<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[artzers的专栏]]></title><description><![CDATA[计院青椒一个]]></description><link>https://blog.youkuaiyun.com/lpsl1882</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lpsl1882]]></copyright><item><title><![CDATA[【C++】MySQL8初始化疑难解答]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105824030</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105824030</guid><author>lpsl1882</author><pubDate>Tue, 28 Apr 2020 22:08:01 +0800</pubDate><description><![CDATA[MySQL是著名的开源关系数据库，在网站建设、移动APP服务、云计算、科学管理领域都有重要用途。无论以后从事什么方向的IT工作，都要对MySQL有一定的了解。
MySQL最新版本号是8，官网提供了绿色包和安装包下载。现在一般都会选择绿色包下载，避免污染系统。但是绿色版MySQL的启动容易遇到问题。现记录一下：
找不到VCRUNTIME14_1
这里写的是14_1，但是对应VC++2019。安装VC...]]></description><category></category></item><item><title><![CDATA[【C++】Boost.Asio+Serialization 建立RPC demo（服务端）]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105232508</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105232508</guid><author>lpsl1882</author><pubDate>Tue, 31 Mar 2020 22:33:40 +0800</pubDate><description><![CDATA[接上篇blog，RPC服务端主要设计两个主要内容：

调用函数进行统一绑定。
调用函数参数展开。
统一接口的调用。
这里我不考虑类成员函数绑定，远程调用不好设计。

接收数据
服务端能接收的数据存放在char* readBuffer_里面，Boost.Serialization的binary_oarchive对象来恢复传递的函数名字符串、函数参数。服务端根据传输的函数名来调用相应的函数并输入函数参...]]></description><category></category></item><item><title><![CDATA[【C++】Boost.Asio+Serialization 建立RPC demo（客户端）]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105225797</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105225797</guid><author>lpsl1882</author><pubDate>Tue, 31 Mar 2020 17:14:17 +0800</pubDate><description><![CDATA[RPC服务（Remote Procedure Call）,可以从客户端要求服务端进行相关业务，从服务端获取相应的答案，调用方法类似普通的函数调用。RPC在分布式系统中的系统环境建设和应用程序设计中有着广泛的应用，比如：分布式操作系统的进程间通讯；构造分布式计算的软件环境；远程数据库服务等。
这里尝试用Boost.Asio和Serialization搭建一个RPC demo，编译平台是VS 2017...]]></description><category></category></item><item><title><![CDATA[【C++】Boost.Serialization疑难解答：缓冲、动态数组等]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105194328</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105194328</guid><author>lpsl1882</author><pubDate>Mon, 30 Mar 2020 11:38:58 +0800</pubDate><description><![CDATA[工作中可能面临如下需求：

将结构化数据，比如类，通过网络传输到其他地方。
高成本计算得到的数据，要临时保存到磁盘中，希望下一次读取进来直接就是格式化好的数据；而不再需要一个个地读取进来，在内存中重建构建数据结构。

我们可以用序列化/反序列化来完成上述任务。序列化是指，将用复杂数据结构构建的数据，变为字符串或者二进制流；反序列化则是相反过程，直接从字符串或者二进制流中完全恢复内存现场。
目前常用...]]></description><category></category></item><item><title><![CDATA[【C++】内外网连接原理与ASIO 代理]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105162706</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105162706</guid><author>lpsl1882</author><pubDate>Sat, 28 Mar 2020 16:53:13 +0800</pubDate><description><![CDATA[参考资料：《Boost Asio C++网络编程》第五章
学会网络编程之后，理所当然会有这样的想法：在单位电脑上部署自己写的服务段软件，在家里电脑上部署客户端，从而远程办公。但是实际操作下来可以发现，两台电脑上的ip地址，根本不能建立socket直连，这是为什么呢。
内外网连接规则
对于普通网络用户，电脑入网都分配的是内网IP。尽管IPv6已经出来多年，目前互联网公网IP普遍还在IPv4阶段，可利...]]></description><category></category></item><item><title><![CDATA[【C++】BOOST ASIO 异步多线程服务端代码分析]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105153926</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105153926</guid><author>lpsl1882</author><pubDate>Sat, 28 Mar 2020 00:58:40 +0800</pubDate><description><![CDATA[参考资料：《Boost Asio C++网络编程》第五章
异步多线程服务端是可实际运用服务端软件的最低要求，其用于解决如下基本问题：并发服务中，有用户连接需要服务端执行耗时操作，同时不影响其他用户连接工作。
一个显然的想法是，为每个耗时用户连接开启一个工作线程进行耗时操作，在线程工作时不阻塞主线程，线程结束后执行异步回调函数。如果我们直接在工作线程末尾调用回调函数，那么回调函数会在工作线程中而不是...]]></description><category></category></item><item><title><![CDATA[【C++】BOOST ASIO 异步服务端代码分析]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105129415</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105129415</guid><author>lpsl1882</author><pubDate>Thu, 26 Mar 2020 23:08:49 +0800</pubDate><description><![CDATA[参考资料：《Boost Asio C++网络编程》第四章
这里将对asio库编写的异步服务端进行解读。异步服务端复杂很多。同步服务端简单来说就是轮询，一般用于业务测试。
主函数启动
配置环境与客户端一致。主函数：
io_service service;
ip::tcp::acceptor acceptor(service, ip::tcp::endpoint(ip::tcp::v4(), 8001...]]></description><category></category></item><item><title><![CDATA[【C++】BOOST ASIO 异步客户端代码分析]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/105124688</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/105124688</guid><author>lpsl1882</author><pubDate>Thu, 26 Mar 2020 19:50:15 +0800</pubDate><description><![CDATA[参考资料：《Boost Asio C++网络编程》第四章
这里将对asio库编写的异步客户端进行解读。异步客户端比同步客户端更复杂。同步客户端相对简单，实用性不大，一般用于业务测试，基本就是一条线的逻辑代码。
环境设置
asio客户端项目仅需包含boost.asio头文件，无需导入lib文件：
#include &lt;boost/thread.hpp&gt;
#include &lt;boost...]]></description><category></category></item><item><title><![CDATA[【C++】Boost开发指南阅读感想]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/104969758</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/104969758</guid><author>lpsl1882</author><pubDate>Thu, 19 Mar 2020 16:07:30 +0800</pubDate><description><![CDATA[我找了半天的windows下的markdown编辑器，最后发现vs code就是最好的万能编辑器！其他win编辑器的短板：公式都能打。
Boost是C++的准标准库，极大丰富了C++的功能，其中有一些部分会在以后纳入C++标准库，学了有好处。
之前用Qt5作为项目框架，比较了下qt5和boost，发现qt5某种意义上也是一个“boost”，提供了C++很多扩展功能，所以这里也放进来比较一下。
第1...]]></description><category></category></item><item><title><![CDATA[【C++】网络编程小总结]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/104947322</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/104947322</guid><author>lpsl1882</author><pubDate>Wed, 18 Mar 2020 17:55:54 +0800</pubDate><description><![CDATA[这几天抽空看了boost.asio，对网络编程有个大概的了解，记录如下：
网络库
C++常用编写网络项目的库有ACE，boost.asio，libev，libevent，libuv，POCO，cpp-netlibe，等等。按照大众认知，ACE是很重量、复杂、难用的库，超大型项目可能要用，普通的应该没必要。轻型的、要造很多额外轮子就是用libev，libevent等几个作为网络项目基础，这几个其实是...]]></description><category></category></item><item><title><![CDATA[【机器学习】Torchvision生成拼接图像]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/104176321</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/104176321</guid><author>lpsl1882</author><pubDate>Tue, 04 Feb 2020 22:46:09 +0800</pubDate><description><![CDATA[Pytorch组件torchvision可以将 N×D×H×WN \times D \times H \times WN×D×H×W生成 一块拼接图像，其API描述如下：
torchvision.utils.make_grid(tensor, nrow=8, padding=2, normalize=False, range=None, scale_each=False, pad_value=0)...]]></description><category></category></item><item><title><![CDATA[【机器学习】Pytorch多GPU训练的CUDA错误]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/88909045</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/88909045</guid><author>lpsl1882</author><pubDate>Sat, 30 Mar 2019 11:07:47 +0800</pubDate><description><![CDATA[最近用pytorch进行多GPU训练，遇到一个问题，现记录一下问题详情和解决方法。
我用windows pytorch跑的，单个网络占据约4G显存，显卡约11G显存，一个显卡只能跑两个sample。当我batch_size设置为2，GPU设置为两块时，每个GPU显存绰绰有余，跑起来没啥问题。当batch_size设置为4，每个GPU跑两个sample，显存占据约8G，时不时遇到一个错误然后就退出了...]]></description><category></category></item><item><title><![CDATA[【图像处理】基于贝叶斯的Lucy-Richardson图像复原算法]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/88416810</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/88416810</guid><author>lpsl1882</author><pubDate>Tue, 12 Mar 2019 12:30:21 +0800</pubDate><description><![CDATA[研究空间域滤波方法是图像处理领域的重要内容。相比频域滤波，空间域滤波直接在图像空间上进行操作，除了传统的滤波外，还能加入各种直观的空间域操作，可扩展性和可理解性都比较强。在图像复原领域，当噪声较为复杂时，频域滤波方法因为难以计算得到噪声的频域模型，不能合理地去除噪声干扰，空间域方法就容易多了，因此空间域滤波方法占有很重要的地位。
图像复原问题的重要步骤是建立合理的图像退化模型。假设退化图像，即观测......]]></description><category></category></item><item><title><![CDATA[[转]通俗理解卡尔曼滤波及其算法实现（实例解析）]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/80222453</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/80222453</guid><author>lpsl1882</author><pubDate>Mon, 07 May 2018 10:41:54 +0800</pubDate><description><![CDATA[
                    
            
                1．简介(Brief Introduction)在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都...]]></description><category></category></item><item><title><![CDATA[【机器学习】C++与OpenCV、Tensorflow-python联合调用]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/80024396</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/80024396</guid><author>lpsl1882</author><pubDate>Fri, 20 Apr 2018 21:43:27 +0800</pubDate><description><![CDATA[　　上一篇我介绍了C++调用Python的入门方法。这一篇我讲述C++与OpenCV、Tensorflow-python联合调用的一次成功的实验过程。 
　　C++通过python调用tensorflow，比调用C++版本的tensorflow的优势在于：tensorflow环境依赖python环境，python环境几乎是一键傻瓜式操作，各种库依赖的问题，比直接使用tensorflow-C++少得...]]></description><category></category></item><item><title><![CDATA[【机器学习】C++调用Python3教程]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/80017297</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/80017297</guid><author>lpsl1882</author><pubDate>Fri, 20 Apr 2018 13:35:54 +0800</pubDate><description><![CDATA[背景

　　实际项目中我用的都是C++语言，因为涉及到高性能计算，所以其他听起来牛逼的语言只能用来打下手。现在遇到的一个项目，其深度学习模块是用python语言编写的，现在很多深度学习库都提供了python支持，但是很少有C++支持，就算有C++支持，在windows上编译也有一大堆问题（你说普通人会用Linux？）。幸好python是所谓的胶水语言，能够和C++兼容工作，所以就着手试验C++调用...]]></description><category></category></item><item><title><![CDATA[【图像处理】HDF5 C++编程简介]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/78916286</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/78916286</guid><author>lpsl1882</author><pubDate>Wed, 27 Dec 2017 20:48:42 +0800</pubDate><description><![CDATA[HDF5是一种科学数据格式，其特点是可以将不同类型的数据集整合保存到一个文件，并分别打上标签、注释。相比旧版的HDF格式，HDF5能支持大于4GB的文件读写；HDF5在数据集的基础上增加包Group，类似文件夹。这使得HDF5文件内部像普通的文件系统一样，便于数据的整合管理。]]></description><category></category></item><item><title><![CDATA[【机器学习】高斯分布为什么普遍和常用？]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/78906274</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/78906274</guid><author>lpsl1882</author><pubDate>Tue, 26 Dec 2017 20:41:29 +0800</pubDate><description><![CDATA[似然函数到高斯分布为了得到精确值，我们需要进行多次测量，测量值大部分对称分布在真实值两侧附近。设测量期望为θ\theta，误差为ei=xi−θe_i=x_i-\theta,期望为0，误差分布满足什么规律呢？]]></description><category></category></item><item><title><![CDATA[【图像处理】VTK二维图像标记bug修正]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/74997721</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/74997721</guid><author>lpsl1882</author><pubDate>Tue, 11 Jul 2017 20:20:19 +0800</pubDate><description><![CDATA[实现始终面向用户的二维图像表示。]]></description><category></category></item><item><title><![CDATA[【机器学习】Tensorflow概率编程：线性混合模型]]></title><link>https://blog.youkuaiyun.com/lpsl1882/article/details/74457568</link><guid>https://blog.youkuaiyun.com/lpsl1882/article/details/74457568</guid><author>lpsl1882</author><pubDate>Thu, 06 Jul 2017 17:38:49 +0800</pubDate><description><![CDATA[线性模型是我们最常见到的、最理想的数学模型，基本的线性模型是数据科学入门的基本案例。然而现实生活中的线性问题，很大几率不适用于基本的线性模型，需要使用线性混合模型来描述。Tensorflow edward提供对这类问题的解决方案。]]></description><category></category></item></channel></rss>