dropsong's

零碎知识这里是 Python 的一些零碎知识点。 多值参数: 12345678910def demo(num, *args, **kwargs): print(num) print(args) print(kwargs)demo(1, 2, 3, 4, 5, name="小明", age = 18, gender = True)# 1# (2, 3, 4, 5)# {'name': '小明', 'age': 18, 'gender': True} 另外，了解元组和字典的拆包（自行查找资料）。 if __name__ == "__main__" 是什么？ 该语句下面缩进的内容在python xxx.py时会执行，而在import xxx时不会执行。 类属性，类似于 C++ 中的类的静态成员。 类方法： 123@classmethod # 装饰器def show_tool_cnt(cls): print("工具 ...

本文参考了 清华大学电子系科协软件部2023暑期培训 ，在此表示感谢。 快速上手 目录HTML 1CSS 4JavaScript 6 例子： 1234567891011121314151617181920212223function count(x, time) { return new Promise((resolve, reject) => { setTimeout(() => { console.log(x); resolve(); },time) });}async function counter1() { await count(1, 4000); await count(2, 4000); await count(3, 4000);}async function counter2() { await count(4, 1000); ...

代码原理部分，移步之前的文章 人工智能导论 。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879import torchfrom torch.utils.data import DataLoaderfrom torchvision import transformsfrom torchvision.datasets import MNISTimport matplotlib.pyplot as pltclass Net(torch.nn.Module): # 构造函数，self 类似于 C++ 中的 this def __init__(self): super().__init__() # 多少层、每层多少节点可以调 self.fc1 = torch.nn.Linear(28*28, 6 ...

参考： https://programming-dp.com/cn/cover.html 下面的 pdf 只是该链接内容的备份。 下面给出我的总结： 目录：概述 1去标识、k-匿名性 5差分隐私 10敏感度 20近似差分隐私 23局部敏感度 33差分隐私变体 36

省流：只学了前两章，不学了。 教材 PDF使用的教材是 Quantum Computation and Quantum Information (10th Anniversary Edition) . 主要笔记都画在教材的 pdf 上了（很大），等什么时候学完了那个 pdf (?) 再把它放出来。 这个 pdf 是有目录的，可以下载下来查看。 批注下面是一些写不到 pdf 上的批注（『这里空白太小了我写不下』）。可能会比较杂乱。 希尔伯特空间快速了解（若链接挂了可去 archive.ph 查找）： https://ccjou.wordpress.com/2009/08/18/%E5%BE%9E%E5%B9%BE%E4%BD%95%E5%90%91%E9%87%8F%E7%A9%BA%E9%96%93%E5%88%B0%E5%87%BD%E6%95%B8%E7%A9%BA%E9%96%93/ 在此感谢作者。 “伴随”概念澄清在本科教授的线性代数、量子计算涉及的数学这两者中，都有“伴随”的概念，但它们实际上是不同的数学概念。 1） 矩阵的代数余子式和转置定义的“伴随 ...

欠的债，迟早是要还的。 基础部分 目录： 1 概率论的基本概念3 概率的概念、古典概型和几何概型6 条件概率、乘法定理、全概率公式、贝叶斯公式、事件的独立性12 离散型随机变量及其分布律15 随机变量的分布函数16 连续型随机变量及概率密度22 一维随机变量函数的分布25 二维随机变量的相关概念28 边缘分布和条件分布31 相互独立的随机变量34 多维随机变量函数的分布41 数学期望、方差52 协方差、相关系数54 二维正态分布的性质56 大数定律、中心极限定理59 统计量的数字特征62 抽样分布68 点估计的方法74 估计量的评选标准 区间估计和假设检验资料该部分的学习实际完成于 2025 年 5 月。 出于提高学习效率的考量，之后基于书本的学习主要以 pdf 形式进行，由于体积过大，不在博客展示。 这里我的学习资料是《概率论与数理统计》浙大版（第四版）。这是别人共享的资料，我自己的标注版本就不放出了。 对学习过的内容做一个目录： 目录参数估计区间估计 161正态总体均值和方差的区间估计 16301分布参数的区间估计 168单 ...

绪论 人工智能程序 通常计算机程序 主要是符号处理 主要是数字处理 启发式搜索 依靠算法 控制结构和知识域相分 信息和控制联结在一起 易于修改、更新和改变 难以修改 允许不正确的答案 要求正确的回答 AI程序：干什么 传统程序：干些什么及如何干 AI 概览： AI、机器学习、深度学习的关系： 三大学派：符号主义、连接主义、行为主义。 符号主义（逻辑主义、心理学派、计算机学派） 原理：物理符号系统假设和有限合理性假设 起源：源于数理逻辑 基本思想 人的认知基元是符号，智能和知识可用符号表示，认知过程即符号操作过程，擅长抽象思维。 人是一个物理符号系统，计算机也是一个物理符号系统，因此，能用计算机来模拟人的智能行为。 知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理。 启发式程序、专家系统、知识工程 连接主义（生理学派） 原理：神经网络及神经网络间的连接机制和学习算法 起源：源于仿生学，特别是人脑模型的研究 基本思想 认识的基本元素是神经元，认识过程是大量神经元的并行活动，擅长形象思维。 人脑不同于电 ...

这是一个拖了很久的读书笔记，简记一下 23 年的读过的两本书。 感谢 OCR 技术。 一本是《都柏林人》，另一本是《小径分岔的花园》。 都柏林人有印象的就只有几篇而已。 阿拉比这篇文章写了一个小男孩的初恋，但是没几天他就大失所望，然后觉得非常可耻。 甚至在最不适宜浪漫的地方，她的形象也陪伴着我。星期六晚上，我姑妈到市场去的时候，我不得不替她去拿些东西。我们走过灯光闪耀的大街，被醉汉和讨价还价的妇女们挤来挤去，街上熙熙攘攘，劳工们咒骂，守立在猪头肉桶旁边的店伙计尖声吆喝，街头卖唱的人用带鼻音的腔调唱着关于奥多诺万·罗萨的《大家一起来》之歌，或者唱着关于我们祖国动乱的民谣。这些声音在我心里汇成一种独特的生活感受：我想象自己捧着圣杯，在一群敌人中安然通过。在我进行自己并不理解的祈祷和赞美时，她的名字时不时地从我的嘴里脱口而出。我眼里常常充满泪水（我也说不出为什么），有时一股热流似乎从心里涌上胸膛。 两人的第一次谈话： 她终于和我说话了。她说第一句话的时候，我榄乱不安，不知该如何回答。她问我去不去阿拉比。我记不清回答的是去还是不去。那是一个非常壮观的市场，她说她非常想去。 去了阿拉比之 ...

我已经完全懂了（叉腰.jpg）！ 这些小园林，就是主打一个欲遮半掩。 雕一个镂空的花纹窗户，外面要么是假山要么是湖。 一面墙空出一大块，外面一株精甚细腻的小植物得把枝条探进来。 靠着墙的走廊，不能紧挨着墙，要适时地折一下，和墙空出的部分又是一个赏心悦目的绿植。 园里还要有假山，假山最好簇着一块怪石，像点什么最好。 这假山的周围还要有水，水里可以有点鱼，尽量是黑的，红的多了就俗了，可以放两只伸着脑袋的乌龟。 假山可以探洞，也可以爬，若是要爬，每到一个视野开阔处就是园子的另一个角度。 假山要是想跨过水面，必须是只通一人的看着不小心就能掉下去的石板小桥。 水里还须竖着若干小石头磊起来的莫名其妙的小柱子。 要是园子再大点，还能再弄一片湖，湖里面还有个亭子，去亭子的小桥也是弯弯曲曲的。 园子里的门，尤其是那种圆门，最好是每换个角度看都不一样，或是藏着点惊喜。看上去就是一副圆形边框的画。 房子之间还是要有假山的（永远都不嫌多），山上是有亭子的，周围还得用树挡着。 其实还是拿着手机随手拍啦。

ddee85faa277927dfffd74451f004cef7a8347acd9f4f6cab7465ac44959f22fd86617d14e0757f254d6793a2adb229a0441c473680f3c23ee3360f5cfedb6aa87cad04760278c6912e20f2c8307f86f0ea0d4003b8b654981abdd49f7ee6f7024f23c3a7082dc324ff56868b7a3bdd0806b1e88a95254a381c31da55f401e7d23e4a0ffeabcffb5923a0eba255c3782e2c412fb2c2547e44f7fdb2daecb63f31721cbdab07dab07d11fd51c95496157cef2e9bd8c8d9e2297a9a5412596722fdd9c053c26003c84cc40921d67bd9afec83321fd746a87ae7f8057de7edd4f61ce834c14452799e83035e601d6df71f577ccc4ba92e3a04dd ...