こんにちは

最近わたくしはたくさん言葉知りました、記録したい、例えば：どこ見つかった、どうおもう。
今回は「２２・７　計算中」、この番組すごくおもしろい、ぜひ見てください。

ツッコミ・漫才・呆け

この番組のMCは三四郎さん、おふたりはお笑い芸人ですね、この前に私は全然しらなかった、いつも「ツッコミ」を言うで、知りたいですからしらべました。

パクリ

「滝川みうのテンションが上がる動画選手権」で都ちゃんの得点は０点、理由は彼女作りASMR動画は最初みうちゃんの自己PR動画のなかのひとつのパクリ。ここがわたくし知りました。

醍醐味

相田さんはとある回あるVTRの評価です。

屁理屈

桜ちゃんたくさん屁理屈を言った、でもかわいいです。

キャバクラ

「誰かキャバクラに誘うたらどうですか？」は第７３回と７４回でひとつ問題です。神木みかみ優しすぎる、結果受ける。

ため口

じつはわたくしは日本の上下関係理解不能。なんで「先輩に対してため口なんであり得ないだろう。」、堅苦しい過ぎるじゃないか。

オラオラ

わたくし今覚えるのはこれは相田さん誰に評価です。

オフショット・グラビア

１．いつもの写真
２．アイドルの写真

ロケ

多分VTRです。外へ出てに撮影すること。

まだまだあるです。

新建虚拟屏幕

计算出拓展屏幕所需的信息.比如我想拓展1920x1200 60fps的虚拟屏幕:

gtf 1920 1200 60

结果

# 1920x1200 @ 60.00 Hz (GTF) hsync: 74.52 kHz; pclk: 193.16 MHz
 Modeline "1920x1200_60.00"  193.16  1920 2048 2256 2592  1200 1201 1204 1242  -HSync +Vsync

使用xrandr添加新的mode,参数就是上面结果Modeline后面那些东西:

xrandr --newmode "1920x1200_60.00"  193.16  1920 2048 2256 2592  1200 1201 1204 1242  -HSync +Vsync

使用xrandr查看空闲的接口:

安装rp-pppoe

pacman -S rp-pppoe

配置

sudo pppoe-setup

>>> Enter your PPPoE user name:

这里输入网络运营商提供给你的用户名.

利用OpenCV自带的分类器识别面部及眼睛

OpenCV自带里许多分类器,可在haarcascades下载

获取面部

// 获取面部
// image 为输入的OpenCV的格式的图像
// out 为输出图像 <- 此处输出图像为裁剪下来的矩形面部图像
bool get_face(cv::Mat image, cv::Mat &out)
{
    // 将图像转为灰度图像,可提高识别精度
    cv::Mat gray;
    cv::cvtColor(image, gray, CV_BGR2GRAY, 0);
    // 此处的rect为用来存储识别出的面部的定位 <- 这里为vector是因为识别的面部可能不止为一个
    std::vector<cv::Rect> rect;
    // 初始化OpenCV的分类器
    cv::CascadeClassifier cas = cv::CascadeClassifier("haarcascade_frontalface_default.xml");
    cas.detectMultiScale(gray, rect, 1.15, 5);
    // 判断rect是否为空,为空的话就是没有被识别的面部
    if (rect.empty())
    {
        return false;
    }
    // 输出图像,这里的rect可能不止为一个(因为可能不止一张脸),所以实际中应该使用for循环
    // 我这里用rect[0]为了简化
    out = image(rect[0]);
    return true;
}

http keep-alive

http头部Connection: Keep-Alive代表连接请求保持长连接
如果是http代理,必须处理Proxy-Connection: Keep-Alive为Connection: Keep-Alive,如果代理没有实现Keep-Alive就不变或者将Connection设为close.

优点:减少握手次数,如下图(图来源文章最下面)

如果以下的表格及图像出现格式问题,请将你的浏览器中文字体的等宽字体设置好

一.预处理

提取特征量

Human created algorithm: 人想到的算法
         +-----------------------+
-------> |Human created algorithm| --------> 答案
         +-----------------------+

Human created Feature quantity: 人想到的特征量
      +------------------------------------------+       +---------------------------+
----> |Human created Feature quantity(SIF,HGD...)| ----> |Machine learning(svm,knn..)| ---> 答案
      +------------------------------------------+       +---------------------------+

Feature quantity find by computer: 计算机自动寻找特征量
         +-----------------------------------+
         |        Neural Networks            |
-------> |      (Machine learning)           | --------> 答案
         | Feature quantity find by computer |
         +-----------------------------------+

Hyper-Parameter

1. 设定超参数的范围
2. 从设定的超参数的范围中随机采样
3. 使用步骤1中采样到的超参数的值进行学习,通过验证数据,评估识别精度(要将epoch设置得很小)
4. 重复步骤1和步骤2,根据他们的识别精度的结果缩小超参数的范围

超参数优化参考:贝叶斯最优化

权重

权重的初始值:不应该设置为0/1(设置为0或1,可能造成梯度消失),应选择随机生成初始值

其他权重初始值: He初始值

输出层

输出层的神经数量需要根据待解决的问题来决定,如:对于分类问题,输出层的神经元数量一般设定为类别的数量.

最近想了解一下c是如何编译为汇编语言的
首先写了一个相当简单的c

#include "stdio.h"

int main(){
    int a = 1;
    int b = 2;
    int c = a + b;
    int d = 3 + 4;
    printf("%d %d",c,d);
    return 0;
}

使用gcc -S编译为汇编语言:

 .file "hello.c"
 .text
 .section .rodata
.LC0:
 .string "%d %d"
 .text
 .globl main
 .type main, @function
main:
.LFB0:
 .cfi_startproc
 pushq %rbp
 .cfi_def_cfa_offset 16
 .cfi_offset 6, -16
 movq %rsp, %rbp
 .cfi_def_cfa_register 6
 subq $16, %rsp
 movl $1, -16(%rbp)
 movl $2, -12(%rbp)
 movl -16(%rbp), %edx
 movl -12(%rbp), %eax
 addl %edx, %eax
 movl %eax, -8(%rbp)
 movl $7, -4(%rbp)
 movl -4(%rbp), %edx
 movl -8(%rbp), %eax
 movl %eax, %esi
 leaq .LC0(%rip), %rdi
 movl $0, %eax
 call printf@PLT
 movl $0, %eax
 leave
 .cfi_def_cfa 7, 8
 ret
 .cfi_endproc
.LFE0:
 .size main, .-main
 .ident "GCC: (GNU) 9.1.0"
 .section .note.GNU-stack,"",@progbits

以”点”做为前缀的指令都是用来指导汇编器的命令。
精简一下差不多这样:

研究了一下javascript的异步回调函数,本来想像golang那样使用chan可以返回原始值,不过貌似无法做到,最后止步async/await,差不多就是用Promise的resolve返回值然后用await调用,不过await必须使用在async的函数里,局限还是有的.
如果使用非async的函数调用,返回的依旧是Promise类型,需要使用.then.

async function test() {
    return await new Promise(function (resolve, reject) {
        resolve("test")
    })
    }

async function test2(){
    console.log(await test())
}

test2()

详细安装教程请参考arch wiki Installation guide (简体中文),此处只记录安装后遇到的问题.

暗影精灵2 PRO 静音LED不起作用和左边耳机会有噼里啪啦声:
具体解决方法我已经写到archwiki里了,请看: Laptop/HP#HP_Omen_15_ax210TX

grub更新菜单

grub-mkconfig -o /boot/grub/grub.cfg  

安装os-prober让grub检测到其他系统并自动创建引导

pacman -S os-prober

使用system-boot(就是直接使用linux内核引导系统,不再需要grub,如果有多系统不推荐,会把efi分区搞得很乱):

pacman -S efibootmgr dosfstools
# 此处注意:此处要把efi分区挂载为/boot,而非平常的/boot/efi
bootctl install --path=/boot

所有完整实现代码:match

CIDR

我们知道cidr对ip匹配时,只要cidr的mask长度的前几位与要匹配的ip相同,则可以说匹配成功.

假设有一个cidr为128.0.0.1/24
转换为二进制 1000 0000.0000 0000.0000 0000.0000 0001/24
可以知道要匹配ip的前24为与cidr的前24(1000 0000.0000 0000.0000 0000)位相同则匹配成功
假设有一个ip 128.0.0.128 二进制为 1000 0000.0000 0000.0000 0000.1000 0000
可以看到前24位与cidr相同 则匹配成功

域名

域名就比较简单了,直接按点分割就行了

前缀树

通过上述规则 我们可以使用前缀树实现CIDR对ip的匹配

        root
       /    \
      0      1
     / \    / \
    0   1  0   1
   /
当ip匹配到此处,此处已无任何子树,且是某一cidr的末尾时则匹配成功
若此处节点为null(golang为nil)且不是某一cidr的末尾时则匹配失败

域名的前缀树相同,只不过域名不再是只有0和1,而且在匹配的时候还需要跳过前面的那些前缀.

        +---------+
        |  root   |
        +---------+
       /     /      \
facebook   google   twitter  ...
  /        /   \       \
com      com   mail    com   ...
                \
               com

在对域名匹配时
如对 www.play.google.com匹配:
    没有www  跳过
    没有play 跳过
    有google 继续
    有com 且 域名已为最后一个节点 -> 判断trie中是否为最后的一个子树 -> 是 -> 匹配成功

这里有一个明显的问题
  比如我们同时插入了music.126.com和163.com
  然后我们需要查询music.163.com是否被匹配
  是不是发现了问题,无法被匹配,因为包含music,我们会匹配到music.126.com这条线,而不是163.com

这里有个很简单的解决方法,就是把域名倒过来插入,倒过来匹配,就跟JAVA包名那样
        +---------+
        |  root   |
        +---------+
             /
            com        ...
           /   \
         163   126     ...
                 \
                music

这样就能被正确匹配了,而且会缩短时间,不会去完整匹配整个域名,只匹配后面有的就行了

trie树类似上述结构

trie树节点 我们可以这样写