策悟斋

对于某些经常喜欢在宿舍干实验室活又没钱开公网的家伙比较有用，下面以ubuntu为例 快速上手（Ubuntu）1. 安装与认证12345sudo apt-get updatesudo apt-get install -y curlcurl -L https://www.cpolar.com/static/downloads/install-release-cpolar.sh | sudo bashcpolar versioncpolar authtoken <YOUR_TOKEN> <YOUR_TOKEN> 可在 cpolar 控制台中获取。 2. 启动服务并检查状态123sudo systemctl enable cpolarsudo systemctl start cpolarsudo systemctl status cpolar 状态为 active (running) 说明服务正常。 3. HTTP 穿透测试1cpolar http 8080 出现公网地址后，可在外部网络直接访问该地址。测试完成使用 Ctrl+C 退出。 4. SSH 穿透测试在 Web ...

What is MCPMCP (Model Context Protocol)是一种开放协议，用于标准化应用程序如何向大型语言模型（LLMs）提供上下文。可以将 MCP 想象为 AI 应用的 typec 接口。正如 typec 提供了一种标准化的方式将您的设备连接到各种外设和配件，MCP 也提供了一种标准化的方式，将 AI 模型连接到不同的数据源和工具。 MCP 协议由 Anthropic 在 2024 年 11 月底推出： 官方文档：Introduction GitHub 仓库：https://github.com/modelcontextprotocol MCP 集成教学： Git - Git 读取、操作、搜索。 Github - Repo 管理、文件操作和 GitHub API 集成。 Google Maps - 集成 Google Map 获取位置信息。 PostgreSQL - 只读数据库查询。 Slack - Slack 消息发送和查询。 MCP导航站 Why is MCP举个栗子，在过去，为了让大模型等 AI 应用使用我们的数据，要么复制粘贴，要么上传下载，非常麻 ...

一、先说结论：检测指标到底在衡量什么目标检测模型要同时回答两个问题： 框得准不准（定位）。 类别判得对不对（分类）。 所以一套可用的评估体系至少要覆盖两件事： 单个预测框是否正确（TP/FP/FN）。 模型在不同阈值下的整体表现（PR 曲线、AP、mAP）。 二、核心概念2.1 IoU（Intersection over Union）IoU 用来衡量预测框和标注框的重叠程度： IoU = \frac{Area(B_{pred} \cap B_{gt})}{Area(B_{pred} \cup B_{gt})}一般会设一个阈值（例如 0.5），IoU 达到阈值才有资格被视为“定位正确”。 2.2 TP、FP、FN在单类别下可以这样理解： TP：类别预测正确，且与某个真实框匹配成功（IoU 达阈值）。 FP：预测了目标，但类别错误或没有匹配到真实框。 FN：真实目标存在，但模型没有成功预测到。 2.3 Precision 与 Recall Precision = \frac{TP}{TP+FP}, \quad Recall = \frac{TP}{TP+FN} Precis ...

相信不少的同学都遇到过一个很麻烦的事情——实验室用的服务器只有连上实验室的内网后才能使用，一旦外出开impart或者回家后，就不能进入实验室的服务器继续玩耍（卷）了。这个时候怎么办呢？如果你没有一个公网服务器又不想花钱，cpolar是你的最佳选择，但是如果你有事情就变得完全不一样了——frp的优雅永不过时。 FRP 项目官网 GitHub 仓库 项目文档 frp是什么？frp 是一个专注于内网穿透的高性能的反向代理应用，支持 TCP、UDP、HTTP、HTTPS 等多种协议。可以将内网服务以安全、便捷的方式通过具有公网 IP 节点的中转暴露到公网。 为什么使用 frp ？通过在具有公网 IP 的节点上部署 frp 服务端，可以轻松地将内网服务穿透到公网，同时提供诸多专业的功能特性，这包括： 客户端服务端通信支持 TCP、KCP 以及 Websocket 等多种协议。 采用 TCP 连接流式复用，在单个连接间承载更多请求，节省连接建立时间。 代理组间的负载均衡。 端口复用，多个服务通过同一个服务端端口暴露。 多个原生支持的客户端插件（静态文件查看，HTTP、SOCK5 代理等），便 ...

首先声明我的vscode坚定拥护者身份，奈何十年老古董实在带不动，不得不重新捡起vim开始朴素（装逼）生活。 1. 什么是 Vim？Vim 是一个强大的文本编辑器，基于经典的 vi 编辑器。它的核心设计理念是高效编辑文本，特别适合程序员和技术用户 (高逼格用户)。 与大多数文本编辑器不同，Vim 的操作基于模式切换，它拥有多个操作模式，使你能够在插入、编辑、命令等操作之间快速切换。 Vim vs Vi：Vim 是 vi 的增强版，提供了更多的功能，如多级撤销、语法高亮、扩展的脚本支持等。 2. Vim 的主要模式Vim 的操作基于不同的模式，主要有以下几种模式：1.普通模式 (Normal Mode)：12345678910默认进入的模式，用于导航和操作文本。进入方式：启动 Vim 后默认进入，或按 Esc 回到普通模式。常用命令：h：向左移动光标。j：向下移动光标。k：向上移动光标。l：向右移动光标。dd：删除当前行。yy：复制当前行。p：在光标之后粘贴。2.插入模式 (Insert Mode)：123用于编辑文本，类似于普通文本编辑器的输入状态。进入方式：按 i 或 a 进入。退出 ...

1.数据结构的本质数据结构的本质其实就是链表和数组，其他复杂的数据结构不过是这些基本结构的高级抽象。无论是树、栈、队列，还是更高级的图结构，归根结底都是基于数组或链表构建的。它们通过底层的实现细节和不同的逻辑组织方式，提供了更易用的API接口。 比如，树这种数据结构，既可以用数组来实现，也可以用链表构建。数组的优势在于可以通过索引快速访问，节省空间，而链表的优势则在于高效的插入和删除操作。但链表由于使用指针，会占用更多的空间。 我们可以从Redis的实现上看到这一点，它内部有字符串、集合等数据结构，每一种数据类型都有不同的实现方式。其实，我们自己也可以根据具体的业务场景，设计并实现出个性化的数据结构，并定义一些适合当前业务需求的API接口。 语言层面也为我们提供了丰富的数据结构工具。比如在Python中，除了常用的字典和列表外，还可以通过collections模块找到一些更灵活和高效的数据类型，如defaultdict、双端队列deque、计数器Counter等。Java的java.util包中也包含了大量用于扩展基础数据结构的工具类。 综上所述，数据结构的底层其实就是数组和链表。 ...

从 RNN 爬到 Transformer 山顶第一次听到 Transformer 的时候，我脑子里闪过三个画面： 物理书里的“变压器” 变形金刚 导师嘴里那句：“现在大部分大模型都是这个架构……” 然后我去翻论文《Attention is All You Need》，翻开第一眼：公式一堆、结构图一堆，我当场关掉 PDF，默默记住一个结论： 这个东西以后肯定逃不过，但今天先不学。 直到后面真的要用到它，我才开始系统地啃。下面的内容可以看作是我这个初学者把 Transformer 从“听过名字”到“勉强理解”的过程整理。 一、先说结论：Transformer 到底干了件什么事？如果只能用一句话来概括 Transformer，我现在会这样说： 以前我们处理一句话，是按时间步从左到右递推；Transformer 改成了：整句一起看，通过自注意力让每个位置和所有位置建立联系。 更具体一点： RNN：依次处理 (x_1, x_2, \dots, x_T) 每一步依赖前一步的隐状态$(h_{t-1})$； Transformer：把整段序列表示成矩阵，一次性送进若干层自注意力和前馈网 ...

1. 算法简介KMP 算法用于 字符串匹配，通过预处理模式串，避免重复的字符比较，从而实现高效匹配。它的时间复杂度是 O(n + m)，其中 n 是主串长度，m 是模式串长度。 2. 主要思想当模式串中的某个字符匹配失败时，利用已知的部分匹配结果，跳过不必要的比较。这是通过 部分匹配表（也称为 前缀表）实现的。 3. 术语解释 前缀：从字符串的第一个字符开始，不包含最后一个字符的子串。 后缀：从字符串的最后一个字符开始，不包含第一个字符的子串。 部分匹配表：记录每个字符位置前的部分字符串的最长相同前缀和后缀的长度。 4. 部分匹配表的构建部分匹配表记录模式串在匹配失败时，可以跳过的字符数量。假设模式串为 pattern，前缀表 prefix[i] 的值表示在 pattern[0...i] 中，最长相同前缀和后缀的长度。 构建步骤： 初始时，prefix[0] = 0，表示第一个字符没有前缀和后缀。 使用双指针法遍历模式串，一个指针指向当前字符，一个指向最长前缀的下一个字符。 若当前字符匹配，前缀长度加 1；否则，回退到前一个匹配的前缀位置。 5. KMP 主算法步骤 预处理模式串 ...

screen 是一个非常强大的终端会话管理工具，它可以让你在多个终端窗口中运行任务，并在会话断开后继续保持任务的执行状态。特别适合长时间运行的任务或远程连接的任务管理。对于远程服务器player简直是屠龙宝刀。 常见用法：以下是一些常见的 screen 命令和用法： 1. 启动新的 screen 会话1screen 启动一个新的 screen 会话。在新窗口中，你可以运行任何命令。 默认情况下，screen 会自动分配一个会话 ID。 2. 启动带名称的 screen 会话1screen -S session_name 通过 -S 选项为会话指定名称 session_name，便于管理多个会话。 3. 分离（Detach）会话1Ctrl + A + D 使用快捷键 Ctrl + A + D，可以将当前会话暂时分离（detach），但命令仍会继续在后台执行。 4. 恢复（Reattach）已分离的会话1screen -r 恢复上一个分离的 screen 会话。 5. 查看现有 screen 会话1screen -ls 列出当前所有的 screen 会话，包括那些分离的会 ...

参考文献：A simple way of creating a custom object detection model（这个就是卓晴教程的原版）YOLOv5的详细使用教程，以及使用yolov5训练自己的数据集_yolo5训练集-CSDN博客 使用预训练模型 安装环境依赖 克隆项目1git clone https://github.com/ultralytics/yolov5 # clone repo 镜像 1git clone https://github.com.cnpmjs.org/ultralytics/yolov5 # clone repo 必要环境官方给出的要求是：python>=3.7、PyTorch>=1.5 12cd yolov5pip install -U -r requirements.txt 123456789101112131415161718192021222324# pip install -U -r requirements.txtCythonnumpy==1.17opencv-pythontorch>=1.5matplotli ...