<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[TBAALi的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/TBAALi</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; TBAALi]]></copyright><item><title><![CDATA[TVM笔记一]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/128140387</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/128140387</guid><author>TBAALi</author><pubDate>Thu, 01 Dec 2022 22:56:09 +0800</pubDate><description><![CDATA[【代码】TVM笔记一。]]></description><category></category></item><item><title><![CDATA[CIFAR-10 图片识别]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/124940149</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/124940149</guid><author>TBAALi</author><pubDate>Tue, 24 May 2022 08:54:44 +0800</pubDate><description><![CDATA["""
Copyright 2022 The TBAALi Authors. All rights reserved.

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

    http://www.apache.org]]></description><category></category></item><item><title><![CDATA[MNIST手写数字识别]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/124852812</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/124852812</guid><author>TBAALi</author><pubDate>Wed, 18 May 2022 22:32:27 +0800</pubDate><description><![CDATA["""
Copyright 2022 The TBAALi Authors. All rights reserved.

Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at

    http://www.apache.org]]></description><category></category></item><item><title><![CDATA[PyTorch 笔记 (四)]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/123830166</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/123830166</guid><author>TBAALi</author><pubDate>Tue, 29 Mar 2022 19:47:35 +0800</pubDate><description><![CDATA[import pandas as pd
import torch
import torch.nn as nn
import numpy as np
from torch.autograd import Variable
from torch.utils.data import Dataset, DataLoader
from torch import optim
from torchvision import datasets, transforms
from torch.utils.data.datalo]]></description><category></category></item><item><title><![CDATA[PyTorch 笔记 (三)]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/123501200</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/123501200</guid><author>TBAALi</author><pubDate>Tue, 15 Mar 2022 14:03:15 +0800</pubDate><description><![CDATA[# AutoGrad 自动求导机制
import pandas as pd
import torch
import torch.nn as nn
import numpy as np
from torch.autograd import Variable
from torch.utils.data import Dataset, DataLoader
from torch import optim
from torchvision import datasets, transforms
from torch]]></description><category></category></item><item><title><![CDATA[PyTorch 笔记 (二)]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/123336695</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/123336695</guid><author>TBAALi</author><pubDate>Mon, 07 Mar 2022 18:40:32 +0800</pubDate><description><![CDATA[# 线性神经网络

# 小批量随机梯度下降：在每次需要计算更新的时候随机抽取一小批样本

import math
import time
import numpy as np
import torch
from d2l import torch as d2l
import matplotlib
import matplotlib.pyplot as plt
import random
from torch.utils import data
from torch import nn

# 正态分布于平方损失]]></description><category></category></item><item><title><![CDATA[PyTorch 笔记 (一)]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/123302603</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/123302603</guid><author>TBAALi</author><pubDate>Sat, 05 Mar 2022 22:26:54 +0800</pubDate><description><![CDATA[PyTorch 笔记
'''
张量类宇 Numpy 中的 ndarray 类似，但是比 ndarray 多了一些功能.
张量表示由一个数值组成的数组，这个数组可能由多个维度。具有一个轴的张量
对应数学上的向量。具有两个轴的张量对应数学上的矩阵。
'''
# %matplotlib inline
import torch
import numpy as np
from IPython import display
from torch.distributions import multinomial
from]]></description><category></category></item><item><title><![CDATA[Matplotlib 笔记 (一)]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/123302581</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/123302581</guid><author>TBAALi</author><pubDate>Sat, 05 Mar 2022 22:25:44 +0800</pubDate><description><![CDATA[Matplotlib 笔记
# Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，
# 并且提供多样化的输出格式
# 可以用来绘制各种静态、动态、交互式的图标

# Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API
# pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图标
# Pyplot 包含一些列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，
# 例如：绘图像加上标记，生成新的图像，在图像中产生新的绘图区域等]]></description><category></category></item><item><title><![CDATA[Pandas 笔记 (一)]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/123302567</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/123302567</guid><author>TBAALi</author><pubDate>Sat, 05 Mar 2022 22:24:50 +0800</pubDate><description><![CDATA[Pandas 笔记
# Pandas 提供高性能、易于使用的数据结构和数据分析工具
# Pandas 可以从 CSV、JSON、SQL、MICROSOFTEXCEL 导入数据
# Pandas 可以对各种数据进行运算操作，比如归并、再形成、选择、还有数据清洗和特征加工
# Pandas 主要数据结构是 Series (一维数据) 与 DataFrame （二维数据）
# Series 是一种类似于一维数组的对象，它由一组数据 (各种 Numpy 数据类型) 以及一组与之对应的
# 数据标签 (即索引) 组成]]></description><category></category></item><item><title><![CDATA[NumPy笔记 (一)]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/123302524</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/123302524</guid><author>TBAALi</author><pubDate>Sat, 05 Mar 2022 22:23:05 +0800</pubDate><description><![CDATA[NumPy 笔记
# NumPy 是 Python 语言的扩展库，支持大量的维度数组与矩阵运算，
# 此外也针对数组运算一共大量的数学函数库
# 包括：一个强大的 N 维对象 ndarray，广播功能函数，整合 C/C++ 代码的工具
# 线性代数、傅里叶变换、随机数生成等功能

'''
创建 ndarray
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0
    object   数]]></description><category></category></item><item><title><![CDATA[AST解释]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/122148622</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/122148622</guid><author>TBAALi</author><pubDate>Sat, 25 Dec 2021 21:01:15 +0800</pubDate><description><![CDATA[AST 是什么
​		AST (Abstract Syntax Tree (抽象语法树)) 是源代码语法结构的一种抽象表示。它以树状的形式表现编程语言的语法结构。由一堆节点 (Node) p组成，每个节点都表示源代码中的一种结构。不同结构用类型曲风，常见的类型由 : Identifer (标识符)，BinaryExpression （二元表达式），VariableSeclaration （变量定义），FunctionDeclaration （函数定义） 等。
​		AST 是编译器看的，编译器会将源码转化成]]></description><category></category></item><item><title><![CDATA[clang 命令行生成 Token、Ast 与 IR]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/122020323</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/122020323</guid><author>TBAALi</author><pubDate>Sun, 19 Dec 2021 08:46:05 +0800</pubDate><description><![CDATA[clang_notes

查看编译过程 clang -ccc-print-phases main.m
词法分析生成 Token clang -fmodules -E -Xclang -dump-tokens main.m
语法分析生成语法树 AST clang -fmodules -fsyntax-only -Xclang -ast-dump main.m
生成中间代码 .ll clang -S -emit-llvm main.m  .bc clang -c -emit-llvm main.m
IR 基本语]]></description><category></category></item><item><title><![CDATA[llvm源码编译]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/116427821</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/116427821</guid><author>TBAALi</author><pubDate>Wed, 05 May 2021 17:37:25 +0800</pubDate><description><![CDATA[下载源码

git clone https://github.com/llvm/llvm-project.git
cd llvm-project


编译 llvm

mkdir llvm-build
cd llvm-build
cmake -G "Unix Makefiles" -DCMAKE_INSTALL_PREFIX=/usr/local/clang -DCMAKE_BUILD_TYPE=Debug ../llvm/
make
make install


编译 clang

mkdir clan.]]></description><category></category></item><item><title><![CDATA[Linux 常用命令]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/115606924</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/115606924</guid><author>TBAALi</author><pubDate>Sun, 11 Apr 2021 21:21:39 +0800</pubDate><description><![CDATA[https://www.toutiao.com/i6947662843621802528/?tt_from=weixin&amp;utm_campaign=client_share&amp;wxshare_count=1&amp;timestamp=1617635139&amp;app=news_article&amp;utm_source=weixin&amp;utm_medium=toutiao_android&amp;use_new_style=1&amp;req_id=202104052305390]]></description><category></category></item><item><title><![CDATA[COM组件简介]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/113183879</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/113183879</guid><author>TBAALi</author><pubDate>Tue, 26 Jan 2021 16:46:38 +0800</pubDate><description><![CDATA[COM组件简介
面向对象的思想难以适应这种分布式软件模型，于是组件化程序设计思想得到了迅速的发展。
按照组件化的程序设计的思想，复杂的应用程序被设计成一些小的，功能单一的组件模块，这些组件模块可以运行在同一台机器上，也可以运行在不同的机器上。
为了实现这样的应用软件，组建程序和组建程序之间需要一些极为细致的规范， 只有组件程序遵守了这些共同的规范，然间系统才能正常运行。
为此，OMG和Microsoft分别提出了CORBA(Common Object Request Breaker Architecture]]></description><category></category></item><item><title><![CDATA[C语言编译过程总结]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/113183768</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/113183768</guid><author>TBAALi</author><pubDate>Tue, 26 Jan 2021 16:45:33 +0800</pubDate><description><![CDATA[概述
C语言的编译链接过程要把我们编写的一个c程序（源代码）转换成可以在硬件上运行的程序（可执行代码），需要进行编译和链接。编译就是把文本形式源代码翻译为机器语言形式的目标文件的过程。链接是把目标文件、操作系统的启动代码和用到的库文件进行组织形成最终生成可执行代码的过程。过程图解如下：

从图上可以看到，整个代码的编译过程分为编译和链接两个过程，编译对应图中的大括号括起的部分，其余则为链接过程。
编译过程
编译过程又可以分成两个阶段：编译和汇编。
编译
编译是读取源程序（字符流），对之进行词法和语法的分析，]]></description><category></category></item><item><title><![CDATA[Linux系统下C语言编程--使用gcc/Makefile编译执行C程序]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/113099026</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/113099026</guid><author>TBAALi</author><pubDate>Sun, 24 Jan 2021 22:26:32 +0800</pubDate><description><![CDATA[基础知识
源程序编译
使用 gcc 编译程序
int main(int argc, char** argv)
{
	printf("Hello Linux\n");
}

要编译这个程序，执行以下命令
gcc -o hello hello.c

gcc 编译器会为我们生成一个可执行文件 hello。
gcc 参数选项

-o 表示我们要求编译器为我们输出可执行文件。
-c 表示我们只要求编译起输出目标代码，而不必输出可执行文件。
-g 表示我们要求编译器在编译的时候提供对程序的调试信息。

MakeFile]]></description><category></category></item><item><title><![CDATA[时间复杂度与空间复杂度]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/112972195</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/112972195</guid><author>TBAALi</author><pubDate>Thu, 21 Jan 2021 21:13:28 +0800</pubDate><description><![CDATA[概述
在满足准确性和健壮性行的基础上，还需要一个重要的筛选条件，即通过算法所编写的程序的运行效率。程序的运行效率具体可以通过2个方面衡量：

程序的运行时间
程序运行所徐内存空间的大小

时间复杂度
基本的计算步骤
时间复杂度的定义
一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n)，使得当n趋近于无穷大时，T(n)/f(n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n))，称O(f(n))为算法的渐进时间复杂]]></description><category></category></item><item><title><![CDATA[逻辑结构与存储结构关系]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/112965082</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/112965082</guid><author>TBAALi</author><pubDate>Thu, 21 Jan 2021 16:49:13 +0800</pubDate><description><![CDATA[概述
逻辑结构是数据元素之间的关系，存储结构是数据元素一起关系在计算机中的存储方式。
逻辑结构
逻辑结构是数据元素之间抽象化的关系，与数据的存储无关，独立于计算机，它是从具体问题中抽象出来的数学模型。
集合
数据元素键除同属一个集合外，无其他联系。集合中的元素是离散、无序的。

线性结构
一个对一个，如线性表、栈、队列、数组、广义表。线性结构就想穿珠子，是一条线，不会分叉。有唯一的开始和唯一的结束。

树形结构
一个对多个，像树一样。树形结构像一颗倒立的数，树根可以发出多个分支。

图形结构
多个对多个，如]]></description><category></category></item><item><title><![CDATA[UML总结]]></title><link>https://blog.youkuaiyun.com/TBAALi/article/details/106363172</link><guid>https://blog.youkuaiyun.com/TBAALi/article/details/106363172</guid><author>TBAALi</author><pubDate>Tue, 26 May 2020 19:21:26 +0800</pubDate><description><![CDATA[UML 总结
1. UML 概述


UML 是一种编制软蓝图的标准化语言，它的目标之一就是为开发团队提供标准通用的设计语言来开发和构建计算机应用。


UML的模型主要有三部分构成：

事物(Things)：UML模型中最基本的构成元素，是具有代表性的成分的抽象
关系(Relationships)：关系把事物紧密联系在一起
图(Diagrams )：图是事物和关系的可视化表示



UML 的核心是图表，大致可以将这些图归类为结构图和行为图。

结构图是由静态图，如类图，对象图等静态图；
行为图是由像序列]]></description><category></category></item></channel></rss>