a_zzzzzzzz的博客

原创 Python 解释器 + Shell 脚本实现桌面打开软件

在目录下新建。

原创 用Timeshift 将Ubuntu系统备份存储到 Windows

Timeshift 备份可以放在 Windows 存储，但必须采用特殊方法绕过 NTFS 兼容性问题。最安全可靠的方案是压缩备份后传输（方案 A），虽然步骤较多但能确保恢复成功率。如果追求便捷，可使用 Samba 共享（方案 B），但需注意配置细节。警告：无论使用哪种方案，永远保留原始 Ubuntu 系统的至少一个本地快照作为终极备份，防止 Windows 存储设备故障导致备份丢失。云存储（Google Drive、OneDrive 等，支持跨系统访问）

原创 ubuntu 用timeshift向外部硬盘备份

Timeshift 仅支持。

原创 Ubuntu timeshift备份及恢复

2、开机时一直按F12（DELL电脑）选择「Try or install Ubuntu」>「Try Ubuntu」，启动 Ubuntu 的 Live 环境。9、恢复完成后（会自动配置 Bootloader），从 Live 环境退出，拔出 USB 驱动器，并重启电脑。7、在「Select Target Device」窗口中选择目标设备，然后点击「Next」。6、打开 Timeshift，选中要恢复的快照，然后点击「Restore」（恢复）。8、文件比较完成后，点击「Next」开始执行恢复。

原创 Ubuntu在强制重启后出现问题，---[ end kernel panic - not syncing: Attempted to kill init! exit code=0x00000100]-

核心信息为 “Attempted to kill init!exit code=0x00000100”，同时显示了崩溃时的 CPU 寄存器状态、内核偏移地址等调试数据。其本质是系统的根进程（init）被意外终止，导致系统失去核心管理进程，触发内核强制终止以避免数据损坏。这是 Linux 系统。

原创 1深度学习--数学知识（函数）

原创 提高词汇量1

“Whatever we mean by the economy growing, by things getting better, the gains will have to be more evenly shared than in the recent past,” she writes. “一个由科技百万富翁或亿万富翁和零工工人组成的经济，中等收入的工作被自动化削弱，在政治上是不可持续的。科伊尔说，相反，许多人的不满情绪正在酝酿，因为他们认为，少数几个繁荣城市的精英阶层获得了好处。

原创 pytorch yolo训练后的结果图含义

曲线可帮助根据业务需求选择合适的阈值 —— 例如，在 “不允许误报” 的场景（如危险品检测），可选择曲线中精确率接近 1 的高阈值；简单来说，普通混淆矩阵看 “具体错了多少个”，归一化混淆矩阵看 “错了多大比例”，两者结合能全面评估模型的类别预测能力（如 YOLO 检测时 “把汽车错判为卡车” 的数量和比例）。图中通常以矩阵或热力图形式呈现，横轴和纵轴均为数据集中的类别（如 “猫”“狗”“汽车” 等），每个单元格的颜色深浅（或数值）表示 “两个类别同时出现在同一张图像中的频率”。

原创 深度学习笔记10--多层感知机的从零开始实现

输入特征数。因为 Fashion-MNIST 数据集的图像是 28×28 像素的灰度图，展平后为 784 个特征（28×28=784）。：输出类别数。Fashion-MNIST 有 10 个衣物类别，因此输出层需要 10 个神经元。：隐藏层神经元数量。这里定义隐藏层有 256 个神经元，是一个超参数。# 第一层（输入层→隐藏层）的权重和偏置# 第二层（隐藏层→输出层）的权重和偏置：PyTorch 中用于标记可学习参数的类。被标记的参数会被自动纳入模型的参数列表，参与反向传播和优化。

原创 深度学习笔记9--多层感知机

x1和x2表示输入信号， y表示输出信号。x1和x2是与非门和或门的输入，而与非门和或门的输出则是与门的输入。叠加了多层的感知机也称为多层感知机（multi-layered perceptron）。上图感知机总共由3层构成，但是因为拥有权重的层实质上只有2层（第0层和第1层之间，第1层和第2层之间），所以称为“2层感知机”。不过，有的文献认为上图的感知机是由3层构成的，因而将其称为“3层感知机”过程：1.第0层的两个神经元接收输入信号，并将信号发送至第1层的神经元。

原创 深度学习笔记7--线性回归

定义模型，将模型的输入和参数同模型的输出关联起来。回想一下，要计算线性模型的输出， 我们只需计算输入特征X和模型权重w的矩阵-向量乘法后加上偏置b。注意，上面的Xw是一个向量，而b是一个标量。广播机制： 当我们用一个向量加一个标量时，标量会被加到向量的每个分量上。"""线性回归模型"""因为需要计算损失函数的梯度，所以我们应该先定义损失函数。这里我们使用平方损失函数。在实现中，我们需要将真实值y的形状转换为和预测值y_hat的形状相同。"""均方损失"""

原创 深度学习笔记6--线性神经网络

矢量化（Vectorization）是指。

原创 深度学习笔记4

当。

原创 深度学习笔记3

微分是 “从整体到局部”，用 “变化率” 描述细节；积分是 “从局部到整体”，用 “累积量” 描述全局；

原创 深度学习笔记2

标量由只有一个元素的张量表示。

原创 深度学习笔记1

张量向量矩阵张量类ndarrayTensorndarrayndarrayarangex；shape形状reshape-1。

原创 windows安装python环境、anaconda、pycharm超详细教程(1)

包管理器，提供 7500+ 预编译的科学计算库（如 NumPy、Pandas、PyTorch），自动解析复杂依赖关系，避免手动安装时常见的版本冲突与编译错误。支持创建多个独立 Python/R 环境，每个环境可定制不同版本的 Python 解释器和依赖库（如 TensorFlow 2.x 与 1.x 并存），彻底解决多项目间的版本冲突问题。单击选中Anaconda然后右键，以管理员身份运行，进入以下窗口，点击Next。所以需要寻找旧版网址。在弹出的"系统属性"窗口中，点击右下角的"环境变量"按钮。