One day, New day.

https://github.com/USTC-INFINITELAB/POFSwitch SDN introduction 通过SDN中心化控制的交换机，实现车辆之间数据的直接线速转发，不用上大网 Project(1): ​ SDN，软件定义网络。整体概念：核心思想是控制平面与数据平面相分离。控制平面决定每个报文要执行的事件(action)，数据层负责具体的硬件执行。通过上层的可编程，使得数据层效率提高，并且让控制层更灵活。具体实现：在传统的网络架构中，每个转发设备为了实现不同的功能，都遵守不同的协议。具体来说，比如如何转发有路由协议，安全有安全协议，地址转换有NAT协议等等，各个协议之间通过协议栈进行组合，但是这样使得协议实现错综复杂（如自己在配置路由器的时候，就纠结NAT的ACL和IPsecVPN的ACL优先匹配哪个）。并且灵活性也不高，特别是大型的网络，不可能让人工去在每一台设备上敲命令。SDN采用的流表的思想。流，是因为在互联网上的报文相邻之间大多是有关联的，因此按照同样特征去匹配，比每一个都进行掩码计算等操作更快。对新进入的报文，按照流表的优先级依次匹配下去，并按照流 ...

机器学习笔记之支持向量机解决什么问题支持向量机解决的是二分类及多分类问题，由于在学之前学习了logistic回归，其实可以看到两者有着非常相似的地方 原理与思考原理方面这一个帖子说的很详细了，不再赘述 原理简述 从图中可以看到，支持向量机的点乘操作，实际上就是让那个超平面与两个类的距离最大，因为你点乘下来是投影的和，而之后又带入代价函数。其实它的代价函数和logistic的代价函数非常像，为了让代价函数最小，我们选择的超平面也自然成为了那个最大间隔的分开向量。但是在同时，我们有一个类似于正则化系数的C，这个C就是起到一个调节的作用但是在这里，需要介绍一下对核函数的理解如果我们不用核函数，也就相当于核函数默认为线性的，那么我们就相当于直接使用这个点乘来作为带入代价函数的输入。核函数的原理就是一个，当前点距离标志的相似程度，一般用距离为自变量，比如高斯核函数我们的核l，向量为[3,5]，那么在评价一个输入的向量时，我们带入函数f1，再将结果带入代价函数。比如在这里，通过计算，落在红线以内的点，因为距离核l1 l2更近，我们将它们归为一类。别忘了核函数的意义：x与核的相似程度 核函数的选择， ...

项目背景最近在做一个小程序和云服务器之间传递图片的功能。基本流程如图所示，但是问题就在于，我在接受到了正确的base64格式的这一段代码后无法显示到小程序界面中 前期准备==不少人私信我，想问python端怎么上传，这次就把这一块发出来== 1234567891011121314151617181920212223242526272829303132333435import urllib.requestimport jsonimport timeimport datetimeimport randomimport requestsimport base64APIKEY = '@@@@@@@@@@@@@@' # 改成你的APIKEYapiurl = 'http://api.heclouds.com/devices/@@@@@@@/datapoints' #链接里面的@要改成自己的idapiheaders = {'api-key': APIKEY, 'Content-Length': '1 ...

新建一个conda环境，但是import导入包失败问题解决==先吐槽下，这些个操作系统问题真的恶心死我了，就只能一个雷一个雷踩过去。。。== 问题描述: 本人原本安装了python3.7 然后打算入手学习pytorch开始机器学习 兴冲冲的下载了anaconda，建立了一个环境叫做pytorch，在此环境里安装了pytorch（具体安装下包的时候记得挂梯子，快很多） 然后惊喜的发现，我没法导入原来的包，如matplotlib了（这里用ipython举例） 搜了好多方法，大都参差不齐，这里直接溯源，并且给出一个简单粗暴的方法： 简单粗暴办方法==在此感谢耿学长==那么就很简单了，我们直接 1conda activate pytorch ==（这里的pytorch是我那个环境的名称，记得换成自己的）==进入环境进去后，用 1conda list 一看，好家伙，没几个包。。。。（至少没我要的） 然后就很简单了，直接用 1conda install matplotlib （依然是挂了梯子，快）欧克，那么就是在我们这个新的环境成功安装想要的包了，而且各个环境之间是分来的，可以随便捣鼓已经安装好 ...

在使用pytorch按照D2L书做的时候，在画矢量图这里遇到了麻烦：但是呢，我在运行的时候就发出这样的报错，令我很苦恼： 意思为： 警告：QT_DEVICE_PIXEL_RATIO已过时。 而是使用： QT_AUTO_SCREEN_SCALE_FACTOR启用平台插件控制的每个屏幕因素。 QT_SCREEN_SCALE_FACTORS设置每个屏幕的因素。 QT_SCALE_FACTOR设置应用程序全局比例因子。 通过百度，有如下解决方案：https://stackoverflow.com/questions/58194247/warning-qt-device-pixel-ratio-is-deprecated其中提到使用export命令修改环境变量。但是，windows系统似乎没有类似Linux的export这样一个命令：问答因此我找到了这样一段代码 12345678def suppress_qt_warnings(): environ["QT_DEVICE_PIXEL_RATIO"] = "0" environ[ ...

银杏节画出属于你的银杏1234567891011121314151617181920212223242526from PIL import Image ascii_char = list("$@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\|()1\{\}[]?-_+~<>i!lI;:\^,\"`." )WIDTH = 60 HEIGHT = 45 def get_char(r, g, b, alpha=256): #透明度 if alpha == 0: return ' ' length = len(ascii_char) gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b) unit = (256.0 + 1) / length return ascii_char[int(gray / unit)] if __name__ == '__main__': img = &#x ...

操作系统11.22

机器学习还是蛮有意思的啦，慢慢看，好好理解！ D2L填充(padding)与步幅(stride) 一般来说，在上下一共填充 $P_h$ 行，在左右一共填充$P_w$行，输出形状是： $$(n_h-k_h+p_h+1)\times(n_w-k_w+p_w+1)$$设施$p_h=k_h-1$和$p_w=k_w-1$可以使得输入和输出有着相同的形状。 2.2 2.22 带我毕设的学姐出去了。。。要好久 x = torch.zeros(5,3,dtype=torch.long,device= ,requires_grad=)这样的指定大小张量创建方式是最完整的。 重点：我们可以用 shape 或者size()来获得Tensor 的形状: 123print(x.size())print(x.shape)输出：torch.Size([5,3]) 返回的torch.Size其实是一个tuple inplace版本数据操作pytorch操作的inplace版本都有后缀，add_(x)等。 我们平时看到的 nn.ReLU(inplace=True)、nn.LeakyReLU(inplace=True ...

一个简单的嵌入式小东西啦~ 1智能植物管家：工作、宿舍场景+娱乐+植物 面向人群：喜欢绿植，但是懒于精心照顾；担心疫情期间无人照理；喜欢摆拍的年轻白领以及大学生。 硬件部分：控制器MCU，浇灌头，补光/照明灯，摄像头，舵机，湿度、光照传感器，储水装置，电源，通信模块 软件部分：云数据库，一键拍照发朋友圈，智能调节水/光，远程控制，浇水提醒，土壤质量、植物生长状况评估 使用地图： 123graph LR;放置绿植-->监控绿植生长以及环境状况-->提醒浇水-->一键浇水-->在家观察绿植+拍照 12graph LR;疫情回家-->开启自动模式-->监控绿植生长以及环境状况-->自动浇水/补光-->在家观察+拍照 亮点：科技智能，高颜值，全自动管理植物（解决“懒”），可扩展性，小仪式感，社交 2防近视手机插件居家场景+健康+小孩 面向人群：长时间近距离看手机易近视的小孩以及缺乏自制力的年轻人。 硬件部分：电源模块，结构光传感器，==还没想好那些传感器==，摄像头 软件部分：面部识别，距离计算，云端记录 12graph LR; ...