wang_xiaowang的博客

如何使用pytorch搭建一个深度学习模型

wang_xiaowang — Sat, 05 Mar 2022 11:44:54 +0800

总结一下自己使用pytorch写深度学习模型的心得，所有的pytorch模型都离不开下面的几大组件。 Network 创建一个Network类，继承torch.nn.Module，在构造函数中用初始化成员变量为具体的网络层，在forward函数中使用成员变量搭建网络架构，模型的使用过程中pytorch会自动调用forword进行参数的前向传播，构建计算图。以下拿一个简单的CNN图像分类模型举例： class Network(nn.Module): def __init__(self):

ssh登录docker以及端口映射

wang_xiaowang — Tue, 26 Oct 2021 21:31:54 +0800

1. 启动docker 设置端口映射这里我是以本地的Nginx镜像启动的docker 配置好本地的49160端口和docker的22端口的映射 dokcer run -di --name nginx22 -p 49159:80 -p 49160:22 -v /webdir:/webdir nginx 启动创建好的docker容器 docker exec -it nginx22 bash 2. 安装sshd 在docker中安装sshd服务 apt update 安装openssh-server apt i

腾讯云被植入kswapd0以及解决方案

wang_xiaowang — Sat, 11 Sep 2021 11:36:24 +0800

腾讯云被植入kswapd0以及解决方案一、发现二、解决一、发现今天早上发现腾讯云的服务器特别卡，响应速度很慢，检查之后发现被植入了kswapd0。 pid为2592和2538的异常进程 45.9.148.129，查询后发现ip地址来自荷兰执行脚本放在了/home/用户名/.configrc下面 crontab -l发现定时任务也被更改，tmp/下也有异常程序 cat /var/log/secure |grep “Accept” 可查看异常登录信息二、解决被黑的问题主要是密码设置较简单，首

实现C语言字符串操作函数

wang_xiaowang — Fri, 07 May 2021 20:21:03 +0800

1. 概述 C中字符串操作函数包括 size_t strlen(const char *str) 获取字符串str的长度 char *strcpy(char *dest, char *src) 字符串src复制到字符串dest char *strncpy(char *dest, char *src, size_t n) 字符串src的前n个字符复制到字符串dest char *strcat(char *dest, char *src) 字符串src拼接到字符串dest后面 char *strncat(

设计模式一：C++实现单例模式

wang_xiaowang — Thu, 06 May 2021 14:59:32 +0800

1. 单例模式实现思路单例模式在数据库连接池、日志管理等各方面应用广泛。其拥有一个私有构造函数，确保用户无法通过new直接实例它，包含一个静态私有成员变量instance与静态共有方法Instance()。 2. 实现 2.1 创建Singleton.h #pragma once #include class Singleton { public: static const

PyTorch搭建卷积神经网络对FashionMNIST数据集分类--jupyter实现

wang_xiaowang — Tue, 26 Jan 2021 15:33:58 +0800

一、预处理 1.1 导包 import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import torchvision import torchvision.transforms as transforms from torch.utils.tensorboard import SummaryWriter from itertools import product from

分析torch tensorflow和numpy中的stack和concat

wang_xiaowang — Wed, 13 Jan 2021 20:14:00 +0800

一、torch torch.cat and torch.stack # 创建三个一维的tensor t1 = torch.tensor([1, 1, 1]) t2 = torch.tensor([2, 2, 2]) t3 = torch.tensor([3, 3, 3]) # torch.cat在一维拼接 torch.cat((t1,t2,t3), dim=0) 输出: tensor([1, 1, 1, 2, 2, 2, 3, 3, 3]) # torch.stack在一维拼接 torch.stac

win10+1050Ti+cuda10.1+cudnn7.6.5+tensorflow-gpu 2.3.0安装

wang_xiaowang — Wed, 06 Jan 2021 15:21:57 +0800

文章目录一、cuda9.0卸载二、安装cuda10.1 和cudnn7.6.5三、安装tensorflow-gpu 2.3.0 项目需要tensorflow-gpu2.xx版本，而之前装的cuda9.0与cudnn与tensorflow-gpu2.xx不兼容，tensorflow-gpu2.3.0和cuda10可以匹配，tensorflow-gpu2.4.0就需要cuda11以上。一、cuda9.0卸载将cuda9.0的插件卸载，cudnn7.2.1不需要额外操作。二、安装cuda10.1 和cu

win10+1050ti+python3.6+cuda9.0+cudnn7.2.1+tensorflow-gpu1.12.0安装

wang_xiaowang — Sun, 26 Jul 2020 23:31:08 +0800

文章目录前言安装安装python3.6的虚拟环境安装tensorflow-gpu和其他必要包安装cuda9.0和cudnn9.2.1cuda9.0cudnn9.2.1测试tensorflow_gpu 测试前言实现的论文为《On the Automatic Generation of Medical Imaging Reports》本机配置：win10+i7-8750H+GTX1050Ti 默认Anconda已安装：Anaconda3-2020.07-Windows-x86_64.exe 安装安装p

PostgreSQL无法获取文件 XX.csv: Unkonw error 的状态

wang_xiaowang — Mon, 08 Jun 2020 10:10:50 +0800

出现的问题根据MIMIC-III公共数据库使用专题四 ——数据库安装（上）和如何将CSV数据文件载入到数据库中？MIMIC-III公共数据库使用专题五 ——数据库安装（下）进行操作时出现了因为csv数据文件过大，无法加载进内存而导入失败的情况。就是这三个文件: 我的电脑运行内存配置：解决办法：确保你的电脑安装了7z或者gzip

Invalid parameter C for estimator Pipeline

wang_xiaowang — Sun, 10 May 2020 23:56:34 +0800

我的代码逻辑如下首先使用pipeline组装实现多项式逻辑回归算法PolynomialLogisticRegression 使用GridSearch对PolynomialLogisticRegression进行网格搜索 from sklearn.preprocessing import StandardScaler, PolynomialFeatures from sklearn.pipeline import Pipeline from sklearn.linear_model import Log

pandas中的io.sql.to_sql实现导入数据库

wang_xiaowang — Sun, 10 May 2020 23:29:41 +0800

Excel表头和mysql字段名相同 Excel字段共3000条 Mysql字段通过pandas中的io.sql.to_sql实现导入数据库 mysql+pymysql://用户名:密码@数据库地址/数据库名?charset=utf8’ import pandas as pd import sqlalchemy as sqla import pymysql import time def pandas_i

阿里云Linux下python3的安装及环境配置(详细教程)

wang_xiaowang — Sat, 09 May 2020 00:17:16 +0800

文章目录一、yum安装依赖二、下载安装三、加入command四、更换国内镜像五、备注一、yum安装依赖由于yum需要 linux系统自带python2.7.5 yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc make libffi-devel xz-devel yum list installed |grep 包名查看依赖安装情况二

基础知识十二、Python解析网络报文之UDP首部报文解析

wang_xiaowang — Tue, 05 May 2020 21:49:51 +0800

上一节解析了TCP报文首部后，本节继续解析同样位于传输层的UDP报文首部。UDP作为一种无连接，不可靠的协议，其存在数据丢失不可知和没有拥塞控制等缺点，但有失亦有得，UDP的效率相对于TCP较高，多应用于对准确性要求相对低的场景，比如网络直播，网络视频语音通话等。一、UDP首部解析器的实现 ...

基础知识十一、Python解析网络报文之TCP首部报文解析

wang_xiaowang — Tue, 05 May 2020 21:42:17 +0800

文章目录一、TCP首部解析器的实现二、测试逻辑上一节解析了IP首部报文后，本节继续解析TCP报文首部。TCP协议处于OSI七层模型的传输层，传输层的作用就是负责管理端到端的通信连接问题。连续ARQ（automatic repeat request 自动重传请求）协议使得的TCP协议成为一种可靠性传输的协议，滑动窗...

基础知识十、Python解析网络报文之IP首部报文解析

wang_xiaowang — Tue, 05 May 2020 21:35:19 +0800

文章目录一、前期准备1.1 IP首部组成1.2 struct处理二进制报文数据二、IP首部解析器的实现三、测试逻辑在上一节搭建基础框架后本节我们真正实现对IP报文的解析，首先通过下面这张图先了解一下数据报文组装的结构顺序，IP首部处于IP数据包的头部，每一行32位，共计5行，总长度为20字节。IP协议处于OSI七...

基础知识九、Python解析网络报文之搭建基本框架

wang_xiaowang — Tue, 05 May 2020 21:22:51 +0800

文章目录一、实现报文解析任务对象为进一步加深对计算机网络中网路协议的理解，经过前几节实现了线程池之后下面几节我们基于线程池进行网络协议报文的解析，本节我们通过socket监听本机ip和port，循环读取数据并交由异步的任务处理对象进行报文的解析。一、实现报文解析任务对象继承第六节的异步任务对象，在异步处理方法...

基础知识八、Python实现线程池之线程池的实现与测试

wang_xiaowang — Tue, 05 May 2020 16:06:30 +0800

文章目录一、线程池的实现二、测试逻辑2.1测试基本任务对象2.1.1测试添加单任务对象2.1.2 测试添加多个任务对象2.2测试异步任务对象2.2.1 添加多个任务对象2.2.2 测试等待任务执行结果2.2.3 测试稍后获取任务执行结果通过前几节的铺垫本节我们就将实现一个完整的线程池（低配版），一个完整的线程池...

基础知识七、Python实现线程池之线程处理对象

wang_xiaowang — Tue, 05 May 2020 15:54:22 +0800

继第五节实现了简单的线程安全队列，第六节实现了同步、异步任务对象后本节我们继续实现消费任务队列，处理任务对象的线程处理对象。一、线程处理对象的实现线程处理对象继承自threading.Thread，包括run方法和stop方法，...

基础知识六、Python实现线程池之任务对象

wang_xiaowang — Tue, 05 May 2020 15:37:22 +0800

文章目录一、基本任务对象二、异步任务对象通过上一节实现了简单的线程安全队列后本节我们继续实现线程池中的任务对象，任务对象包括同步和异步任务对象，通过任务对象可实现我们自己的业务逻辑方法。一、基本任务对象传入被调用的方法和参数，通过uuid生成唯一的任务id。 class Task(object): def __init__(self, func, *args, **kwargs):...