<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ak47fourier的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ak47fourier</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ak47fourier]]></copyright><item><title><![CDATA[论文标题管理----WPS自定义多级自动编号列表]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/119752227</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/119752227</guid><author>ak47fourier</author><pubDate>Tue, 17 Aug 2021 11:15:30 +0800</pubDate><description><![CDATA[样式中新建三种标题样式，分别是一级标题、二级标题、三级标题。
在规定了段前断后行距、行距固定值等等参数之后。
在编号中选定 多级编号里的一个模板，然后选择自定义，进行的任何修改都会保存在自定义列表栏目中。如图所示：
注意查看某个自定义列表之后，不要点确认，否则就会成为一个新列表。
对于自定义的列表中，三个级别的标题就够用了，分别设置为：
1级标题
级别点击1
编号格式里是 第x章还是怎样的格式都可以手动修改，编号样式可以自由选择是中文还是数字等。
正规形式编号选中之后，就不能使用中文编号；
将级别链接到样式]]></description><category></category></item><item><title><![CDATA[linux 常用指令--磁盘管理]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/115710999</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/115710999</guid><author>ak47fourier</author><pubDate>Wed, 14 Apr 2021 22:22:15 +0800</pubDate><description><![CDATA[磁盘管理三个命令：
du(disk usage)  — 对文件、目录check磁盘空间使用情况
df (disk file)       – 以磁盘分区为单位查看文件系统。
fdisk    — 用于磁盘分区
du:
du   # 仅仅列出当前目录下的所有文件夹容量（包括隐藏文件夹）
du -a # 当前目录下的文件夹及文件容量都列出来 

df:
df [-ahikHTm] 目录或文件名

-a ：列出所有文件系统
-k ：以KBytes的容量显示文件系统
-m：以MBytes的容量显示文件系统
-h ：]]></description><category></category></item><item><title><![CDATA[音频信号的处理]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/115466274</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/115466274</guid><author>ak47fourier</author><pubDate>Tue, 06 Apr 2021 17:54:24 +0800</pubDate><description><![CDATA[1.分帧，每一帧中有固定N个离散信号。帧之间有重叠。
2.加窗。（提高单帧信号的连续性）
3.short -FFT(短时快速傅里叶变换),得到频谱图
注：频谱（spectrum）表示的是频率与能量之间的关系，常用的频谱有线性频谱、对数频谱（log计算，单位为分贝），自功率谱等等。
4.得到“声谱图”（spectro-gram），过程如下：
5.求倒谱图
下面解释为什么要做“倒频谱”:
求频谱其实就是重点关注频率与能量之间的关系，细节不关心，所以我们只想要频谱包络（红线部分。）发现对频谱做了逆FFT之后，包络]]></description><category></category></item><item><title><![CDATA[pip包破损显示importRrror:cannot import name‘FormaControl’]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/108293977</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/108293977</guid><author>ak47fourier</author><pubDate>Sat, 29 Aug 2020 14:06:10 +0800</pubDate><description><![CDATA[1.首先执行命令： python -m ensurepip --default-pip
2…下载 get-pip.py 文件 地址为 https://bootstrap.pypa.io/get-pip.py
复制网页上全部代码（复制到main函数就可以了），粘贴到新建文件get-pip.py
3.转到文件夹下面，执行命令 ： python get-pip.py

...]]></description><category></category></item><item><title><![CDATA[兔子繁殖问题（python编程题）]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/107969386</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/107969386</guid><author>ak47fourier</author><pubDate>Wed, 12 Aug 2020 23:44:55 +0800</pubDate><description><![CDATA[Q:一对兔子第二个月性成熟，第三个月及以后每个月都会生一对小兔子，求每个月份的兔子数量。
思路：用f1(t)和f2(t)分别表示幼兔和成兔的对数，归纳可以得到：
f1(t)=f2(t-1)                  （1）
f2(t)=f1(t-1)+f2(t-1)      （2）
总结：往下一步，f2(t)=f1(t-1)+f1(t)      (斐波那契数列)
所以写一个函数然后递归调用就行了。

...]]></description><category></category></item><item><title><![CDATA[deep learning with pytorch——ch1]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/107621932</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/107621932</guid><author>ak47fourier</author><pubDate>Mon, 27 Jul 2020 22:38:53 +0800</pubDate><description><![CDATA[pytorch
a high-performance library with optimization support for scientific computing in Python（高性能库带有优化支持，可以用来做python科学计算。
不同深度学习库简述

pytorch简介
1.大部分用C++和CUDA编写，其中CUDA是NVIDIA的一种类似C++的语言，可以编译用来做GPu上的大规模并行
2.核心概念：tensor（多维数组，multidimensional arrays ）
3.torc]]></description><category></category></item><item><title><![CDATA[服务器python环境一个命令安装需要的所有包]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/107477678</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/107477678</guid><author>ak47fourier</author><pubDate>Mon, 20 Jul 2020 23:34:13 +0800</pubDate><description><![CDATA[（pip 指令即可）

]]></description><category></category></item><item><title><![CDATA[pycharm “collecting data“]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/107436802</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/107436802</guid><author>ak47fourier</author><pubDate>Sat, 18 Jul 2020 22:51:33 +0800</pubDate><description><![CDATA[pycharm跑服务器上程序，需要写参数，但是debug时一直显示collecting data，此时需要勾选pycharm-&gt;preference-&gt; build ,execution,deployment-&gt;pythond debugger：  ✅gevent compatible

]]></description><category></category></item><item><title><![CDATA[pycharm远程服务器跑程序设置]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/106666376</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/106666376</guid><author>ak47fourier</author><pubDate>Wed, 10 Jun 2020 15:25:13 +0800</pubDate><description><![CDATA[1.tools-&gt; deploment(部署)-&gt;configuration:
把备用的
connection(服务器地址、用户名及相关密码)
mapping (本地工程地址、服务器对应地址)

2.pycharm-&gt;preference-&gt; project intepreter:
对应的服务器选好,path mapping
这一步没问题，则对应环境已有的安装包都有显示。
3.debug单个程序时，记得一定要edit configuration!!!(working director]]></description><category></category></item><item><title><![CDATA[ubuntu权限指令]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/106341176</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/106341176</guid><author>ak47fourier</author><pubDate>Mon, 25 May 2020 22:58:11 +0800</pubDate><description><![CDATA[查看权限：
ls -l filename   #文件

ls -ld folder   #文件夹

权限一般为10位数字，如图所示：
图中的该文件的权限为：
-rw-r--r-- 

第一位-没有什么具体意义，格式如此。
后面紧跟的rw-这三位表示的是所有者（users）的权限，
中间三位r–表示的是组群（group）的权限，
最后三位表示的是其他人（others）的权限，
（others表示的是除了所有者和其他人之外的）
任一三位里的r/w/x/-都代表的是不同权限：
r 表示文件可以被读（read）  ]]></description><category></category></item><item><title><![CDATA[ubuntu常用指令——常规查看、服务器间复制文件等]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/105905269</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/105905269</guid><author>ak47fourier</author><pubDate>Sun, 03 May 2020 16:41:23 +0800</pubDate><description><![CDATA[查看某个文件夹下所有文件的大小
du -sh *

服务器—&gt;本地 或者 本地 —&gt; 服务器复制文件
scp root@xxx.xxx.xxx.xxx:/dir/to/file/you/want/to/copy /dir/of/local/you/want/put/file   #单个文件.从服务器复制到本地

scp -r root@xxx.xxx.xxx.xxx:/dir/to/f...]]></description><category></category></item><item><title><![CDATA[pycharm报错系列（1）]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/105815665</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/105815665</guid><author>ak47fourier</author><pubDate>Tue, 28 Apr 2020 15:52:07 +0800</pubDate><description><![CDATA[原因：
查看了一下，path mapping现在写的是 /mnt/data-1/xxx/ssta,里面的logs里根本没有这个04-28_15:46:46_TA-RES_SS0.75，所以报错。

]]></description><category></category></item><item><title><![CDATA[mac修改文件打开默认app]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/105559603</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/105559603</guid><author>ak47fourier</author><pubDate>Thu, 16 Apr 2020 15:44:54 +0800</pubDate><description><![CDATA[右键显示简介，然后切换到要使用的app之后，全部应用即可。如下所示：


]]></description><category></category></item><item><title><![CDATA[cuda9.9+python2.7下的torch版本]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/105102444</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/105102444</guid><author>ak47fourier</author><pubDate>Wed, 25 Mar 2020 19:23:08 +0800</pubDate><description><![CDATA[结论：pip install 是完全不行的。只能用conda安装。


]]></description><category></category></item><item><title><![CDATA[python stack函数等]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/104958282</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/104958282</guid><author>ak47fourier</author><pubDate>Fri, 20 Mar 2020 16:32:54 +0800</pubDate><description><![CDATA[torch.stack()函数其实等于是在堆叠数据。
对于一个二维的tensor类型数据来说，距离如下：
import torch
a=torch.tensor([[1,2,3],[4,5,6],[7,8,9]])
a

tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])

这里的*维变量其实就等于是这个tensor里的unit数据的...]]></description><category></category></item><item><title><![CDATA[python索引]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/104972753</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/104972753</guid><author>ak47fourier</author><pubDate>Thu, 19 Mar 2020 17:48:43 +0800</pubDate><description><![CDATA[查看数据中最后一个数字：
list[-1]


]]></description><category></category></item><item><title><![CDATA[python argv]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/104890524</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/104890524</guid><author>ak47fourier</author><pubDate>Mon, 16 Mar 2020 00:55:44 +0800</pubDate><description><![CDATA[问题：
pycharm里面跑一个py文件，main函数如下：
if __name__ == '__main__':
   with open(sys.argv[1]) as file:
       data = json.load(file)


一debug就报错：
with open(sys.argv[1]) as file:
IndexError: list index out of ra...]]></description><category></category></item><item><title><![CDATA[终端常见指令]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/104034193</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/104034193</guid><author>ak47fourier</author><pubDate>Sat, 18 Jan 2020 21:54:38 +0800</pubDate><description><![CDATA[常用目录
~：用户目录
/ : 根目录
常用指令
pwd: print working directory,显示当前绝对路径
cd   xxx : change directory切换路径
cd …： 进入上层目录
cd ./ ：切换到当前目录下的某个下层目录
cd ~:切换到用户目录
cd /：切换到根目录
ls :列出当前目录下的所有目录
心得：不管是~还是/还是./，都可以看做是一块菜地。大...]]></description><category></category></item><item><title><![CDATA[关于Sequence2Sequence模型/RNN/LSTM/attention机制]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/103468053</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/103468053</guid><author>ak47fourier</author><pubDate>Tue, 10 Dec 2019 07:30:30 +0800</pubDate><description><![CDATA[Sequence2Sequence：

输入：序列A
输出：序列B
黑盒子即我们说的encoder-decoder结构，用来实现序列到序列的转换。
那么encoder-decoder结构为啥用RNN呢？
——RNN
看一下RNN的构造：

RNN设计为接受两个输入：“当前的输入”和以前所有输入的“整体记忆”
cell接受了上面两个输入之后，就会吐出一个输出，更新一下整体记忆。
它把对序列的整体记忆...]]></description><category></category></item><item><title><![CDATA[终于看到一个傻瓜式的说明LSTM内部构造的图了]]></title><link>https://blog.youkuaiyun.com/ak47fourier/article/details/90596850</link><guid>https://blog.youkuaiyun.com/ak47fourier/article/details/90596850</guid><author>ak47fourier</author><pubDate>Mon, 27 May 2019 05:05:48 +0800</pubDate><description><![CDATA[注意：底下的四个键头，表示都要用到xt
第一步：从cell中决定丢弃什么信息

]]></description><category></category></item></channel></rss>