】用最小二乘法和拉普拉斯算子来实现图像中的梯度混合（Gradient Blending）
概念解释最小二乘法用来高效找到最优解（图像像素值）的数学方法拉普拉斯算子衡量像素与其周围像素的差异，用于捕捉图像结构和边缘梯度混合让合成图像在梯度上自然过渡，避免生硬边界线性方程组 A·F = b最终要解的方程，其中 F 是未知图像，b 是已知的拉普拉斯图如果你正在实现图像混合或修复算法（比如Poisson Image Editing），这一节就是在教你如何构建那个线性系统。我们通过解一个矩阵方程来让图像合成更自然。
2025-09-13 17:09:59
759
原创 【CV】德劳内三角剖分（Delaunay Triangulation）、重心坐标（Barycentric Coordinates）
“像素传输加上颜色复制”就是图像变形的基本流程，而重心坐标是实现这一流程中一个强大而优雅的工具。它通过构建德劳内三角网格来定义局部变形区域，然后利用其在三角形内部的稳定插值特性，将像素从一个三角形平滑地映射到另一个三角形，实现了图像的平滑、无缝变形。这种基于三角网格和重心坐标的方法，是许多图像变形、面部动画和图像拼接软件（例如，Adobe Photoshop 的 Liquify 功能背后的技术之一）的核心技术。
2025-09-11 16:46:34
1064
原创 重心坐标和齐次坐标为什么最后一行都是1？它们像吗？
重心坐标的 1 是“配方必须 100%”，齐次坐标的 1 是“身份证垫高”，两个 1 同名不同姓，千万别当成一家人。Q：重心坐标和齐次坐标为什么最后一行都是1？撞了同一个数字，别被表面忽悠。“最后一行是 1”只是。
2025-09-11 16:11:39
334
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人