02 2022 档案
摘要：This system is not registered to Red Hat Subscription Management. You can use subscription-manager to register.没有已启用的源。执行 “yum repolist all” 查看您拥有的源。您
阅读全文
摘要：Django4.0已经弃用url了 # 修改路径：django项目文件下的urls.py from django.urls import path from django.contrib import admin urlpatterns = [ path(r'admin/', admin.site.
阅读全文
摘要：n_samples = xs.shape[0] with tf.Session() as sess: # 记得初始化所有变量 sess.run(tf.global_variables_initializer()) writer = tf.summary.FileWriter('./graphs/li
阅读全文
摘要：void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 ); 功能:颜色空间转换 参数： src：原图 dst：保存转换后的图 dstCn：转换方式
阅读全文
摘要：double threshold( InputArray src, OutputArray dst, double thresh, double maxval, int type ); 功能:图像的二值化，就是将图像上的像素点的灰度值设置为 0 或 255，也就是将整个图像呈现出明 显的只有黑和白的
阅读全文
摘要：#迭代总轮次 n_epochs = 30 with tf.Session() as sess: # 在Tensorboard里可以看到图的结构 writer = tf.summary.FileWriter('./graphs/logistic_reg', sess.graph) start_time
阅读全文
摘要：#!/usr/bin/python3 import pymongo myclient = pymongo.MongoClient("mongodb://localhost:27017/") mydb = myclient["runoobdb"] mycol = mydb["sites"]
阅读全文
摘要：import torch.nn as nn import torch.nn.functional as F class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3,
阅读全文
摘要：为面部数据集创建一个数据集类。我们将在 __init__中读取csv的文件内容，在 __getitem__中读取图片。这么做是为了节省内存 空间。只有在需要用到图片的时候才读取它而不是一开始就把图片全部存进内存里。 我们的数据样本将按这样一个字典{'image': image, 'landmarks
阅读全文
摘要：import torch.optim as optim criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
阅读全文
摘要：def show_landmarks(image, landmarks): """显示带有地标的图片""" plt.imshow(image) plt.scatter(landmarks[:, 0], landmarks[:, 1], s=10, marker='.', c='r') plt.pau
阅读全文
摘要：import urllib.request myURL1 = urllib.request.urlopen("https://www.runoob.com/") print(myURL1.getcode()) # 200 try: myURL2 = urllib.request.urlopen("h
阅读全文
摘要：from urllib.request import urlopenmyURL = urlopen("https://www.runoob.com/")f = open("runoob_urllib_test.html", "wb")content = myURL.read() # 读取网页内容f.
阅读全文
摘要：import urllib.requestimport urllib.errormyURL1 = urllib.request.urlopen("https://www.runoob.com/")print(myURL1.getcode()) # 200try: myURL2 = urllib.re
阅读全文
摘要：实例化这个类并遍历数据样本。我们将会打印出前四个例子的尺寸并展示标注的特征点。 代码如下图所示： face_dataset = FaceLandmarksDataset(csv_file='data/faces/face_landmarks.csv', root_dir='data/faces/')
阅读全文
摘要：我们会把它们写成可调用的类的形式而不是简单的函数，这样就不需要每次调用时传递一遍参数。我们只需要实现__call__方法，必 要的时候实现 __init__方法。我们可以这样调用这些转换: tsfm = Transform(params) transformed_sample = tsfm(samp
阅读全文
摘要：我们想要把图像的短边调整为256，然后随机裁剪(randomcrop)为224大小的正方形。也就是说，我们打算组合一个Rescale和 RandomCrop的变换。 我们可以调用一个简单的类 torchvision.transforms.Compose来实现这一操作。具体实现如下图： scale =
阅读全文
摘要：我们可以像之前那样使用for i in range循环来对所有创建的数据集执行同样的操作。 transformed_dataset = FaceLandmarksDataset(csv_file='data/faces/face_landmarks.csv', root_dir='data/face
阅读全文
摘要：collate_fn, 可以通过它来决定如何对数据进行批处理。但是绝大多数情况下默认值就能运行良好。 dataloader = DataLoader(transformed_dataset, batch_size=4, shuffle=True, num_workers=4) # 辅助功能：显示批次
阅读全文
摘要：构造和使用数据集类(datasets),转换(transforms)和数据加载器(dataloader)。torchvision包提供了 常用的数据集类(datasets)和转换(transforms)。你可能不需要自己构造这些类。torchvision中还有一个更常用的数据集类ImageFolde
阅读全文
摘要：一个n维张量，类似于numpy，但可以在GPU上运行 搭建和训练神经网络时的自动微分/求导机制
阅读全文
摘要：PyTorch的tensor在概念上与numpy的array相同： tensor是一个n维数组，PyTorch提供了许多函数用于操作这些张量。任何希望使用NumPy执行的计算也可以使用PyTorch的tensor来完成，可以认为它们是科学计算的通用工具
阅读全文
摘要：使用自动微分来自动计算神经网络中的后向传递。 PyTorch中的 autograd包提供了这个功能。当使用autograd时，网络前向传播将定义一个计算图；图中的节点是tensor，边是函数， 这些函数是输出tensor到输入tensor的映射。这张计算图使得在网络中反向传播时梯度的计算十分简单。
阅读全文
摘要：import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' import numpy as np import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data
阅读全文
摘要：# 求交叉熵损失 entropy = tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=Y, name='loss') # 求平均 loss = tf.reduce_mean(entropy)
阅读全文
摘要：关于什么是哈希，请自行百度学习。简单理解为对某一事物的投影操作，即A——>Hash(A) 在密码学中，采用的哈希函数称为名cryptographic hash function，其两个重要性质分别为collision resistance（对哈希碰撞具有抗拒性）和hiding(隐藏性)[注：自行翻译
阅读全文
摘要：双花攻击数字货币本身为带有签名的数据文件，可以进行复制。即：对用户来说，可以将同一货币花费两次。修改：对货币添加唯一编号（不可篡改），每次支付向货币发行单位查询真伪。该方法每次交易都需要依赖于第三方机构来判断货币真伪且防止双花攻击。是一个典型的第三方中心化方案。现实中，我们通过支付宝、微信、信用卡等
阅读全文
摘要：可否各个节点独立完成区块链构建？很明显不行，各个节点独立打包交易，形成区块链，必然无法避免区块链内容不一致。从分布式系统角度来说，账本内容需要取得分布式共识，从而保证区块链内容在不同节点上的一致性。 根据FLP不可能结论，在一个异步系统中，网络时延无上限，即使只有一个成员是有问题的，也不可能达成共识
阅读全文
摘要：背景：假设系统中存在部分节点有恶意，但存在比例较小。大多数节点为“好”的节点，在这种情况下进行共识协议设置。想法1：直接投票某个节点打包交易到区块，将其发给其他节点，其他节点检查该候选区块，检查若正确投赞成票，若票数过半数，加入区块链。存在的问题1——恶意节点不断打包不合法区块，导致一直无法达成共识
阅读全文
摘要：指针在程序运行过程中，需要用到数据。最简单的是直接获取数据，但当数据本身较大，需要占用较大空间时，明显会造成一定麻烦。因此，可以引入指针这一概念。当需要获取数据时，只需要按照指针所给的地址，去对应的位置读取数据即可，这样大大节省了内存空间。在实际中，为了便于程序移植性等原因，指针实际上存储的是逻辑地
阅读全文
摘要：为什么系统中节点要竞争记账权？需要提供算力和电力成本，节点为什么要去做？ 比特币系统设计之初便考虑到了这个问题，那就是引入激励机制。比特币通过设置出块奖励来解决该问题，一个获得合法区块的节点，可以在区块中加入一个特殊交易（铸币交易）。事实上，这种方式也是唯一一个产生新比特币的途径。 比特币系统设计规
阅读全文
摘要：为一个区块的信息（取自视频中截图，源自blockchain.info） 什么是挖矿？可以看到，区块哈希与前一区块哈希都是以一长串0开头的，挖矿本身就是尝试各种nonce，使得产生的区块哈希值小于等于目标阈值。该目标阈值，表示成16进制，就是前面含有一长串的0下为block header的代码中实现的
阅读全文
摘要：比特币中账户管理在第三方中心化系统中，账户开通依赖于第三方。但去中心化的比特币系统中，很明显不能进行“申请账户”。在比特币系统中，申请账户是用户自己来处理的，即自己创建一个公钥-私钥对。（关于公私钥请自行了解非对称加密体系和对称加密体系）公钥和私钥的应用保证了“签名”的应用。当在比特币网络中进行转账
阅读全文
摘要：Markle Tree是比特币系统中又一个重要的数据结构首先，回顾一下Binary Tree(如果不懂请自行复习数据结构)。Markle Tree和Binary Tree的区别有哪些？ Markle Tree用哈希指针代替了普通指针 上图即为一个简单的Markle Tree，其中A、B、C、D为数据
阅读全文
摘要：数字货币的发行由谁执行？如何发行？发行多少？什么时候发行？在传统中心化货币体系中，这些问题我们可以交给第三方机构（如：央行）。当引入去中心化思想后，系统中节点平等，交易不通过第三方，那么货币发行权的分配必然是一个需要解决的问题。在比特币系统中由挖矿来决定货币发行权和发行量。 如何验证交易是否有效？如
阅读全文
摘要：block Header（区块宏观信息） block body(略)Version(版本协议) …Hash of previous block header（指向前一个区块指针） …Merkle root hash（默克尔树根哈希值） …target（挖矿难度目标阈值） …nonce（随机数） …挖
阅读全文
摘要：挖矿本质上是不断尝试各种nonce，来求解这样一个puzzle。每次尝试nonce，可以视为一次伯努利试验。最典型的伯努利试验就是投掷硬币，正面和反面朝上概率为p和1-p。在挖矿过程中，一次伯努利试验，成功的概率极小，失败的概率极大。挖矿便是多次进行伯努利试验，且每次随机。这些伯努利试验便构成了a
阅读全文
摘要：也就是说，比特币系统中已经挖出和未挖出的比特币总数便是2100万个。实际上，挖矿这一操作并非在解决数学难题，而是单纯的算力比拼。也就是说，挖矿这一过程并没有实际意义，但挖矿这一过程，却是对比特币系统的稳定起到重要维护作用。所以，只要大多数算力掌握在好的节点手中，便能够保障比特币系统的稳定。 比特币越
阅读全文
摘要：这段时间开始学习pytorch 参考书籍 PyTorch 图像分类器 - PyTorch官方教程中文版 (pytorch123.com) 如果博客园中所发内容对原书籍造成影响，请联系我，侵删！
阅读全文
摘要：语句覆盖 优点：直观、简单，易自动化 缺点：发现错误能力很弱 判定覆盖 优点：发现错误能力比语句覆盖强 缺点：对复合条件判断，只判定整个最终结果，而忽略每个条件的取值情况，必然会遗漏部分测试路径。 条件覆盖 优点：发现错误的能力比语句覆盖强 缺点：条件覆盖不能保证判定覆盖，对复合条件，条件覆盖只能保
阅读全文
摘要：数据流分析就是对程序中数据的_定义 ___、引用_及其之间的 依赖关系等进行分析的过程。 如果程序中某一语句i的执行能改变某程序变量V的值，则称V被语句i定义,可记作Def（V，i）。 如果某一语句j的执行引用了内存中变量V的值，则称变量V被语句j使用，可记作Use（V，j）。 变量的定义—使用路径
阅读全文
摘要：定义：功能测试是系统测试中最基本的测试。 方法：<1>规格导出法** <2>等价类划分法 <3>边界值分析法** <4>因果图** <5>判定表 <6>正交实验设计 <7>基于风险的测试 <8>错误推测法 分类： 逻辑功能测试 界面测试 易用性测试 安装测试 兼容性测试
阅读全文
摘要：定义：是对软件基本组成单元进行的测试。是检验程序最小单位，即检查模块有无错误， 它是在编码完成后必须进行的测试工作。 目的：验证这段代码的行为是否与我们期望的一致。 步骤：编译运行程序（查看能否正确运行）→静态测试（检查代码是否符合规范）→动态测试（深入检查代码的正确性，容错性和边界值等） 单元测试
阅读全文
摘要：定义：集成测试又称组装测试，是在单元测试的基础上，将所有模块按照设计要求组装成 子系统或系统进行的测试活动。又称子系统测试、联合测试。 目的：确保各单元组合在一起后能够按既定意图协作运行，并确保增量的行为正确，所测试的内容包括单元间的接口以及集成后的功能。 集成测试需要考虑的问题： 在把各个模块连接
阅读全文
摘要：测试方法：黑盒测试 概念：是将已经集成好的软件系统，作为整个计算机系统的一个元素，与计算机硬件、外设、某些支持软件、数据和人员等其他系统元素结合在一起，在实际运行（使用）环境下，对计算机系统进行系列的测试活动。 目的：发现软件与系统定义不符合或与之矛盾的地方，测试用例应根据需求分析说明书来设计，并在
阅读全文
