PeiFang's Notes

Mininet / Ryu 实验踩坑记录实验过程胖树拓扑结构 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960# test.pyfrom mininet.topo import Topofrom mininet.net import Mininetfrom mininet.node import RemoteControllerfrom mininet.link import TCLinkfrom mininet.util import dumpNodeConnectionsclass MyTopo(Topo): def __init__(self): super(MyTopo, self).__init__() # Marking the number of switch for per level L1 = 2 L2 = 4 ...

云计算实验报告1、搭建 K8S 环境1.1 实验条件实验所用云服务器环境为华为云 ECS 4vCPUs 4GiB 内存，操作系统为 Ubuntu20.04，本次实验后续将使用该云服务器搭建单机 kubernetes 环境并进行应用部署。 1.2 安装容器运行时k8s 集群支持的容器运行时包括 Docker 和 containerd 等，安装最新版 Docker 时也会自动安装 containerd，因此本实验中选择直接安装 Docker 作为 k8s 的容器运行时环境，步骤如下： 更新软件包索引，并安装必要的依赖软件 12sudo apt updatesudo apt install apt-transport-https ca-certificates curl gnupg-agent software-properties-common 导入源仓库的 GPG key，将 Docker APT 源添加到 apt 仓库索引中 12curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add ...

wsl迁移记录与踩坑动机众所周知，Windows用户的C盘空间往往比较金贵，而抛开QQ&Wechat的大量垃圾文件之外，WSL也是一个硬盘需求大户，因此普遍有将WSL迁移至其他盘中的需求 另外，由于Docker-Desktop同样基于WSL，且Docker镜像所占的空间往往更大，更迫切的需要迁移，本文方法对Docker-Desktop同样适用 步骤 找到你的wsl发行版，例如Ubuntu-20.04 1wsl -l 停止正在运行的wsl 1wsl --shutdown 导出WSL镜像 1wsl export Ubuntu-20.04 {备份路径}\ubuntu.tar 注销原有镜像 1wsl unregister Ubuntu-20.04 重新导入wsl 1wsl import 自定义名称 {新的安装路径} {备份路径}\ubuntu.tar --version 2 恢复默认账户 1ubuntu2004 config --default-user 原来的用户名 踩坑记录导入导出很久应该是正常现象 ...

2023武测歌手大赛《山海》(Live)

后端开发暑期实习凉经最新动态4.2腾讯微信支付一面秒挂 70min阿里AE金融一面挂 电话面30min蚂蚁国际金融一面挂 电话面30min百度笔试3周无回复美团笔试1周无回复字节武汉飞书简历挂 4.3阿里AE金融技术部一面挂 电话面+算法 50min武汉暴雨，心情好糟，想摆了…终于收到美团的面试邮件了…但即便是美团也没啥信心了…7号再说吧 4.13字节池子泡了半个多月 麻了美团泡了一个星期 还是一面挂了 失去自信力了要幸好今晚阿里第三次一面终于表现不错 面试官评价基础还可以 希望起码给个二面机会吧华子昨天的笔试错过了，等下周了 7.9有段时间没更新blog了，已经入职字节武汉将近一月了一天速通三轮面试的惊险过程依然历历在目，何况前一晚备战花旗只睡了半小时大厂给的很多，提升很快，但也是真的很累每天早10点到晚9点半，这还是实习，加上通勤等于早八点半到晚十点半根本没有空去见想见的人，去陪想陪的人也许以后会重新考虑考虑未来了，尽管其实还很早但毕竟我是如此热爱生活的一个人 面经想起多少是多少吧 unordered_map是怎么实现的，如果hash冲突怎么办 MySQL的事务是怎么 ...

Pytorch Api 记录激活函数123456import torchfrom torch import nnnn.Relu() # ReLU(x) = max(x, 0)nn.sigmoid() # sigmoid(x) = 1/(1 + exp(-x))nn.tanh() # tanh(x) = (1 - exp(-2x))/(1 + exp(-2x)) Modulenn.Module所有神经网络模块的基类，需要实现__init__(self)和forward(self, x) 123456789101112131415from torch import nnfrom torch.nn import functional as FClass Model(nn.Module): def __init__(self): super(Model, self).__init__() self.conv1 = nn.Conv2d(1, 20, 5) # more operation for example: # self.con ...

经典卷积神经网络LeNet简介这个模型是由AT&T贝尔实验室的研究员Yann LeCun在1989年提出的（并以其命名），目的是识别图像 (LeCun et al., 1998)中的手写数字。 架构总的来看，LeNet由两个部分组成 卷积编码器：由两个卷积层组成 全连接层密集块：由三个全连接层组成 Pytorch实现12345678910111213import torchfrom torch import nnnet = nn.Sequential( nn.Conv2d(1, 6, kernel_size=5, padding=2), nn.Sigmoid(), nn.AvgPool2d(kernel_size=2, stride=2), nn.Conv2d(6, 16, kernel_size=5), nn.Sigmoid(), nn.AvgPool2d(kernel_size=2, stride=2), nn.Flatten(), nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(), nn.Li ...

wsl2使用中遇到的网络大坑事情起因是这样的… 我手里有一个使用grpc做服务间调用的微服务项目团队里其他成员用python建了个模型，并开了gRPC服务接口供我调用 众所周知… Linux拥有领先Windows几百年的包管理器以及命令行工具（雾因此我自然的使用的WSL当中的conda环境 然鹅…伏笔了… 在千辛万苦搞定了Java的gRPC客户端代码之后 1234567891011121314151617181920212223242526io.grpc.StatusRuntimeException: UNAVAILABLE: io exception at io.grpc.stub.ClientCalls.toStatusRuntimeException(ClientCalls.java:271) at io.grpc.stub.ClientCalls.getUnchecked(ClientCalls.java:252) at io.grpc.stub.ClientCalls.blockingUnaryCall(ClientCalls.java:165) at com.citicup ...

springboot与python微服务间互调gRPC实现步骤： 定义一个服务，指定其能够被远程调用的方法（包含参数、返回类型） 在服务端实现这个接口，并运行一个 gRPC 服务器来处理客户端请求 在客户端实现一个存根 Stub ，用于发起远程方法调用 定义proto接口规范xx.proto 1234567891011121314151617181920212223242526272829// proto协议版本syntax = "proto3";// 参数结构message ClientInput { string basecolor = 1; string eyecolor = 2; string environment = 3; string highlightcolor = 4; string accentcolor = 5; string pattern = 6; string eyeshape = 7; string mouth = 8; string purrstige = 9; string sec ...

机器学习与模式识别Week1 聚类典型算法 k-means 线性的，球状的 Chameleon变色龙 基于k紧邻图的层次聚类 dbscan 基于密度（近邻）的传销聚类 Week2 聚类进阶任意形状聚类的现有问题 谱聚类算法 时间复杂度通常不低于$O(N^2)$ 基于图的算法 & 基于密度的算法 时间复杂度通常不低于$O(N^2)$ 需要用户定义关键参数，影响聚类结果 基于代表点的算法 所选代表点的数量和分布可能不合适，导致其所反应的聚类信息产生扭曲 基于代表点的算法基本思路原始数据集 -> 选取代表点 -> 代表点位置调整（缩骨法） -> 聚合聚类 -> 最终聚类结果 要求 快速选取代表点 利用K-means算法将原始大数据集划分成均匀连续分布的小数据团，将每个中心点作为代表点 代表点保留原始数据集的形状信息 使用直方图密度估计让K-means的起始聚类中心点均匀连续的分布 判断相似度： 位置近 密度近 接触面大 Week3 分类分类的流程 将样本转化为等维的数据特征（特征提取） 样本必须具有相同数量的特征 ...