<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[alan的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/alan418</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; alan418]]></copyright><item><title><![CDATA[windows大段端口被占用]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/146362359</link><guid>https://blog.youkuaiyun.com/alan418/article/details/146362359</guid><author>alan418</author><pubDate>Wed, 19 Mar 2025 10:24:43 +0800</pubDate><description><![CDATA[正常情况下，Hyper-V 虽然会在「TCP 动态端口范围」中随机挑一些端口号保留（占用），不过保留的端口号普遍比较大，就算保留几百、几千个也影响不大。大概从半年前开始，我发现我的代理软件配置的端口有时会不能用，软件提示「没有权限访问端口」。这个灵异问题让我顿时联想到了半年前出现的那个代理软件端口不能用的问题，我试着又重启了几次，发现刚刚能用的 8088 端口又不能用了。在那个问题的回答下，我看到有一些网友说「对我有用」，也有一些网友说「对我没用」，原因就是这个方法解决问题的概率完全是随机的。]]></description><category></category></item><item><title><![CDATA[Git中文件的4种状态]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/106629307</link><guid>https://blog.youkuaiyun.com/alan418/article/details/106629307</guid><author>alan418</author><pubDate>Mon, 08 Jun 2020 21:40:16 +0800</pubDate><description><![CDATA[Git中文件的4种状态
git库所在的文件夹中的文件大致有4种状态

Untracked: 未跟踪, 此文件在文件夹中, 但并没有加入到git库, 不参与版本控制. 通过git add 状态变为Staged.
Unmodify: 文件已经入库, 未修改, 即版本库中的文件快照内容与文件夹中完全一致. 这种类型的文件有两种去处, 如果它被修改, 而变为Modified. 如果使用git rm移出版本库, 则成为Untracked文件
Modified: 文件已修改, 仅仅是修改, 并没有进行其他的操作. 这个]]></description><category></category></item><item><title><![CDATA[Tensorflow复用计算图 reuse=tf.AUTO_REUSE]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/106022713</link><guid>https://blog.youkuaiyun.com/alan418/article/details/106022713</guid><author>alan418</author><pubDate>Sat, 09 May 2020 17:16:42 +0800</pubDate><description><![CDATA[假设有一个场景, 一个结算的函数用于账单的计算, 需要对物品收取5%的税额和10元的运费. 在计算图中我们可以定义以下:
def add_tax_and_shipping(price):
    """Add tax and shipping
    """
    with tf.variable_scope("other_charge") as scope:
        tax = tf.get_variable("tax", (), dtype=tf.float32,
              ]]></description><category></category></item><item><title><![CDATA[linux下的X server:linux图形界面原理]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/105976189</link><guid>https://blog.youkuaiyun.com/alan418/article/details/105976189</guid><author>alan418</author><pubDate>Thu, 07 May 2020 16:52:19 +0800</pubDate><description><![CDATA[转载: https://www.cnblogs.com/liangxiaofeng/p/5034912.html
Moblin Core是在Gnome Mobile的平台上建立。我以前玩Linux，提交的都和图像没有关系，连Xwindows都不用启动，开机后直接进入文本命令行，所以这方面了解得很少，需要学习一下.
严格来讲，Linux这个词本身只表示Linux内核，但在实际上人们已经习惯了用Lin...]]></description><category></category></item><item><title><![CDATA[tf 自定义op 编译]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/103733900</link><guid>https://blog.youkuaiyun.com/alan418/article/details/103733900</guid><author>alan418</author><pubDate>Fri, 27 Dec 2019 16:04:34 +0800</pubDate><description><![CDATA[nvcc = /usr/local/cuda-10.1/bin/nvcc
cudalib = /usr/local/cuda-10.1/lib64/
tensorflow = /home/wai/anaconda3/envs/py27/lib/python2.7/site-packages/tensorflow/include
tflag = -L/home/wai/anaconda3/envs/...]]></description><category></category></item><item><title><![CDATA[Attention机制的本质思想]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/103382627</link><guid>https://blog.youkuaiyun.com/alan418/article/details/103382627</guid><author>alan418</author><pubDate>Wed, 04 Dec 2019 10:52:13 +0800</pubDate><description><![CDATA[上述内容就是经典的Soft Attention模型的基本思想，那么怎么理解Attention模型的物理含义呢？一般在自然语言处理应用里会把Attention模型看作是输出Target句子中某个单词和输入Source句子每个单词的对齐模型，这是非常有道理的。
目标句子生成的每个单词对应输入句子单词的概率分布可以理解为输入句子单词和这个目标生成单词的对齐概率，这在机器翻译语境下是非常直观的：传统的统计...]]></description><category></category></item><item><title><![CDATA[torchvision pretrained model]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/103056525</link><guid>https://blog.youkuaiyun.com/alan418/article/details/103056525</guid><author>alan418</author><pubDate>Wed, 13 Nov 2019 20:18:35 +0800</pubDate><description><![CDATA[Pre-trained Models for Image Classification
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4v7tjepM-1573647494070)(https://www.learnopencv.com/wp-content/uploads/2019/06/Model_Timeline.png)]

...]]></description><category></category></item><item><title><![CDATA[对数损失函数(Logarithmic Loss Function)的原理和 Python 实现]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/103029605</link><guid>https://blog.youkuaiyun.com/alan418/article/details/103029605</guid><author>alan418</author><pubDate>Tue, 12 Nov 2019 15:20:02 +0800</pubDate><description><![CDATA[对数损失, 即 对数似然损失(Log-likelihood Loss) , 也称 逻辑斯谛回归损失(Logistic Loss) 或 交叉熵损失(cross-entropy Loss) , 是在概率估计上定义的.它常用于(multi-nominal, 多项)逻辑斯谛回归和神经网络,以及一些期望极大算法的变体. 可用于评估分类器的概率输出.
对数损失通过惩罚错误的分类,实现对分类器的准确度(Accu...]]></description><category></category></item><item><title><![CDATA[matlibplot 常用colormap]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/102795777</link><guid>https://blog.youkuaiyun.com/alan418/article/details/102795777</guid><author>alan418</author><pubDate>Tue, 29 Oct 2019 11:40:28 +0800</pubDate><description><![CDATA["""
==================
Colormap reference
==================

Reference for colormaps included with Matplotlib.

This reference example shows all colormaps included with Matplotlib. Note that
any co...]]></description><category></category></item><item><title><![CDATA[Python __file__和目录]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/102679575</link><guid>https://blog.youkuaiyun.com/alan418/article/details/102679575</guid><author>alan418</author><pubDate>Tue, 22 Oct 2019 11:37:35 +0800</pubDate><description><![CDATA[__file__  直接在目录里面执行,结果显示当前文件(在Pycharm中会显示绝对路径) , 此变量在ipython中不可用
os.path.dirname()：去掉脚本的文件名，返回目录。
os.path.dirname(os,path.realname(file))：指的是，获得你刚才所引用的模块 所在的绝对路径，file__为内置属性。
用__file 来获得脚本所在的路径是比较方便的，...]]></description><category></category></item><item><title><![CDATA[关于深度学习中的batch_size]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/102653091</link><guid>https://blog.youkuaiyun.com/alan418/article/details/102653091</guid><author>alan418</author><pubDate>Sun, 20 Oct 2019 20:21:42 +0800</pubDate><description><![CDATA[关于深度学习中的batch_size



小批量训练网络的优点：

相对海量的的数据集和内存容量，小批量处理需要更少的内存就可以训练网络。
	通常小批量训练网络速度更快，例如我们将一个大样本分成11小样本(每个样本100个数据)，采用小批量训练网络时，每次传播后更新权重，就传播了11批，在每批次后我们均更新了网络的（权重）参数；如果在传播过程中使用了一个大样本，我们只会对训练网络的权重参数进行...]]></description><category></category></item><item><title><![CDATA[RNN in Pytorch]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/102651174</link><guid>https://blog.youkuaiyun.com/alan418/article/details/102651174</guid><author>alan418</author><pubDate>Sun, 20 Oct 2019 17:30:15 +0800</pubDate><description><![CDATA[https://www.cnblogs.com/jermmyhsu/p/10020308.html

RNN，写起来真的烦

曾经，为了处理一些序列相关的数据，我稍微了解了一点递归网络 (RNN) 的东西。由于当时只会 tensorflow，就从官网上找了一些 tensorflow 相关的 demo，中间陆陆续续折腾了两个多星期，才对 squence to sequence，sequence cl...]]></description><category></category></item><item><title><![CDATA[cv2 ubuntu]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/102490415</link><guid>https://blog.youkuaiyun.com/alan418/article/details/102490415</guid><author>alan418</author><pubDate>Thu, 10 Oct 2019 20:39:58 +0800</pubDate><description><![CDATA[执行pip install opencv-python，安装opencv后，在使用时(Python   import cv2)，会提示找不到库：

libSM.so.6

libXrender.so.1

libXext.so.6

 

Ubuntu的解决方案：

sudo apt-get install libsm6(或sudo apt-get install libsm-dev)

sud...]]></description><category></category></item><item><title><![CDATA[相机标定究竟在标定什么？]]></title><link>https://blog.youkuaiyun.com/alan418/article/details/83351327</link><guid>https://blog.youkuaiyun.com/alan418/article/details/83351327</guid><author>alan418</author><pubDate>Wed, 24 Oct 2018 21:39:56 +0800</pubDate><description><![CDATA[来源: 知乎专栏

 

相机标定的目标是我们找一个合适的数学模型，求出这个模型的参数，这样我们能够近似这个三维到二维的过程，使这个三维到二维的过程的函数找到反函数。



这个逼近的过程就是「相机标定」，我们用简单的数学模型来表达复杂的成像过程，并且求出成像的反过程。标定之后的相机，可以进行三维场景的重建，即深度的感知，这是计算机视觉的一大分支。...]]></description><category></category></item></channel></rss>