<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[个人积累]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/D_____S</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; D_____S]]></copyright><item><title><![CDATA[Pycharm安装numpy库出错]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/87908531</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/87908531</guid><author>D_____S</author><pubDate>Mon, 25 Feb 2019 10:17:50 +0800</pubDate><description><![CDATA[今天在Pycharm“设置”中安装numpy始终无法成功

一直显示正在安装，但是很久很久都安装不好，有时还会报错



解决办法：

直接在电脑的cmd框中输入：python -m pip install numpy 进行安装...]]></description><category></category></item><item><title><![CDATA[C++ bindings for libpmemobj（part 0 - part 3）]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/86577413</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/86577413</guid><author>D_____S</author><pubDate>Mon, 21 Jan 2019 16:40:47 +0800</pubDate><description><![CDATA[参考链接：

http://pmem.io/2016/01/12/cpp-01.html

 

Part 0

有关之前 C 语言的 libpmemobj 库的目标是在不修改编译器的条件下实现持续性存储的所有功能，但是只能在低级软件和语言。

而 libpmemobj C++ 库是更高级的语言，减少错误并且具有更好的API。更多专注修改 structs 和 classes，而对函数共能只做简单修...]]></description><category></category></item><item><title><![CDATA[An introduction to pmemobj (part 5) - atomic dynamic memory allocation]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/85337153</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/85337153</guid><author>D_____S</author><pubDate>Sun, 30 Dec 2018 10:47:51 +0800</pubDate><description><![CDATA[参考链接：https://pmem.io/2015/06/18/ntx-alloc.html

所用 API 接口：https://github.com/pmem/pmdk/blob/master/src/include/libpmemobj

POBJ_ZNEW() // 从内存池中间分配一个已经归零的新对象

POBJ_ZALLOC() // 同上，只是具体参数不同，详情参考链接

POBJ_...]]></description><category></category></item><item><title><![CDATA[An introduction to pmemobj (part 4) - transactional dynamic memory allocation]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/85320636</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/85320636</guid><author>D_____S</author><pubDate>Fri, 28 Dec 2018 14:00:27 +0800</pubDate><description><![CDATA[参考链接：https://pmem.io/2015/06/17/tx-alloc.html

TX_** 系列函数的定义

参考链接：https://github.com/pmem/pmdk/blob/master/src/include/libpmemobj/tx.h

Homework



个人看法：

这段代码的实际含义：


void rectangle_modify(TOID(stru...]]></description><category></category></item><item><title><![CDATA[An introduction to pmemobj (part 3) - types]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/85237899</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/85237899</guid><author>D_____S</author><pubDate>Mon, 24 Dec 2018 19:33:25 +0800</pubDate><description><![CDATA[参考链接：https://pmem.io/2015/06/16/types.html

API函数

POBJ_ROOT() //代替 pmemobj_root() 函数

D_RW() //写入（根节点）

D_RO() //读取（根节点）

TX_MEMCPY() //代替memcpy 对事务进行操作

为了提供类型安全性，在持续性内存编程前需要明确的 layout 声明，以字符串存储为例的 ...]]></description><category></category></item><item><title><![CDATA[An introduction to pmemobj (part 2) - transactions]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/85237617</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/85237617</guid><author>D_____S</author><pubDate>Mon, 24 Dec 2018 19:21:38 +0800</pubDate><description><![CDATA[参考链接：https://pmem.io/2015/06/15/transactions.html

API 函数：

pmemobj_tx_process() //用来移动事务

pmemobj_tx_abort() //状态跳转

pmemobj_tx_add_rang(root object，offset，size) //将 root 指针偏移 offset 个偏移量后，size 个大小的空...]]></description><category></category></item><item><title><![CDATA[An introduction to pmemobj (part 1) - accessing the persistent memory]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/85226516</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/85226516</guid><author>D_____S</author><pubDate>Sun, 23 Dec 2018 21:51:38 +0800</pubDate><description><![CDATA[参考链接：https://pmem.io/2015/06/13/accessing-pmem.html

这篇文章主要还是纯C语言有关

全文API函数：

pmemobj_creat() //创建持久化内存池

pmemobj_open() //打开已创建的持久化内存池

pmemobj_close() //释放内存池

pmemobj_check() //验证内存池元数据一致性

pmemob...]]></description><category></category></item><item><title><![CDATA[完成Persistent Memory的模拟]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/85052351</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/85052351</guid><author>D_____S</author><pubDate>Mon, 17 Dec 2018 18:01:31 +0800</pubDate><description><![CDATA[ 

过程主要参考：

https://nvdimm.wiki.kernel.org/how_to_choose_the_correct_memmap_kernel_parameter_for_pmem_on_your_system

https://software.intel.com/zh-cn/articles/how-to-emulate-persistent-memory-on-an-i...]]></description><category></category></item><item><title><![CDATA[Ubuntu内核版本更新到4.20]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/84980666</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/84980666</guid><author>D_____S</author><pubDate>Wed, 12 Dec 2018 22:48:59 +0800</pubDate><description><![CDATA[原始版本 4.15 更新到 4.20

因为最近在做Persistent Memory Programming

 

下面是我的虚拟机原始版本



 

首先打开网页 http://kernel.ubuntu.com/~kernel-ppa/mainline/ 并选择最下面的版本



 

然后点进去看到适合自己（我是 amd64）的文件链接



 

然后复制以上链接并在命令框中执行，下...]]></description><category></category></item><item><title><![CDATA[win2003 R2 SP2  x64 可用密钥]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/84962747</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/84962747</guid><author>D_____S</author><pubDate>Tue, 11 Dec 2018 22:10:14 +0800</pubDate><description><![CDATA[2018-12-11亲测可用

 

MR78C-GF2CY-KC864-DTG74-VMT73]]></description><category></category></item><item><title><![CDATA[《C++Primer》第五版 第一章编程题部分答案]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/82869579</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/82869579</guid><author>D_____S</author><pubDate>Mon, 01 Oct 2018 15:09:54 +0800</pubDate><description><![CDATA[练习1.9


#include&amp;lt;iostream&amp;gt;
using namespace std;

int main()
{
	int val = 50, sum = 0;
	while (val &amp;lt;= 100)
	{
		sum += val;
		++val;
	}
	std::cout &amp;lt;&amp;lt; &quot;Sum of 50 to 100 inclusive is：&quot; &amp;lt...]]></description><category></category></item><item><title><![CDATA[在VS2017上配置CMake并生成OpenCV源代码工程的解决方案]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/82860195</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/82860195</guid><author>D_____S</author><pubDate>Wed, 26 Sep 2018 22:31:40 +0800</pubDate><description><![CDATA[这篇博客是对之前博客《在win10下配置VS2017搭载OpenCV4.0》的补充，还没有配置好VS2017+OpenCV的小伙伴可以参考一下我之前的博客。

 

一、为什么用CMake？

想要在 Windows 平台下生成 OpenCV 的解决方案，需要一个名为 CMake 的开源软件。note：CMake，是 “crossplatform make” 的缩写，它是一个跨平台的安装（编译）工...]]></description><category></category></item><item><title><![CDATA[基于更深卷积网络的大规模图像识别——阅读笔记]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/82857951</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/82857951</guid><author>D_____S</author><pubDate>Wed, 26 Sep 2018 20:51:28 +0800</pubDate><description><![CDATA[这篇文章是根据之前有一篇翻译的文献而来，翻译见前面的博客： https://blog.youkuaiyun.com/D_____S/article/details/82825322

第一次读外文文献，理解起来非常困难，参考了网上的不少资料。

之后会学习如何复现此网络，复现过程将在接下来的博客上更新。

 

一、VGG的意义

这篇论文之所以简称为 “VGG” 是因为出自牛津大学 Oxford Visua...]]></description><category></category></item><item><title><![CDATA[在win10下配置VS2017搭载OpenCV4.0]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/82826920</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/82826920</guid><author>D_____S</author><pubDate>Mon, 24 Sep 2018 10:10:34 +0800</pubDate><description><![CDATA[其实刚开始不准备入门OpenCV的，现在CV岗感觉好激烈，我觉得自己入了也是当炮灰，但是实验室有点事情必须要用OpenCV，没办法我还是要学一下。

找了很久配置OpenCV4.0，网上的大神们有很多配置方法，但是我觉得OpenCV3版本可能跟4还是略有一点不同。

我电脑里面很早就有VS2017，在下面就不介绍了，直接从OpenCV开始。

（本文没有配置 CMake，配置 CMake 的博文在...]]></description><category></category></item><item><title><![CDATA[基于更深卷积网络的大规模图像识别]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/82825322</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/82825322</guid><author>D_____S</author><pubDate>Sun, 23 Sep 2018 22:29:40 +0800</pubDate><description><![CDATA[       本文是 “VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION” 文章的翻译，第一次读外文文献，不知道该怎么选文献，就挑了比较新也出名的“VGG”文献来进行翻译。之后对它的进一步解读将在下一篇博客中写出。全文翻译非常业余，只求看懂就行。实际上这篇文献已经被很多大佬翻译并解读过了，我选它主要是为了在翻译和解...]]></description><category></category></item><item><title><![CDATA[安装VMware Tools并实现主机PC与Ubuntu虚拟机的文件共享]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/82589397</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/82589397</guid><author>D_____S</author><pubDate>Mon, 10 Sep 2018 15:02:36 +0800</pubDate><description><![CDATA[这个问题实际上是在上一篇博客中出现的问题，在这里统一解决一下。

在上一个博客上需要把手写数字变成 .png 图片文件放入 linux 文件夹中，这里我想到的解决方案就是将 PC 上的文件夹与 linux 虚拟机共享。

具体过程是这样：

一、安装 VMware Tools

在页面上选择 “虚拟机” ——》“安装VMware Tools”
	然后点击桌面图标 VMware Tools, 复制文...]]></description><category></category></item><item><title><![CDATA[Tensorflow学习之手写数字识别]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/82585928</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/82585928</guid><author>D_____S</author><pubDate>Mon, 10 Sep 2018 14:29:10 +0800</pubDate><description><![CDATA[前言：很久没有更新了，主要是最近也有很多事情，一个人学习新知识总是有点坚持不下来，前面的知识也没能很好的理解，存在的问题比较多。调试比较难调，在虚拟机里面总是报 “memory error” 或者 “已杀死”，但是重开一遍又没有了，在运行途中也总会出现这样的问题，让我很烦恼，只有自己一个人慢慢调。这几天也坚定了学习代码的心，后面的更新应该会更规律更频繁。本节内容其实是一小节，我觉得也很有必要整理一...]]></description><category></category></item><item><title><![CDATA[Tensorflow学习之MNIST数据集]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/81634721</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/81634721</guid><author>D_____S</author><pubDate>Tue, 14 Aug 2018 22:34:44 +0800</pubDate><description><![CDATA[前言：

       最近有段时间没学习了，主要是MNIST数据集这一节的代码很多错误，比较难调试，而且每次报的错误还不一样，在网上百度又尝试了好多种解决办法最后才解决，挺烦的。还有就是自己本来选的人工智能方向，但是导师在这个方向貌似资源比较少，估计开学了就准备换个硬件方向了，一直都在怀疑自己还应不应该继续学Tensflow。最后就是，自己这段时间超级想买个Ipad Pro，也不知道是怎么会使，...]]></description><category></category></item><item><title><![CDATA[Tensorflow学习之神经网络优化]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/81380298</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/81380298</guid><author>D_____S</author><pubDate>Fri, 03 Aug 2018 16:54:41 +0800</pubDate><description><![CDATA[一、损失函数

神经元模型：用数学公式表示为：，f为激活函数，神经网络是以神经元为基本单元构成的。

激活函数：引入非线性激活因素，提高模型的表达力

常用的激活函数有relu、sigmoid、tanh等。



神经网络的复杂度：可用神经网络的层数和神经网络中待优化的参数个数来表示

神经网络的层数：一般不计入输入层，层数= n 个隐藏层 + 1 个输出层

神经网络待优化参数：神经网络中所有参...]]></description><category></category></item><item><title><![CDATA[Tensorflow学习之搭建神经网络]]></title><link>https://blog.youkuaiyun.com/D_____S/article/details/81287086</link><guid>https://blog.youkuaiyun.com/D_____S/article/details/81287086</guid><author>D_____S</author><pubDate>Mon, 30 Jul 2018 22:17:42 +0800</pubDate><description><![CDATA[搭建神经网络

一、基本概念

基于Tensorflow的NN：用张量表示数据，用计算图搭建神经网络回话执行计算图，优化线上的权重（参数），得到模型。

张量：就是多维数组（列表），用“阶”表示张量的维度。

0阶张量就是一个数；

1阶张量是xia向量，表示一个一维数组，V=[1,2,3]；

2阶张量就是矩阵。表示一个二维数组，m=[[1,2,3], [4,5,6], [7,8,9]]

判断...]]></description><category></category></item></channel></rss>