<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[scnulpc的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/scnulpc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; scnulpc]]></copyright><item><title><![CDATA[高精度加法函数模板]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/114162953</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/114162953</guid><author>scnulpc</author><pubDate>Sat, 27 Feb 2021 10:10:22 +0800</pubDate><description><![CDATA[string P  (string &amp; num,string add){
    int g=0;
    if(num.length()&lt;add.length()){
        string t=num;
        num=add;
        add=t;
    }
    string t (num.length()-add.length(),'0');
    add= t+add;
    int len1=num.length(),len2=add.length.]]></description><category></category></item><item><title><![CDATA[frp ssh jupyter 配置 后台启动]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/112991505</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/112991505</guid><author>scnulpc</author><pubDate>Fri, 22 Jan 2021 17:19:21 +0800</pubDate><description><![CDATA[frps.ini 配置

[common]
bind_port = 7000
vhost_http_port = 38082


frpc.ini配置

[common]
server_addr = 公网服务器IP
server_port = 7000

[ssh]
type = tcp
local_ip = 127.0.0.1
local_port = 22
remote_port = 6000
[web]
type = http
local_port = 8082
custom_domains = 公网]]></description><category></category></item><item><title><![CDATA[frp login to server failed: i/o deadline reached]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/108230315</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/108230315</guid><author>scnulpc</author><pubDate>Tue, 25 Aug 2020 22:33:03 +0800</pubDate><description><![CDATA[使用kcp协议有时会出现这个问题，配置改为tcp即可。
]]></description><category></category></item><item><title><![CDATA[Jupyterhub 认证方式]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/108176297</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/108176297</guid><author>scnulpc</author><pubDate>Sat, 22 Aug 2020 22:42:47 +0800</pubDate><description><![CDATA[Jupyterhub支持多种认证方式：PAM和LDAP，默认使用的是PAM，即与系统用户层使用同一认证管理，用户名与密码与系统配置的相同。

首先用py3安装一个插件：


$ pip3 install jupyterhub-dummyauthenticator -i https://pypi.douban.com/simple/  

然后，如果遇到生成token问题，在配置文件中修改此配置：


c.JupyterHub.authenticator_class = 'dummyauthenticator]]></description><category></category></item><item><title><![CDATA[centos 查看redis安装目录、启动redis]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/107797473</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/107797473</guid><author>scnulpc</author><pubDate>Tue, 04 Aug 2020 20:08:37 +0800</pubDate><description><![CDATA[查看redis安装目录


rpm -ql redis

启动redis

redis-server /etc/redis.conf

查看redis是否运行

ps aux | grep redis
]]></description><category></category></item><item><title><![CDATA[Jupyterhub service unavailable error and http :403 forbidden]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/107435192</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/107435192</guid><author>scnulpc</author><pubDate>Sat, 18 Jul 2020 21:06:38 +0800</pubDate><description><![CDATA[root@johnjesus-HCL-Desktop:~# jupyterhub
[W 2018-05-15 14:38:10.001 JupyterHub app:366] JupyterHub.proxy_cmd is deprecated in JupyterHub 0.8, use ConfigurableHTTPProxy.command
[I 2018-05-15 14:38:10.002 JupyterHub app:834] Loading cookie_secret from /home.]]></description><category></category></item><item><title><![CDATA[Centos里的压缩解压命令tar总结]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/106961883</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/106961883</guid><author>scnulpc</author><pubDate>Thu, 25 Jun 2020 20:23:58 +0800</pubDate><description><![CDATA[压缩

tar czvf 压缩文件名称.tar.gz 文件或者目录名称

比如 tar czvf backup.tar.gz/etc，把/etc目录打包成文件backup.tar.gz

c是打包

z是gzip格式压缩

v是显示打包过程

f是显示打包名字

如果是tar cjvf，那么j的意思是用bzip2的格式进行压缩

解压

tar xzvf 压缩文件名称.tar.gz 文件或者目录名称

x是解压

如果文件后缀是.tar 用tar xvf来解压

如果文件后缀是.tar.gz 用tar ..]]></description><category></category></item><item><title><![CDATA[线性回归详细推导(基于西瓜书)]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/104742031</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/104742031</guid><author>scnulpc</author><pubDate>Sun, 08 Mar 2020 22:12:08 +0800</pubDate><description><![CDATA[##3.1基本定义

线性模型(linear model)试图学得一个通过属性得线性组合来进行预测得函数，即:

$$ f(x)=w_1x_1+w_2x_2+\dots+w_dx_d+b \quad(3.1)$$一般用向量的形式写成

$$ f(x)=w^Tx+b \quad(3.2)$$其中，$w=(w_1;w_2;\dots;w_d)$.$w$和$b$学得之后，模型就得以确定。

#一元线性回...]]></description><category></category></item><item><title><![CDATA[Numpy Broadcast]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/104146398</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/104146398</guid><author>scnulpc</author><pubDate>Sun, 02 Feb 2020 16:48:23 +0800</pubDate><description><![CDATA[一般来说，Numpy对数组的操作是基于元素的，譬如下面的例子.


&gt;&gt;&gt; import numpy as np
&gt;&gt;&gt; a = np.array([1.0, 2.0, 3.0])
&gt;&gt;&gt; b = np.array([2.0, 2.0, 2.0])
&gt;&gt;&gt; a*b
array([2., 4., 6.])


ndarray a...]]></description><category></category></item><item><title><![CDATA[jupyter 添加虚拟环境]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/103922095</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/103922095</guid><author>scnulpc</author><pubDate>Fri, 10 Jan 2020 11:57:51 +0800</pubDate><description><![CDATA[参考链接：https://www.cnblogs.com/yongjieShi/p/10452916.html

1. 安装nb_conda.                   命令：conda install nb_conda

2. 创建对应环境的 ipykernel.         命令：conda install -n scnu_e...]]></description><category></category></item><item><title><![CDATA[Linux下Pytorch1.1.0（GPU）安装笔记]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/103737584</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/103737584</guid><author>scnulpc</author><pubDate>Fri, 27 Dec 2019 20:00:08 +0800</pubDate><description><![CDATA[1.cuda, pytorch版本对应问题

  设备上的GPU驱动版本决定了cuda版本，而cuda版本与cudatoolkit的版本一致， 而pytorch（GPU）的版本要与cudatoolkit的版本严格一致。

  一开始没留意这个版本的对应关系，直接输入官网上给出的命令，踩了大坑！（官网上的cudatoolkit版本为9.2，而我设备上的cudatoolkit版本为9.0，不...]]></description><category></category></item><item><title><![CDATA[torch.topk()]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/103688460</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/103688460</guid><author>scnulpc</author><pubDate>Wed, 25 Dec 2019 14:55:44 +0800</pubDate><description><![CDATA[官网说明：

torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) -&gt; (Tensor, LongTensor)

Returns the k largest elements of the given input tensor along a given dimension.

If dim is not ...]]></description><category></category></item><item><title><![CDATA[Pytorch截断计算图：detach操作]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/103685497</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/103685497</guid><author>scnulpc</author><pubDate>Tue, 24 Dec 2019 16:48:14 +0800</pubDate><description><![CDATA[官方解析：

torch.Tensor.detach():

  Returns a new Tensor, detached from the current graph.

  The result will never require gradient.

举个例子：

 在GAN训练中，训练判别器D时，无需调整生成器G的参数。

 fake_image = Generato...]]></description><category></category></item><item><title><![CDATA[数据库概念整理]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/88378273</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/88378273</guid><author>scnulpc</author><pubDate>Sun, 10 Mar 2019 16:29:20 +0800</pubDate><description><![CDATA[数据库系统（DBS）：DBS实际上就是一个在计算机上可运行的、为应用系统提供数据并进行数据存储、维护和管理的系统，是存储介质、处理对象和管理系统的集合，该“集合体”主要包括三个部分：计算机系统（软件、硬件和人）、数据库管理系统即DBS=计算机系统+DB+DBMS
	外模式：是最接近用户的模式，即用户所看到的数据视图。外模式是与某一具体应用有关的数据的逻辑结构和特征描述。模式给出系统全局数据描述，外...]]></description><category></category></item><item><title><![CDATA[Kruskal-最小生成树]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/83385239</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/83385239</guid><author>scnulpc</author><pubDate>Thu, 25 Oct 2018 19:56:17 +0800</pubDate><description><![CDATA[Kruskal算法的基本过程：任给一个有n个顶点的连通网络N={V,E}，首先构造一个由这n个顶点组成、不含任何边的图T={V,},其中每个顶点自成一个连通分量。不断从E中取出权值最小的一条边（若有多条，任取其一），若该边的两个端点来自不同的连通分量，则将此边加入到T中。如此重复，直到所有顶点在同一个连通分量上为止。

实现分析：

由于需要不断判断两个端点是否来自同一个连通分量，否的话，两个连通...]]></description><category></category></item><item><title><![CDATA[并查集]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/83346622</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/83346622</guid><author>scnulpc</author><pubDate>Wed, 24 Oct 2018 20:39:48 +0800</pubDate><description><![CDATA[一篇并查集笔记整理。

并查集适用场合：在一些应用问题中，需要将n个不同的元素划分为一组不相交的集合。开始时，每个元素自成一个单元集合，然后按一定的规律将归于同一组的集合合并。在此过程中要反复用到查询某个元素属于哪个集合的运算

并查集的定义及其实现

并查集是一种简单的用途广泛的集合，它支持以下3种操作：

Union(Root1,Root2):把子集Root2并入到Root1中，要求Root1...]]></description><category></category></item><item><title><![CDATA[图-邻接表]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/83315511</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/83315511</guid><author>scnulpc</author><pubDate>Tue, 23 Oct 2018 21:26:02 +0800</pubDate><description><![CDATA[一篇整理的笔记，较为全面。用邻接表表示图，实现图的深度遍历、广度优先遍历。

图-邻接表的优缺点：

邻接表适用于简单图（稀疏图）。
	邻接表保存的都是必要的关系信息。
	链表的结构，导致不适宜频繁查询遍历。
 


//
//  main.cpp
//  图-邻接表
//
//  Created by scnulpc on 2018/10/23.
//  Copyright © 2018年 sc...]]></description><category></category></item><item><title><![CDATA[图-邻接矩阵]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/83301589</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/83301589</guid><author>scnulpc</author><pubDate>Tue, 23 Oct 2018 08:53:09 +0800</pubDate><description><![CDATA[这是一篇关于无向带权图的模板代码整理，用邻接矩阵表示图，实现图的深度优先遍历和广度优先遍历。

也可以改为有向带权图，需要在插入、删除函数作出相应的改变。

邻接矩阵表示图优缺点总结：稠密图用邻接矩阵。

邻接矩阵把所有结点的信息都保留下来，信息保留全面，查询也方便；但，当图中结点的之间联系较少时，这时的邻接矩阵为稀疏矩阵，存储了大量的0或无穷值。信息价值密度低。只有稠密图对应的邻接矩阵才不是稀疏...]]></description><category></category></item><item><title><![CDATA[图论基本概念]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/83245616</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/83245616</guid><author>scnulpc</author><pubDate>Mon, 22 Oct 2018 08:46:46 +0800</pubDate><description><![CDATA[数据的逻辑结构主要分两类：

线性结构：线性表（数组和链表）
	非线形结构：树和图
这是一篇关于图论的基础知识的整理的笔记。 

图的基本概念：图是由顶点集合（vertex）及顶点间的关系组成的一种数据结构：Graph=(V,E)。其中，顶点集合V={x|x属于某个数据对象集}是有穷非空集合；E={(x,y)|x,y属于V}是顶点间关系的有穷集合，叫做边集
	有向图与无向图：在有向图中，顶点对&amp;l...]]></description><category></category></item><item><title><![CDATA[二叉森林]]></title><link>https://blog.youkuaiyun.com/scnulpc/article/details/83241909</link><guid>https://blog.youkuaiyun.com/scnulpc/article/details/83241909</guid><author>scnulpc</author><pubDate>Sun, 21 Oct 2018 15:31:24 +0800</pubDate><description><![CDATA[复习笔记一篇。

利用广义表生成二叉森林
	树与森林二叉遍历（树的先根、后根遍历；森林的先根、后根遍历）
	树的广度遍历
	树遍历的应用：求结点个数，求树的深度。

//
//  main.cpp
//  二叉森林
//
//  Created by scnulpc on 2018/10/21.
//  Copyright © 2018年 scnulpc. All rights reserved....]]></description><category></category></item></channel></rss>