Puppy_L-优快云博客

原创如何复制conda的虚拟环境（实现环境迁移）

在环境移植的过程中，如果想要在不联网的情况下直接复制别的机器或者自己的环境，可以将env下面对应的环境直接进行拷贝，（只适用于anacoda大版本相近anaconda2与3应该是不行的因为对应路径就已经有了变化），直接将整个环境复制然后全部拷贝到新环境的路径文件夹中。environment.yaml文件的样子长这样：（这里我是拿的一个别人的.yaml文件进行了简化和忽略，他的虚拟环境名字是NLU，存储位置在最后的prefix所指示的位置）最后的prefix改成这个新的虚拟环境想要存放的路径。

2023-05-19 14:28:25 2504

原创 RSA算法原理详解（简单易懂）

本文主要是简单高效地讲解RSA算法的基本数学原理以及加解密的步骤，算法背景以及设计到的数学证明省略。本文主要参考wikipedia和博文《非对称加密算法–RSA加密原理》。非对称公钥加密算法可以由下列几步实现：信息接收方产生公钥pkpkpk与私钥sksksk，公钥可以给任何人，私钥自己保存；信息发送方将要发送的信息mmm与公钥pkpkpk一起用特定的加密算法加密，即密文ccc；信息接收方接收到密文ccc，与私钥sksksk一起用特定解密算法恢复明文。可见，以上加密算法的关键角色是公钥和私钥的生

2022-02-28 16:56:04 23990 2

原创 ModelSim仿真失败解决办法

前段时间下了一个ModelSim 2019.2，一直没有用它跑过仿真。这几天突然想跑个仿真发现了一个问题。众所周知，用ModelSim仿真的时候要取消enable optimization选项（下图是没有取消的样子），然后再选择自己想仿真的work。这样在出来的仿真界面才能看到信号。可是当我取消了enable optimization选项之后仿真，却报下列错误。我把错误报告的文字贴出来：“Error (suppressible): (vsim-12110) All optimizations are

2022-02-23 10:14:12 15788 4

原创信道编码基础（生成校验矩阵、码的个数、循环码）

1. 有限域1.1 有限域的characteristic。对于一个有限域FFF，记它的单位元为eee，则存在一个最小整数ppp，使得e+e+⋯+e⏟p个=0,\underbrace{e+e+\cdots+e}_{p \text{个}}=0,p个e+e+⋯+e=0,则称ppp是FFF的characteristic。■\blacksquare■1.2 一个有限域的characteristic一定是质数（prime）。■\blacksquare■1.3 一个有限域的大小一定是characte

2022-01-05 13:17:00 5973

原创 PyTorch 量化原理与复现

神经网络的量化是指将浮点数的权重和（或）activation用定点数表示，此外，比较完全的量化还希望整个网络的数学运算全部是基于定点数的数学运算。对于定点数来讲，小数点的选取是人为的，（例如一个3比特的定点数的二进制形式为101，如果我们把小数点定在第一位之前，这个数就表示0.625；如果把小数点放在最后一位之后，就表示5）因此也往往称定点数量化为整数量化。深度神经网络的量化方法有很多，但目前工业界的主流是INT8量化，即量化位宽为8比特 [1]。个人总结认为选用8比特位宽的主要原因有两个：

2021-12-31 20:13:49 4278 3

原创典型集与Shannon信源编码理论

1. 弱大数定律1.1 随机变量依概率收敛考虑一个与nnn有关的随机变量，通常是对nnn个随机变量求和得到的新随机变（见后面的弱大数定律）量，记这个随机变量为XXX。如果我们说这个随机变量“依概率收敛”于一个常量uuu，则我们记为∀ϵ>0, lim⁡n→∞p(∣X−u∣<ϵ)=1.{\forall}\epsilon>0, ~\lim\limits_{n\rightarrow \infty} p(|X-u|<\epsilon)=1.∀ϵ>0, n→∞

2021-12-19 17:19:36 1037 2

原创信道编码的一些bound

1. 码字距离公式：对于两个二元域上的码字x\bm{x}x和y\bm{y}y,他们的重量记为w(x)w(\bm{x})w(x)和w(y)w(\bm{y})w(y)，内积记为<x,y><\bm{x},\bm{y}><x,y>，则他们之间的距离为d(x,y)=w(x)+w(y)−<x,y>.d(\bm{x},\bm{y})=w(\bm{x})+w(\bm{y})-<\bm{x},\bm{y}>.d(x,y)=w(x)+w(y)−<x,y&g

2021-11-10 19:37:31 587

原创信源编码1：零误差数据压缩

1. 考虑一个DDD-ary的信源编码，它是由一个随机变量XXX通过某种映射得到的集合D∗D^{*}D∗，集合D∗D^{*}D∗中包含的元素是码字，每个码字的符号是DDD进制的。例如，考虑一个222-ary的信源编码，其对应的随机变量XXX的字母表为χ={A,B,C,D}\chi=\{A,B,C,D\}χ={A,B,C,D}（先不关心每个字母对应的概率pi(x)p_i(x)pi(x)）。随机变量到码字的映射关系如下：A→0B→1C→01D→10.\begin{aligned}&A\righ

2021-10-16 20:07:09 247

原创字符串匹配KMP算法及其时间复杂度分析

字符串匹配算法是非常常见的算法。考虑长度为nnn的文本（text）字符串A[1,2,⋯ ,n]A[1,2,\cdots,n]A[1,2,⋯,n]，长度为mmm的匹配（pattern）字符串B[1,2,⋯ ,m]B[1,2,\cdots,m]B[1,2,⋯,m]，并且m≤nm\leq nm≤n。暴力求解（brute-force）的匹配算法十分直接。将BBB逐位与AAA进行对比，直到BBB完全匹配AAA的某个子串。例如，先拿BBB与A[1,2,⋯ ,m]A[1,2,\cdots,m]A[1,2,⋯,m]匹

2021-10-09 20:13:24 4479

原创 Optimal Caching: Farthest-in-Future算法

1. 线下cache 在现代计算机系统中，大多拥有多级存储结构。这是因为不同的存储器拥有不同的读写速度和成本。在我们最常见的个人电脑中，从离CPU最近到最远的顺序一般是：CPU中的寄存器、cache、内存（RAM）、外存（硬盘）。显然，他们的容量也逐渐变大，内存往往是8G或者16G，外存往往是512G或者1T。容量的大小很大一部分决定因素是其成本，意味着上述存储器的单位成本也逐渐减小（很好理解，便宜的存储器给的容量才大）。而成本又和读写速度密不可分，读写速度快的存储器性能更好，而这样的性能往往是用其

2021-10-05 20:46:59 1871

qq_36665989的博客

原创如何复制conda的虚拟环境（实现环境迁移）

原创 RSA算法原理详解（简单易懂）

原创 ModelSim仿真失败解决办法

原创信道编码基础（生成校验矩阵、码的个数、循环码）

原创 PyTorch 量化原理与复现

原创典型集与Shannon信源编码理论

原创信道编码的一些bound

原创信源编码1：零误差数据压缩

原创字符串匹配KMP算法及其时间复杂度分析

原创 Optimal Caching: Farthest-in-Future算法

原创命令行传递参数 argparse.ArgumentParser解析

原创 screen：linux远程服务器防断网断电小妙招

原创 Pytorch forward方法调用原理

原创 ImageNet数据集简介与下载详细步骤

原创 DNN和CNN的反向传播算法（全连接层、卷积层、池化层）

原创基于Winograd算法的卷积基本原理

空空如也

函数返回时报错 free(): invalid next size (fast)