zdaiot

GAN

原理

生成对抗网络（GAN）由2个重要的部分构成：

1. 生成器(Generator)：通过机器生成数据（大部分情况下是图像），目的是“骗过”判别器
2. 判别器(Discriminator)：判断这张图像是真实的还是机器生成的，目的是找出生成器做的“假数据”

注意：这种方法会卸载现有的Office365，具体原因未知，所以暂时不可用。

现在的电脑有的预装office365，但是此时安装visio会报错。可以采用如下方式解决。

首先从mdsn中下载最新的VisioPro2016的安装镜像，下载地址。

下载之后第一步要把镜像文件加载至光驱，比如加载到了E:\。正常情况下，点击 setup 会直接进入 Visio 程序的安装，但是现在不能够进行正常的安装，在任务管理器也不会看见进程开启

第二步 到 Office 2016 Deployment Tool 下载文件，打开下载到的部署工具安装文件，选择任意路径解压；解压后路径内有一个 Setup.exe 文件和若干个配置文件；新建配置文件，例如命名为 configuration.xml，内容如下：

之前因为考虑不得当，没有采用分支的方法管理同一个工程。在github上建立了多个仓库，强迫症发作了，想合并这些仓库到同一个git中，并保留所有的git记录。具体来说，假设我们有如下几个仓库：

1. OldA：要合并的仓库A
2. OldB：要合并的仓库B
3. C：将OldA和OldB两个仓库合并到该git中

具体操作过程如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

mkdir C
cd C
# Assume the current directory is where we want the new repository to be created, Create the new repository
git init

# Before we do a merge, we have to have an initial commit, so we’ll make a dummy commit
dir > deleteme.txt
git add .
git commit -m "Initial dummy commit"

# Add a remote for and fetch the old repo
git remote add -f old_a <OldA repo URL>

# Merge the files from old_a/master into new/master
git merge old_a/master
# if occurs "fatal: refusing to merge unrelated histories"
git merge old_a/master --allow-unrelated-histories

# Clean up our dummy file because we don’t need it any more
git rm .\deleteme.txt
git commit -m "Clean up initial file"

# Move the old_a repo files and folders into a subdirectory so they don’t collide with the other repo coming later
mkdir old_a
dir -exclude old_a | %{git mv $_.Name old_a}

# Commit the move
git commit -m "Move old_a files into subdir"

接着合并其余仓库，如OldB

安装

Vim大概有如下几个版本：vim、vim-athena、vim-gnome、vim-gtk、vim-gtk3、vim-noxvim-tiny。它们中有编译进最小功能的 Vim 包（vim-tiny），有较全功能的文本界面 Vim 包（vim-nox），有适用于老的 X-Window 界面的版本（vim-athena），有适用于 KDE 环境的 GTK2 版本（vim-gtk），等等。

对于Ubuntu而言，一般情况下sudo apt install vim-gtk3即可。在 Ubuntu 上，vim 和 gvim 都是指向同一个应用程序的符号链接，且 gvim 的执行效果和 vim -g 相同。所以要启动图像化界面的vim，直接在终端执行gvim即可。

另外，若使用远程软件连接到Linux机器上，需要注意远程终端软件的远程字符集（如 PuTTY 中的“Windows > Translation > Remote character set”）应当设置成 UTF-8。

然后，还可以安装中文版本的帮助文件：

dockerfile记载了从一个镜像创建另一个新镜像的步骤。撰写好Dockerfile文件之后，我们就可以轻而易举的使用docker build命令来创建镜像了。Dockerfile 是一个文本文件，其内包含了一条条的指令(Instruction)，每一条指令构建一层，因此每一条指令的内容，就是描述该层应当如何构建。有了 Dockerfile，当我们需要定制自己额外的需求时，只需在 Dockerfile 上添加或者修改指令，重新生成 image 即可，省去了敲命令的麻烦。

Dockerfile的组成部分

下面主要列举出Dockerfile中比较常用的指令及其用法和说明，需要注意的是这些指令都是全部大写。

FROM：

二叉树

二叉树遍历模板

1. 前序遍历：先访问根节点，再前序遍历左子树，再前序遍历右子树
2. 中序遍历：先中序遍历左子树，再访问根节点，再中序遍历右子树
3. 后序遍历：先后序遍历左子树，再后序遍历右子树，再访问根节点

注意点：

1. 以根访问顺序决定是什么遍历

2. 左子树都是优先右子树

基本信息

• 标题：Few-Shot Learning with Global Class Representations
• 年份：2019
• 期刊：ICCV
• 标签：global class representations, few-shot learning
• 数据：miniImageNet，Omniglot

创新点

1. 通过在训练阶段引入新类的数据，同时对基类和新类学习全局类别表征，并利用样本生成策略解决类别不均衡问题，有效防止模型在基类数据中出现过拟合的现象，从而提高了模型泛化到新类的能力。
2. 方法可以很容易的扩展到广义小样本学习（相比标准小样本学习，广义小样本学习中测试样本不仅包含新类，还包含了基类）。
3. 所提的方法在标准小样本学习与广义小样本学习的benchmark上均取得了很好的效果。并且在广义小样本学习上，性能的提升更大。

创新点来源

最近快要面试了，再刷一遍剑指Offer，看大家分享刷LeetCode和剑指Offer的时候都是有模板的，如果按照随机顺序刷，很容易忘记而且不容易总结刷题思路。所以常常把一类题放到一块一起刷。

《剑指Offer》有如下优点：

• 很可能在面试中出现原题（至少在微软面试经常能遇到原题）
• 题量少，但是涵盖的内容较全，性价比较高
• 能培养一个良好的刷题习惯

缺点是：

• 题目较少，刷着容易过拟合
• 动态规划的题比较少，因此需要在力扣上专项训练。

最近在刷leetcode的时候，经常要用到标准库，这里总结一下标准库的常见用法，用于查询使用。

queue

queue模板类的定义在<queue>头文件中。只能在容器的末尾添加新元素，只能从头部移除元素。

与stack模板类很相似，queue模板类也需要两个模板参数，一个是元素类型，一个容器类型，元素类型是必要的，容器类型是可选的，默认为deque类型。

定义queue对象的示例代码如下：

基本概念

mAP: mean Average Precision，即各类别AP的平均值

AP: PR曲线下面积，后文会详细讲解

PR曲线: Precision-Recall曲线

Precision: TP / (TP + FP)