Haobo's Blog

为什么要 Linux Linux 的简介可以找度娘问问，就不赘述了。这里我们来说说 Linux 的特性。 首先 Linux 系统有 win 和 mac 无法比拟的可定制性，上到软件的表现，下到硬盘的划分都是可以修改的（也就是说，你可以制作属于你自己的 Linux 系统，也可以把你的系统优雅地粉碎 \手动滑稽）。其次 Linux 对与软件的管理有自己的一套，可以非常简单地安装、更新、卸载。如果习惯了使用 sudo apt 指令来控制软件（Linux 里习惯用 package 也就是包而不是软件来形容），你会发现你操作计算机的速度变快了。因为省去了鼠标的活动，你可以把想做的事情告诉电脑，让电脑帮你完成，而不是你自己去完成。因此，在开发人员和效率至上的人眼中，Linux 是有魔力的。 除此之外，Linux 在学生群体中也是非常受欢迎的。Linux 的发行版系统一般是遵循 GNU 协议的，属于类 Unix 开源系统，这赋予了这个系统新的特点：底层源代码可以被随意修改。在看到 Linux 在学生手中，尤其是喜欢瞎鼓捣的学生手中的魔改版本之后，说 Linux 是一个寓教娱乐的玩具也不为过。 ...

one argument process Notice that args should be itrable. like index. But we can use a little trick to tackle none iterable ones. 12def func(resolver): return resolver.getFormatedVocaloidDataInDict() We put a “,” after none iterable args. 1results = [pool.apply_async(func, args=(resolverX,)) for resolverX in [resolver for i in range(num_cores)]] template 123456789101112131415161718# import datetimeimport multiprocessing as mp# # initialise the poolnum_cores = int(mp.cpu_count())# print(" ...

INTRODUCTION 这是一本写给初学者的数据分析和Python使用教程，比较通俗易懂，但是在关键知识点的解释上不尽如人意，是本入门级的书。 LIST OF KEY POINTS Python基础部分 定义：带键值参数传递，变量的类型为键值对，但又与一般的字典类型的定义不同。举例为：函数定义：func(**[variable]) ；使用：func(aa=11,bb=22,cc=33) 此处的长度可随意。 定义：回调函数，传递变量给一个函数的方法。可以理解为一种更加自由的命名方式，方便使用。相关术语：回调函数、登记回调函数、出发回调关联事项、调用回调函数、响应回调事件。 关键点：递归的过程中，iterator（及 yield 关键词）的使用能够极大的减小内存使用。原理：yield 关键词把一个函数转变成了generator，函数返回itarable对象。 相似点：Haskell 中的 foldl 和 Python 的 reduce 函数及其相似，使用方法也是大同小异。（其他相似的还有 map 和 filter 函数） 定义：私有变量和私有方法也就是 java 中添加了 pr ...

相较于之前写过的爬去B站动态的javav程序，Python明显简单很多。其中有一个很重要的原因，我们的java程序写的是一个实时的爬虫，一个监控，而这次接触的Python爬虫很明显仅仅只需要爬下来就可以了。 参考文献 爬取图片html，主要是 API calling json 微博 json，会翻页 主要框架 post request resolve received files/data in form of json/html/xml save to local

Converting mp3 to wav to midi is a task that extract notes from original mp3 files by computer. reference project audio/wav to midi​ mp3 to wav 12345678from pydub import AudioSegment# files src = "/dir/to/the/file.mp3"dst = "/dir/to/result/file.wav" audSeg = AudioSegment.from_mp3(src)audSeg.export(dst, format="wav") wav to midi 1234pip instal ...

My choice SM1: Professional Issues Informatics Large Practical Introduction to Vision and Robotics Introductory Applier Machine Learning SM2: System Design Project Computer Communication and Networks Foundations of Natural Language Processing Winter Pool: Operating System Software Testing Courses related to Quantum Computing SM1 Semester 1 of UG3 is focusing on application application and engineering. Professional Issues (Level 10) (INFR10022) http://www.drps.ed.ac.uk/20-21/dpt/cxinfr1 ...

一句话三者关系 信息熵完美编码，交叉熵不完美编码，相对熵是两者的差值。即：相对熵 = 交叉熵 - 信息熵。 什么是KL散度 KL散度的概念来源于概率论和信息论中。 KL散度又被称为：相对熵、互熵、鉴别信息、Kullback熵、Kullback-Leible散度(即KL散度的简写)。 如何理解KL散度 在统计学意义上来说，KL散度可以用来衡量两个分布之间的差异程度。若两者差异越小，KL散度越小，反之亦反。当两分布一致时，其KL散度为0。 KL散度在信息论中的专业术语为相对熵。其可理解为编码系统对信息进行编码时所需要的平均附加信息量。 KL散度的应用 正是因为其可以衡量两个分布之间的差异，在机器学习、深度学习领域中，KL散度被广泛运用于变分自编码器中(Variational AutoEncoder, 简称VAE)、EM算法(Expectation-Maximization Algorithm)、GAN网络中。 参考文献 KL散度：https://hsinjhao.github.io/2019/05/22/KL-DivergenceIntroduction/ KL散度 ...

Insert-sort Merge-sort Clone Deep clone Dealing with clash of hash code HeapSort Quick sort Tim sort Breadth-first sort Depth-first sort Topological sort Tabulation Memory Seam-Carving Edit Distance Finite State Machine Hidden Markov Models (HMMs) The CYK algorithm LL(1) Predictive parsing Stack Queue Heap Array Fixed-size array Extensible array Linked list Set Dictionary Hash table Balanced tree Red-black tree Graph Syntax tree ...

感想 迷失在了历史的长河中。Lost in time. Key code main.py 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158from math import ceilfrom helpers import IOfrom typing import Dict, Listclass Task: ...

Relation of Terms Term includes Properties Term can be Algorithm Use task constraints to make search efficient. Perform Inference with First Order Logic and appreciate the strengths and weaknesses of this and other logic representations (eg Propositional). Use PDDL to plan and execute actions using either Propositional or First Order Logic representations. https://discover304.top/2021/03/01/30-0-ra-note/#template Create and reason with a representation of a Bayesian agent for handling a non-dete ...