<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[会意的博客]]></title><description><![CDATA[你在研究中做的很多事并不会让你接近答案，而是让你更好地理解问题。]]></description><link>https://blog.youkuaiyun.com/mooneve</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; mooneve]]></copyright><item><title><![CDATA[【强化学习】在线学习（Online Learning） 和 离线学习（Offline Learning） 主要区别]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/144243417</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/144243417</guid><author>mooneve</author><pubDate>Wed, 04 Dec 2024 16:27:14 +0800</pubDate><description><![CDATA[在线学习：实时交互、策略更新立即影响行为，适合需要即时适应环境的场景。离线学习：基于历史数据训练，策略更新与交互分离，适合安全性要求高或实时交互成本高的场景。两者的选择取决于具体的应用场景、数据可用性以及系统对安全性和实时性的要求。]]></description><category></category></item><item><title><![CDATA[服务器记录所有用户docker操作，监控删除容器/镜像的人]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/144088300</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/144088300</guid><author>mooneve</author><pubDate>Wed, 27 Nov 2024 17:05:55 +0800</pubDate><description><![CDATA[auditd 是 Linux 审计守护进程（Audit Daemon），用于记录系统活动和安全事件。它是 Linux 内核审计子系统的一部分，帮助系统管理员跟踪关键系统事件、访问控制、用户活动等，从而增强系统安全性和合规性。比如在上面的输出中uid=1014，即为用于ID。为了知道该用户ID对应的用户名，使用如下命令即可。多人使用的服务器，使用的docker 容器或镜像被其他人删除，需要找到删除的人。查找方法：安装使用auditd工具，并配置规则记录所有用户的docker操作。输出结果中的单个样例如下。]]></description><category></category></item><item><title><![CDATA[【强化学习】折扣回报、动作价值函数、状态价值函数 的定义与关系]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/143935591</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/143935591</guid><author>mooneve</author><pubDate>Thu, 21 Nov 2024 15:49:53 +0800</pubDate><description><![CDATA[VπsEπRtγVπSt1∣StsVπ​sEπ​Rt​γVπ​St1​∣St​sQπsaEπRtγQπSt1At1∣StsAtaQπ​saEπ​Rt​γQπ​St1​At1​∣St​sAt​a状态价值函数关注的是从状态sss开始的总回报。动作价值函数关注的是从状态sss选择动作aaa后的总回报。]]></description><category></category></item><item><title><![CDATA[使用Rclone从Google Drive 下载大文件]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/141558083</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/141558083</guid><author>mooneve</author><pubDate>Mon, 26 Aug 2024 11:47:00 +0800</pubDate><description><![CDATA[使用浏览器、或FDM、wget、curl等下载工具，从 Google Drive 下载大文件时经常会遇到中断或下载失败的情况，这一般是由于网络不稳定、Google Drive 的限制、或文件太大导致。虽然使用 gdown 能一定程度避免上述问题，但对于非常大的文件或下载次数较多的文件，可能会受到 Google Drive 的 API 限制。因此本文介绍使用rclone下载工具进行下载。它是一个命令行程序，用于管理和同步云存储，可以用于从 Google Drive 下载大文件，并且。]]></description><category></category></item><item><title><![CDATA[使用ffmpeg截取视频片段]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/132576731</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/132576731</guid><author>mooneve</author><pubDate>Wed, 30 Aug 2023 10:48:24 +0800</pubDate><description><![CDATA[本文将介绍2中使用ffmpeg截取视频的方法两种截取方式的命令行如下。]]></description><category></category></item><item><title><![CDATA[Linux 将top命令输出的前100行信息保存到文件]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/126110981</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/126110981</guid><author>mooneve</author><pubDate>Mon, 01 Aug 2022 22:10:33 +0800</pubDate><description><![CDATA[最近发现服务器每天晚上10点到第二天早上6-7点，CPUload都异常占用达100%，导致自己的任务一直被阻塞。为了找到原因，使用top命令并配合grep筛选，将结果保存到文件中，方便分析。-ntop执行次数，若不设置，则一直执行，直到手动kill。-d更新间隔（秒）...]]></description><category></category></item><item><title><![CDATA[PyTorch 常用代码段整理合集]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/103071521</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/103071521</guid><author>mooneve</author><pubDate>Thu, 14 Nov 2019 20:31:19 +0800</pubDate><description><![CDATA[目录固定随机种子计算模型参数量提升Pytorch运行效率指定程序运行在特定GPU卡上保证模型的可重复性复制张量拼接张量矩阵乘法
固定随机种子
torch.manual_seed(0)
torch.cuda.manual_seed_all(0)

计算模型参数量
param_count = sum(param.numel() for param in model.parameters())

提升P...]]></description><category></category></item><item><title><![CDATA[NMS（非极大值抑制）与Soft NMS C++/Python 代码实现]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/100537621</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/100537621</guid><author>mooneve</author><pubDate>Wed, 04 Sep 2019 14:12:49 +0800</pubDate><description><![CDATA[目录NMSPythonC++Soft-NMSPythonC++
NMS和Soft-NMS概念与定义见 参考链接：非极大值抑制（Non-Maximum Suppression，NMS）
NMS
Python
import numpy as np


def iou(A, B):
    # 左上右下坐标(x1,y1,x2,y2)
    w = max(0, min(A[2], B[2]) - ma...]]></description><category></category></item><item><title><![CDATA[n次询问，求数组[i,j]范围内所有数的乘积]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/99710936</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/99710936</guid><author>mooneve</author><pubDate>Sun, 18 Aug 2019 23:00:14 +0800</pubDate><description><![CDATA[题目描述：
对于给定的数组，有n个询问，每个询问给出数组下标范围[i,j]，求数组[i,j]范围内所有数的乘积。
思路：
维护两个数组：

product数组，前i个数的乘积（不包括0），如：[1,0,2] -&gt;[1,1,2]
num_0数组，前i个数中0的个数，如：[1,0,2] -&gt; [0,1,1]

每次计算结果时，用num_0[j]-num_0[i]的结果判断区间内是否有0，如...]]></description><category></category></item><item><title><![CDATA[求数组中除了自己以外所有数的方差]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/99710833</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/99710833</guid><author>mooneve</author><pubDate>Sun, 18 Aug 2019 22:53:42 +0800</pubDate><description><![CDATA[目录求数组中除了自己以外所有数的方差C++代码Python代码
LeetCode238扩展：https://blog.youkuaiyun.com/mooneve/article/details/93631477
求数组中除了自己以外所有数的方差
方差计算公式为：
E[∑i=0n(Xi−Xmean)2]=E[∑i=0n(Xi2−2XiXmean+Xmean2)]=E(X2)−Xmean2E[\sum_{i=0...]]></description><category></category></item><item><title><![CDATA[【深度学习】网络训练时train/val loss出现周期性剧增原因]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/97615814</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/97615814</guid><author>mooneve</author><pubDate>Sun, 28 Jul 2019 16:25:07 +0800</pubDate><description><![CDATA[今天在训练自己定义的网络时，用Tensorboard观察Train/Val 的loss在训练时的变化，发现了下面loss会周期性剧增的情况：


通过观察loss具体的数值变化，我发现每次loss剧增都发生在一个epoch的最后一轮。
通过分析，我判断出这是由于我的图片数量不能被batch size整除导致的。
我的train/val分别有2450,610张图片，batch size为32，这使得...]]></description><category></category></item><item><title><![CDATA[【深度学习】为什么CNN中的卷积核大小都是奇数？]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/96327854</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/96327854</guid><author>mooneve</author><pubDate>Wed, 17 Jul 2019 17:14:57 +0800</pubDate><description><![CDATA[参考资料：
知乎-为什么CNN中的卷积核一般都是奇数奇数，没有偶数偶数的？
深度学习: 卷积核 为什么都是 奇数size
【AI-1000问】为什么CNN中的卷积核半径都是奇数？
主要有两点原因：
1.便于进行padding。
在卷积时，若要卷积前后的尺寸不变。需要对原图进行padding。
假设图像的大小，也就是被卷积对象的大小为n∗nn*nn∗n，卷积核大小为k∗kk*kk∗k
当paddin...]]></description><category></category></item><item><title><![CDATA[【LeetCode-238】除自身以外数组的乘积(Product of Array Except Self)]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/93631477</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/93631477</guid><author>mooneve</author><pubDate>Tue, 25 Jun 2019 18:37:33 +0800</pubDate><description><![CDATA[目录题目描述解法1：若可以使用除法C++代码Python代码
题目描述
给定长度为 nnn 的整数数组 numsnumsnums，其中 n&amp;gt;1n &amp;gt; 1n&gt;1，返回输出数组 outputoutputoutput，其中 output[i]output[i]output[i] 等于 numsnumsnums 中除 nums[i]nums[i]nums[i] 之外其余各...]]></description><category></category></item><item><title><![CDATA[C/C++中的联合体union介绍]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/92703036</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/92703036</guid><author>mooneve</author><pubDate>Mon, 17 Jun 2019 20:37:13 +0800</pubDate><description><![CDATA[目录
union定义与简单使用
内存分配与所占空间
多种访问内存途径共存
数据存储位置
union应用之寄存器读取

union，中文名“联合体、共用体”，在某种程度上是类似结构体struct的一种数据结构，联合体(union)和结构体(struct)同样可以包含很多种数据类型和变量。]]></description><category></category></item><item><title><![CDATA[RePr Improved Training of Convolutional Filters阅读翻译]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/88535805</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/88535805</guid><author>mooneve</author><pubDate>Tue, 21 May 2019 17:40:05 +0800</pubDate><description><![CDATA[论文地址：https://arxiv.org/abs/1811.07275  CVPR2019的Oral Paper
代码：作者目前没公布，Reddit上对于这篇论文的讨论很激烈┓( ´∀` )┏，对于代码复现很多人都有问题（比如：[复现1](https://github.com/siahuat0727/RePr)），加上作者目前还没开源代码。所以想看戏的可以去→_→]]></description><category></category></item><item><title><![CDATA[动态规划思想与常见问题解决]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/88830251</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/88830251</guid><author>mooneve</author><pubDate>Sat, 30 Mar 2019 16:50:07 +0800</pubDate><description><![CDATA[动态规划思想
1.将原问题分解为子问题
2.确定状态
3.确定初始状态
4.确定状态转移方程]]></description><category></category></item><item><title><![CDATA[【编程题】有序数列多次抽取数字放最前，最后输出序列。]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/88695571</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/88695571</guid><author>mooneve</author><pubDate>Wed, 20 Mar 2019 21:01:24 +0800</pubDate><description><![CDATA[目录题目思路1思路2
这是前几天做的一道笔试题，当时实现复杂了，导致最后超时，现在记录一下思路与实现方法。
题目
有一个长度为n并包含1~n的整数序列。在最初，序列为升序排列，即1在序列首部，n在序列末尾。
对序列进行m次操作，第i次操作会把xix_ixi​从序列中取出并放到序列首部。经过m次操作后，序列变成什么样子？
输入描述

输入包含m+1行。
第一行包含两个正整数n，m(1&lt;=n，m...]]></description><category></category></item><item><title><![CDATA[【语义分割】Auto-DeepLab Hierarchical Neural Architecture Search for Semantic Image Segmentation阅读翻译]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/86505926</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/86505926</guid><author>mooneve</author><pubDate>Wed, 16 Jan 2019 13:49:07 +0800</pubDate><description><![CDATA[论文地址：https://arxiv.org/abs/1901.02985 1月10号提交
代码：好像没公布，我后面再找找
作者：Chenxi Liu, Liang-Chieh Chen, Florian Schroff, Hartwig Adam, Wei Hua, Alan Yuille, Li Fei-Fei]]></description><category></category></item><item><title><![CDATA[【转载】Rethinking ImageNet Pre-training 论文笔记]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/84581671</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/84581671</guid><author>mooneve</author><pubDate>Wed, 28 Nov 2018 11:37:41 +0800</pubDate><description><![CDATA[本文转自：https://blog.youkuaiyun.com/u014380165/article/details/84557356
相关链接：
知乎-如何评价何恺明等 arxiv 新作 Rethinking ImageNet Pre-training？
论文：Rethinking ImageNet Pre-training
论文链接：https://arxiv.org/abs/1811.08883
Ka...]]></description><category></category></item><item><title><![CDATA[Group Normalization]]></title><link>https://blog.youkuaiyun.com/mooneve/article/details/83858012</link><guid>https://blog.youkuaiyun.com/mooneve/article/details/83858012</guid><author>mooneve</author><pubDate>Thu, 08 Nov 2018 11:12:42 +0800</pubDate><description><![CDATA[Group Normalization前言What's wrong with BNHow GN workWhy GN work效果展示实验部分总结
论文地址：https://arxiv.org/abs/1803.08494v3
本文转自：http://www.dataguru.cn/article-13318-1.html
参考：https://baijiahao.baidu.com/s?id=1...]]></description><category></category></item></channel></rss>