Compute 101
date: 2024-11-11 00:00:01记录在pwncollege里的一些学习笔记 Tracing SyscallsAs you write larger and larger programs, you (yes, even you!) might make mistakes when implementing certain functionality, introducing b...
递归小谈
date: 2024-09-28 21:46:02 递归小谈考虑以下的递归公式： $ { if (n == 0) { return 1; } else { return n * factorial(n - 1); } } ...
初识数据库
date: 2024-9-16 14:45:29 数据库数据库是一个有组织的、相互关联的数据集合，用来模拟现实世界中的某些方面（例如，模拟班级中的学生或数字音乐商店）。人们常常将“数据库”和“数据库管理系统”（例如 MySQL、Oracle、MongoDB）混为一谈。数据库管理系统（DBMS）是用于管理数据库的软件。 考虑一个模拟数字音乐商店（例如 Spotify）的数据库。假设这个数据库存储...
与学习相关的技巧
date: 2024-7-24 00:00:01本节设计神经网络的学习中的一些重要的观点。主题有寻找最优权重参数的优化方法，权重参数的初始值，超参数的设定方法等。为了应对过拟合（神经网络在训练样本中表现过于优越，导致在验证数据集和测试数据集中表现不佳），还会介绍权值衰减，Dropout等正则化方法。 参数的更新神经网络的学习的目的是找到使损失函数的值尽可能小的参数，这个过程被称作“最优化”。参数...
误差反向传播法
date: 2024-7-18 00:02:48误差反向传播法是一种能高效计算权重参数梯度的方法。要理解它一般有两种方法，一种是基于数学式，另一种是基于计算图（computational graph）。接下来会补充讲解计算图的理解方法。 计算图计算图会将计算过程用图表现出来。这里的图形是数据结构图，通过多个节点和边来表示。 计算图通过节点和箭头表示计算过程，节点用 ⚪ 表示，⚪ 中是计算的内容。...
神经网络的学习
date: 2024-7-15 16:55:29 从数据中学习神经网络的学习指的是从数据参数中自动获取最优权重参数的值。在实际的神经网络之中，权重的数量成千上万，随着层数的递进，这个数量还在继续增加。想要人工决定这些数值的大小是不可能的。我们需要让神经网络来根据数值自动决定参数值。通过引入损失函数能够有效的获取最有的权重参数。 比如如何用算法实现数字“5”图像的识别？。人可以简单的识别出5，但...
简单学习算法的实现
normalize : 将图像的像素值正规化为0.0~1.0 one_hot_label : one_hot_label为True的情况下，标签作为one-hot数组返回 one-hot数组是指[0,0,1,0,0,0,0,0,0,0]这样的数组 flatten : 是否将图像展开为一维数组 Returns ------- (训练图像, 训练标签), (测试图像, 测试标签) "&quo...
类的优化学习
date: 2024-05-07 23:25:21 类模板当你决定你正在编写的类最适合通过某种任意类型进行参数化时，你可以使用template关键字并指定模板应该参数化的类型来告诉C++，你正在定义一个模板类。让我们以定义自己版本的STL中使用的pair结构体为例来说明。如果我们想要将这个结构体命名为MyPair，并使其参数化两种类型，我们可以编写如下代码： 12345template <...
类的优化学习
date: 2024-05-07 23:25:21 类模板当你决定你正在编写的类最适合通过某种任意类型进行参数化时，你可以使用template关键字并指定模板应该参数化的类型来告诉C++，你正在定义一个模板类。让我们以定义自己版本的STL中使用的pair结构体为例来说明。如果我们想要将这个结构体命名为MyPair，并使其参数化两种类型，我们可以编写如下代码： 12345template <...
抽象记忆点
小结 软件系统通常包含数百万行代码，远远超过即使是最有经验的程序员一次能够完全跟踪的范围。 这表明现代软件的规模和复杂性，需要采取有效的管理和设计方法。 软件系统中的单个错误值可能导致整个系统失败。 这凸显了在编写软件时准确性和健壮性的重要性。 软件系统中可能的交互数量随着系统组件数量的增加呈指数增长。 这提醒我们，随着系统复杂性的增加，需要考虑和管理其交互。 抽象提供了一种以更简单的...