- 博客(42)
- 收藏
- 关注
RSS订阅原创 鱼香ROS-202610-28
DDS 规范本身包含众多 QoS 策略，RMW 将其中一部分映射为 ROS 2 层面更简洁的 QoS 配置（如 default、sensor data 等），同时让开发者无需深入 DDS 厂商细节即可使用。这也是 ROS 2 能够适配从“尽力而为”的传感器流到“可靠送达”的控制信号等不同需求的原因。，通常对应一个进程（或进程中的一组功能）。每个节点通过客户端库与其他节点通信，可以发布/订阅话题、提供/调用服务、使用动作，并拥有可配置的参数。的发布/订阅模型，适合持续的高频数据流，如传感器读数、状态广播。
2026-10-28 11:17:19
253
原创 计算机服务巡检
CPU真实硬件核心；：超线程（SMT）虚拟出来的核心；：核心每秒运算次数；：程序运行的独立资源容器；：进程里面真正执行代码的调度单元；：CPU离核心越来越远、容量越来越大、速度越来越慢的高速临时存储器，用来减少去内存拿数据的耗时。
2026-10-28 10:45:46
200
原创 OSI七层模型排查
OSI（Open Systems Interconnection，开放系统互连）模型，是网络通信的“通用语言”。它把复杂的网络通信，按功能分成了。排查网络问题的本质，就是。
2026-10-14 20:58:40
194
原创 网络问题排查
先查自己（配置），再查路（ping/mtr），后查门（telnet/端口），最后查人（应用层日志/资源）。遇到ping不通别慌张，telnet一试便知；遇到mtr中间 100% 丢包别害怕，只看最后一跳；遇到网络全通但业务报错，直接去服务端tail -f看日志。
2026-10-14 20:52:51
134
1
原创 TOP命令详解
在这台机器上，**没有排队（Load 极低），没有 IO 等待（wa=0.0），CPU 极度空闲（id=99.3%），内存充足（Swap 未用）**。* `0.0 wa`：**等 IO 的时间为 0%**。**结论**：CPU 极其清闲，没有排队（`r` 列没显示，但负载 0.11 说明没有），没有 IO 等待。* `7022.2 avail Mem`：**可用内存估算约 7 GB**。* `99.3 id`：**CPU 空闲率 99.3%**，几乎没事干。
2026-10-14 14:06:11
139
原创 CPU（中央处理器）
CPU真实硬件核心；：超线程（SMT）虚拟出来的核心；：核心每秒运算次数；1GHz = 10 亿次：程序运行的独立资源容器；：进程里面真正执行代码的调度单元；：CPU离核心越来越远、容量越来越大、速度越来越慢的高速临时存储器，用来减少去内存拿数据的耗时。
2026-10-14 11:10:42
229
原创 宿主机连不上虚拟机
查看虚拟机是否安装了openssh-server，systemctl status ssh。sudo ss -tulnp | grep sshd 查看端口是否监听。宿主机 telnet 虚拟机ip 22 ，telnet不通。systemctl status ssh 查看服务状态。宿主机和虚拟机可以互相ping 通。用xshell连不上虚拟机。如果没找到服务，需要安装。
2026-10-13 22:47:35
87
原创 Ubuntu 22.04 (Jammy) 安装 ROS 2 Humble 的教程笔记
Ubuntu 22.04.5 LTS (Jammy) 或更高版本（必须 22.04）：ROS 2 Humble Hawksbill（官方推荐 LTS 版本）：桌面完整版（，包含 RViz、Gazebo、示例节点等）
2026-06-17 10:51:14
208
原创 ubuntu系统安装软件的方法
这是 Ubuntu 的标准安装方式，直接从官方软件源下载并自动处理依赖关系。bash# 1. 更新本地软件包索引（安装前必做）# 2. 安装指定软件sudo apt install <软件包名># 3. 搜索软件包（不确定名字时用）apt search <关键词>：自动解决依赖，卸载干净；：版本可能相对旧一些。
2026-06-16 23:20:47
756
原创 更改Ubuntu安装源
打开对应文件，同样注释掉相关行。如果不想保留备份，直接删除它们。目录下添加额外的源，也可能包含官方地址。阿里云的 HTTPS 源同样稳定。如果有输出，说明那些文件里也有官方源。# 阿里云镜像源 (Ubuntu 24.04)如果你希望使用 HTTPS，可以将。有些第三方软件或 PPA 会在。，但需要确保系统已安装。
2026-05-11 19:44:09
409
原创 线性代数-python
print("A4的逆矩阵\n",np.linalg.inv(A4)) A4 线性变换后降维，没有逆矩阵。print("A1*A2:\n",A1*A2) #对应位置元素相乘，无线性变换意义，用于加权或掩。#print("A5的逆矩阵\n",np.linalg.inv(A5))print("矩阵转置\n",A1.T)print("2维单位矩阵\n",I2)print("3维单位矩阵\n",I3)print("线性方程组的解\n",x)print("向量：\n",v1)print("矩阵:\n",A)
2026-05-09 13:10:07
251
原创 windows 安装miniforge
（将 Miniforge 添加到环境变量）。这个选项能让后续配置便捷很多。如果没看到该选项，也可以选择 "Install for Just for me"（仅为当前用户安装）来避免权限问题。在 "Advanced Installation Options" 界面，请。conda create -n 环境名 python=3.12。：为加速下载，可以添加清华源，将加速包的下载速度。
2026-05-08 21:01:45
37
原创 线性代数的本质 @3Blue1Brown
向量的三种视角1 物理视角：空间中的箭头 向量是有长度，方向的箭头，起点可以任意平移，仅由长度和方向确定2计算机视角：有序数字列表 向量是有序的数字数组，顺序不可以颠倒，维度=列表长度3数学视角：抽象的向量空间元素 向量是满足加法和数乘规则的任意对象，w=au+bv线性组合是向量加法与数乘的结合，核心是“用标量缩放向量后叠加”。对于向量u和v，任意线性组合可表示为：a*u+b*v，其中a，b为任意实数（标量）。张成的空间，本质是“一组向量所有可能的线性组合，所构成的
2026-05-08 16:44:56
399
原创 nginx
一款高性能的 HTTP 服务器、反向代理服务器，同时支持负载均衡、邮件代理等。安装（源码）一、先安装编译依赖（必须）二、下载 Nginx 源码包三、解压并进入目录四、配置编译参数（最常用）五、编译并安装六：在nginx的安装目录文件路径下执行 /usr/local/nginx/sbin查看版本号 ./nginx -v关闭 ./nginx -s stop启动 ./nginx重新加载 ./nginx -s reload如何配置nginx高可用。
2026-05-07 10:10:26
59
原创 centos安装MySQL5.7
1. 添加 MySQL 官方 YUM 源 ```bash # 下载并安装 MySQL 5.7 YUM 源 wget https://dev.mysql.com/get/mysql57-community-release-el7-11.noarch.rpm rpm -ivh mysql57-community-release-el7-11.noarch.rpm # 检查源是否生效 yum repolist enabled | grep "mysql.*-community.*" ``` ####
2026-04-21 12:43:30
345
原创 linux 安装tomcat
先安装 JDK yum install java-11-openjdk-devel -y。→ 没有服务文件，需要写一个服务文件，就能用systemctl命令启动，停止服务了。查看是否启动 ps -ef | grep tomcat 能看到进程说明启动成功。重命名方便使用 mv apache-tomcat-9.0.95 tomcat。4：配置tomcat，tomcat/conf 下的配置文件。2：下载 Tomcat 官方压缩包。），下载 Tomcat 9。5：启动 Tomcat。3：解压（安装完成）
2026-04-21 12:35:13
274
原创 docker安装tomcat
docker cp 你的war包名称.war my-tomcat:/usr/local/tomcat/webapps/http:公网IP:8080。3：启动 Tomcat 容器（核心命令）1：先确认 Docker 正常。4：开放防火墙 8080 端口。2：拉取官方tomcat镜像。6：将WAR 包丢进去，把。上传到服务器后，执行。
2026-04-16 18:19:25
39
原创 华为云centos7.9安装docker
检查 Docker 状态 systemctl status docker，如下输出docker服务正常。2:配置docker yum 下载源，可以配置成阿里的。3：安装docker引擎，docker-cli等。5：配置docker下载镜像加速，国内镜像源地址。4:设置docker engine 开机启动。
2026-04-01 21:34:54
103
原创 CentOS 7
您的网络连接正常（能 ping 通百度），但无法解析 mirrorlist.centos.org。根本原因是：CentOS 7 已于 2024 年 6 月 30 日结束生命周期（EOL），官方仓库已迁移至 vault 归档站，原 mirrorlist 域名服务已停止。1. 备份原仓库配置 sudo cp /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backup #
2026-03-12 15:37:32
86
原创 本地访问不了云服务器jupyter
4：sudo iptables -L -n --line-numbers 检查 iptables 规则（底层防火墙）2：jupyter notebook password ,后续访问输入密码，不用token。conda install jupyter notebook 安装jupyter。1：确认 Jupyter 是否已安装 which jupyter。：指定端口，你也可以换成其他未被占用的端口（如 8080）。从国内镜像下载miniforge3。启动完成后，发现从本地浏览器无法访问jupyter。
2026-02-26 14:11:25
312
原创 pandas快速教程
DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。Pandas 是数据分析的利器，它不仅提供了高效、灵活的数据结构，还能帮助你以极低的成本完成复杂的数据操作和分析任务。Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据）。数据转换：改变数据的形状、结构或格式。数据清洗：处理缺失数据、重复数据等。
2025-06-01 23:20:03
368
原创 numpy快速教程
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。很多时候可以声明 axis。NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。ndarray.ndim 数组的秩（rank），即数组的维度数量或轴的数量。order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
2025-06-01 23:03:19
523
原创 python 简要知识点
字符串索引,0为开始的位置，-1 为从末尾开始的位置,[:]左闭右开。#列表索引,0为开始的位置，-1 为从末尾开始的位置,[:]左闭右开。#集合是个无序的不重复的元素序列,可进行集合间的数学运算，t1 = (1,2,"hello","你好")#Number(数字)支持三种数字类型。#元组与列表不同的是，元组不可修改。String(字符串)Dictory(字典)#complex 复数。Number(数字)bool(布尔类型)# float浮点型。#string字符串。#Dictory字典。
2025-06-01 12:10:15
359
原创 机器学习-线性代数
线性代数中的点积（也称为内积或标量积）是两个同维向量之间的一种运算，结果是一个标量。点积在几何学、物理学和工程学中有广泛的应用，尤其是在处理向量的方向和大小时。a=[1,2],b=[3,4]，则 a⋅b=1×3+2×4=11a⋅b=1×3+2×4=11。
2025-02-07 14:56:12
328
原创 预备知识-数据操作
我们介绍n维数组，也称为张量（tensor）张量表示一个由数值组成的数组，这个数组可能有多个维度x = torch.arange(12) 生成数值数列的张量,torch.range() 已经被标记为弃用可以通过张量的shape属性来访问张量（沿每个轴的长度）的形状x.reshape(3, 4) 改变张量的形状。
2025-01-26 15:50:58
390
原创 安装-动手学深度学习-李沐
conda install pytorch torchvision torchaudio cpuonly -c pytorch 安装cpu版本pytorch。conda env remove --name your_env_name 卸载虚拟环境，包括其中的所有包和依赖。conda create --name d2l python=3.9 -y 创建虚拟环境，指定python版本。jupyter notebook 在虚拟环境启动jupyter。conda --version 查看conda版本。
2025-01-03 14:51:40
269
原创 第二章 模型评估与选择
2.1 经验误差与过拟合 错误率(error rate) 精度（accuracy）= 1 - 错误率 误差（error）：指期望误差，预测值与真实值之间的差异 训练误差(training error)或经验误差（empirical error） 泛化误差（generalization error） 在新样本上表现很好的学习器 过拟合（overfitting）：学习能力过于强大
2024-11-30 15:32:16
783
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人