2020.09.20-2020.09.30
文献阅读——联邦学习相关论文
之前一直在读中文的博客，接下来，应该自己去下载一些相关的重要的论文，去阅读理解。这应该是在自己学习完成机器学习之后，准备开始实现联邦学习之前。
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 Estom的博客！
相关推荐
2021-03-09
系统篇——2.并发控制
并发控制 参考文献 锁与并发 1 事务的特性概念事务指的是满足 ACID 特性的一组操作，可以通过 Commit 提交一个事务，也可以使用 Rollback 进行回滚。 ACID 原子性（Atomicity）事务被视为不可分割的最小单元，事务的所有操作要么全部提交成功，要么全部失败回滚。回滚可以用回滚日志（Undo Log）来实现，回滚日志记录着事务所执行的修改操作，在回滚时反向执行这些修改操作即可。 一致性（Consistency）数据库在事务执行前后都保持一致性状态。在一致性状态下，所有事务对同一个数据的读取结果都是相同的。 隔离性（Isolation）一个事务所做的修改在最终提交以前，对其它事务是不可见的。 持久性（Durability）一旦事务提交，则其所做的修改将会永远保存到数据库中。即使系统发生崩溃，事务执行的结果也不能丢失。系统发生崩溃可以用重做日志（Redo Log）进行恢复，从而实现持久性。与回滚日志记录数据的逻辑修改不同，重做日志记录的是数据页的物理修改。 事务的 ACID 特性概念简单，但不是很好理解，主要是因为这几个特性不是一种平级关系：...
2021-04-08
4.3 解释器
意图 给定一个语言，定义它的文法的一种表示，并定义一个解释器，这个解释器使用该表示来解释语言中的句子。 Given a language, define a represention for its grammar along with aninterpreter that uses the representation to interpret sentences in the language. 结构 参与者 AbstractExpression 声明一个抽象的解释操作，这个接口为抽象语法树中所有的节点所共享。 TerminalExpression 实现与文法中的终结符相关联的解释操作。 一个句子中的每一个终结符需要该类的一个实例。 NonterminalExpression 对文法中的规则的解释操作。 Context 包含解释器之外的一些全局信息。 Client 构建表示该语法定义的语言中一个特定的句子的抽象语法树。 调用解释操作 适用性 当有个语言需要解释执行，并且你可将该语言中的句子表示为一个抽象语法树时，可以使用Interpreter 模...
2021-03-08
TensorFlow-code Swig
前端多语言编程环境与后端C++实现系统的通道归功于 Swig 的包装器 TensorFlow使用Bazel的构建工具，在系统编译之前启动Swig的代码生成过程，通过tensorflow.i自动生成了两个适配 (Wrapper)文件： pywrap_tensorflow_internal.py: 负责对接上层 Python 调用； pywrap_tensorflow_internal.cc: 负责对接下层 C API 调用。 pywrap_tensorflow_internal.py 模块被导入时，会加载_pywrap_tensorflow_internal.so动态链接库，它里面包含了所有运行时接口的符号。而pywrap_tensorflow_internal.cc中，则注册了一个函数符号表，实现Python接口和C接口的映射。运行时，就可以通过映射表，找到Python接口在C层的实现了。 https://blog.csdn.net/u013510838/article/details/84103503
2021-03-31
4.9 整数划分问题
整数划分问题描述将给定正整数n表示成一系列正整数之和n=n1+n2+…+nk，其中n1≥n2≥…≥nk≥1，k≥1。求最大加数不大于m的划分个数p(n,m)。 算法设计 算法实现12345678910111213#include<iostream>using namespace std;int q(int n,int m){ if((n<1)||(m<1)) return 0; if((n == 1)||(m == 1)) return 1; if(n < m) return q(n,n); if(n == m) return q(n,m-1)+1; return q(n,m-1)+q(n-m,m);
2021-05-09
82 API-torch.nn.functional
提供了函数化的 torch.nn 实现了各个算子层，每层包含相同的算子。 torch.nn.functional 实现了各个算子。每一层可以包含不同的算子，用来实现比torch.nn更加细致的运算。
2020-09-26
ellipse_collection
椭圆集合绘制椭圆的集合。虽然使用 EllipseCollection 或PathCollection 同样可行，但使用EllipseCollection 可以实现更短的代码。 123456789101112131415161718192021222324252627import matplotlib.pyplot as pltimport numpy as npfrom matplotlib.collections import EllipseCollectionx = np.arange(10)y = np.arange(15)X, Y = np.meshgrid(x, y)XY = np.column_stack((X.ravel(), Y.ravel()))ww = X / 10.0hh = Y / 15.0aa = X * 9fig, ax = plt.subplots()ec = EllipseCollection(ww, hh, aa, units='x', offsets=XY, transOffset...
