All Posts

之前不怎么在意文献管理，最近翻了不少论文，考虑到后面需要写论文，还是有必要弄一个的，个人对文献管理软件的要求主要有以下几点：

前阵子看论文遇见了KL散度，碰巧文章的metrics用的是互信息（mutual information，MI），总觉得这两个东西长得很像，于是尝试从KL散度的方向来解读一下互信息。

关于模式

有一个lab放在了WSL2上（懒得装双系统），回家之后感觉向日葵远程操作有延时很不舒服，试图直接SSH连过去，折腾了一天，记录一下过程。整个过程主要分为三部分：WSL的SSH安装与配置，Windows端口转发，内网穿透。

R语言DESeq2包差异表达，参考了¹

在写前端页面的时候，可能希望实现这样一种效果：底部有一个页脚，如果内容不够一个窗口则置于窗口底部，否则直接放到内容下面。

之前报名了百度的一个零基础深度学习的线上课程，百度的课程肯定是用自家的飞桨那一套，这篇文章主要记录一下课程里的一个PaddleHub创意项目实现过程中的思路和踩到的坑。

假设一个深度神经网络DNN，有L层，\(\boldsymbol{a^{l}} \in\mathbb{R}^{m}\)表示第l层的输出（m为第l层神经元个数），有\(\boldsymbol{a^{l}}=\sigma(\boldsymbol{z^{l}})\)，\(\sigma\)为激活函数，激活之前的输出值\(\boldsymbol{z^{l}=w^{l}a^{l-1}+b^{l}}\)，参数矩阵\(\boldsymbol{w^{l}} \in \mathbb{R}^{dim(layer_{l}) \times dim(layer_{l-1})}\)和偏置向量\(\boldsymbol{b^{l}} \in \mathbb{R}^{layer_{l}}\)为前述线性公式的两个参数，\(w^{l}_{ji}\)表示从第l-1层第j个神经元到第l层第i个神经元的权重。

aaa最近需要下一些数据，但是校园网的蜜汁出口导致基本下不下来，于是用梯子的机器搭了个离线下载，下完再倒腾过来。因为这是一台32位的机器，系统还是CentOS6.5，网上的教程并不是特别适合，这里把整个过程和踩到的坑记录一下。

准备工作

2、图上的快速近似卷积

git bash创建并配置SSH Key

指定使用pymysql连接数据库

之前一直用的Cent OS，第一次用Ubuntu做服务器装MySQL，记录一下。

最近薅了AWS免费一年的羊毛，起了个Amazon Linux AMI的实例，是个挺奇怪的Linux系统，上面自带的python是2.7的，想折腾成3.7，有一篇文章（https://blog.csdn.net/u012111475/article/details/80482697）说得比较全了，结合上面这个和一些新问题重新整理一个流程，另外参考的还有[1]和[2]。

前几天有个作业，要求在karate数据集上做一个社团检测，其实就是一个聚类。简单介绍一下数据集，空手道俱乐部（karate）数据集包含34个节点，由于管理不善，分裂成了两个社团，更多有关数据集和复杂网络的内容参见这里：Mark Newman

题目链接

臭不要脸地水了一波xdu校赛，一心暴力果断T，后来才差不多能看懂解释

最近操作系统上机有个题目，基本要求是用匿名管道实现父子进程之间相互通信，网上搜了一下觉得写得都差不多，并不合意，动手写了一下，觉得有几个坑点需要记一下。