无风引漩的小站

隔壁宿舍养了一缸鱼，虽然到现在为止都还没有鱼，完全是在培育水草、荷叶之类的布景， 但看起来也相当有趣，令人期待。很自然的，我也萌发了种点啥的想法，就下单了淘宝9块的碗莲，一共收到了32颗莲子。 04-22 第二天 刚到的这几天，莲子泡的水会严重变色，变成丑陋的土黄色。但是仅仅过了两天，就有6个发芽了，真是没白给他们晒太阳。 拍一下各个发芽的莲子的样子：

对抗 Intel MKL ICC 的黑魔法防御术 MKL 和 ICC 可谓是 Intel 的两大黑魔法，又神秘又难用，但确实快。这两年来 Intel 把黑魔法都收归到 OneAPI 旗下， 也做了一些简化安装、使用的操作，于是就整理了一下目前的使用方法。 安装 从 Base Toolkit 官方下载页 和 HPC Toolkit 官方下载页 分别下载两个安装包，其中 HPC Toolkit 需要先安装 Base Toolkit，包含 MKL 和 ICC、ICX（ICC 的 Clang 版）。 这边推荐用 offline 安装方式，下载速度“高达” 1MB/s，比 apt 的 500KB/s 快了很多（ 本地安装的时候，终端窗口要开大点，不然会报错说无法设置为 CLI 模式云云。 默认会安装到 /opt/intel 路径下。 使用（2022 以前版本） 个人目前的工作流是 vscode + cmake，这应该也是比较常见的工作流，故以下介绍这一工作流的使用方法。 vscode 上目前有一个 Intel 官方的 OneAPI 环境配置插件（尽管没什么人用），可以单独为 vscode ...

Bios 调整 进入 Bios 方法：开机时择机按下 Enter 键，出现菜单后根据指示按下 F1。 这台笔记本非常奇怪地把 Fn 键放在了最左下角，而 Ctrl 则屈居其右。 好在工程师也觉得这很奇怪，因此在 Bios 中预设了交换两者位置的选项：Config->Keyboard->Fn and Ctrl Key swap。 按照惯例，再把功能键关闭（也就是按下 Fn+F1 才能关闭音量云云）：Config->Keyboard->F1-F12 as Primary Function。 如果要像我一样用 Ventoy 等对安全启动支持不太好的方式安装系统的话，可以提前关闭 Secure Boot：Security->Secure Boot。安装完后可以重新开启，并不影响系统正常使用。 安装 Ubuntu 本次选用 Ubuntu 20.04.2 LTS。 考虑到日常使用，因此选择了支持 deepin-wine较好的版本。诸如 21.04 等版本目前尚有微信无法打开等问题。 但由于 ThinkPad X13 Yoga Gen2 使用了 i7-1165G7 ...

Zotero 茉莉花 l0o0/jasminum 论文参考文献导出 这个 api 可以很方便地把一篇 pdf 中的参考文献导出为 bibtex： curl -X POST -F "reference_format=bibtex" -F "file=@path/to/file.pdf;type=application/pdf" https://ref.scholarcy.com/api/references/download 此外还可以使用需要注册的网站 scopus draw.io 现已更名 diagrams.net：官网 Ubuntu上可以在snap下载：sudo snap install drawio 还是别用 snap 版本了，没法读取挂载的硬盘。 如果要导出为裁剪好的 pdf，则可以：drawio file.drawio --crop -x -o file.pdf 安装版本有各种问题，譬如数学排版下的pdf裁剪问题，数学排版下的svg导出问题，建议直接网页版。 ISBN 转 bibtex 这个网站可以直接把doi、ISBN或者链 ...

Nintendo Switch 使用指北 终于，模拟器玩家还是入正了。 TV 模式充电器 由于入手的是港版，那个硕大的充电器实在是不能接受。自然就掏出了雪藏多年的倍思 65W 氮化镓充电器。 不过，switch 的 TV 模式 仅能使用 15V * 2.6A = 39W 的 PD 2.0 模式，这导致氮化镓充电器和底座有时候会鬼畜， 每次重连充电线都是抽奖。。具体充电头评测请见 充电头网的专业测试。 5GHz WiFi switch 很顶的只支持 36-48 信道的 5GHz WiFi，所以导致有些 5GHz WiFi 根本搜不到。 网络设置 switch 在国内常常难以联机，因此需要进行一些设置。 http 代理 就跟平常的一样，没什么可说的 DNS http 代理只能解决下载速度问题，而 联机 则最好要修改 DNS。网上有很多 DNS 推荐，我一般就用 Cloudflare 的 1.1.1.1 NAT 类型 其实我也不知道这有什么用，但是似乎各类加速器都推荐把 NAT 类型搞到 A。也有人说 NAT A和B都够用了，尚不知是否正确。 要把 NAT 类型 搞到 A 其实 ...

LDPC LDPC 码的基本原理 | 带你读《5G-NR信道编码》之七 LDPC相对于 turbo 码的优势就在于 没有低权重码字：码字的hamming距得以增大，获得更小的误码率 低复杂度的交互式解码：使用简单的校验 网格 ldpc码可以是系统码也可以是非系统码，关键看你是如何编码的。换句话说，同样的校验矩阵可以用作系统码也可以用作非系统码。这主要根据 G 矩阵的产生方式。 构造 LDPC LDPC 码的校验阵为稀疏矩阵 A，即 0 的数量远大于 1。 通常用 (n,tc,tr)(n, t_c, t_r)(n,tc​,tr​) 来描述一个 LDPC 码，其中 nnn 为分组长度，tct_ctc​ 为各列码重，trt_rtr​ 为各行码重，且 tr>tct_r>t_ctr​>tc​。 有 r=1−tctrr=1-\frac{t_c}{t_r}r=1−tr​tc​​ 还需检验有效性：令 ρ\rhoρ 代表 A 中 1 的密度，则可得 tc=ρ(n−k),tr=ρnt_c=\rho(n-k), t_r=\rho ntc​=ρ(n−k),tr​=ρn，其中 n - ...

把 NUC 变成 NAS 前言 笔者先前一直使用的是铁威马家的F2-220，说实话这货性价比不错，￥1300的价格，x86架构的J1800，并且铁威马的系统和服务都挺到位，一步步看着 TOS 系统逐渐完善起来感觉还是很棒的。 不过，J1800 的性能实在是太过羸弱，备份点文件就会轻松拉满CPU占用。而且由于学生党的笔者需要频繁在宿舍和家里往返，这个体积不小的机器，说不带吧，用不了各种内网服务实在是难受；说带吧，不仅带着麻烦，还怕颠坏了硬盘。而20年突如其来的疫情让我与 F2-220 分隔半年，更让我感受到了便携化 NAS 的必要性。所以就决定要换个轻巧的 NAS。 硬件选择 然而新NAS的选择却十分棘手，因为通常来看，便携性和安全性是势不两立的存在。当时笔者共有以下几个选项： 有3.5硬盘位的itx主机 因为itx主机本身就不可能达到迷你主机那样的轻薄，因此索性让主机内部装载硬盘会比较合理。这样也就相当于纯粹提升了NAS性能，而完全舍弃了便携性提升。不过可能可以选择ECC内存，而且电源也很可靠，所以安全性应该是最高的。 性能：★★★ 便携：☆☆☆ 安全：★★★ 价格：> ...

Flutter 开坑笔记 安装 跟着官方教程走就行 务必安装 Android Studio！不然就是自己找麻烦。 Ubuntu 系统设置里不走代理的加上 127.0.0.1，不然无法调试 遇到android license status unknown则运行flutter doctor --android-licenses； 注意：截至 2021-01-03 flutter doctor 尚不支持 Java11，须安装旧版本；而编译代码需要 Java11 及以上的版本。。吐了 对于 Ubuntu： sudo apt install openjdk-8-jre openjdk-11-jdksudo update-alternatives --config java 然后重启终端！（之前一直没重启终端卡了好久） 若提示找不到 sdkmanager 则在 Android Studio 里安装 Android SDK Command-line Tools Windows 要设置三个环境变量： ANDROID_SDK_ROOT FLUTTER_STORAGE_BASE_URL PUB_ ...

算法概论 序言 时间复杂度 常数项可忽略 当 a > b 时，nan^ana 支配 nbn^bnb 任何指数项支配任何多项式项 任何多项式项支配对数项：n 支配 (logn)3(logn)^3(logn)3 e12ln⁡ne^{\frac{1}{2}\ln{n}}e21​lnn 比 5ln⁡n5^{\ln{n}}5lnn 小 一个事实：在大 Θ\ThetaΘ 符号意义下，当几何级数（ckc^kck）严格递减（c<1）时，几何级数的可以简化为首项；当级数严格递增（c>1）时，几何级数的和可以简化为末项；当级数保持不变时（c为1），几何级数的和可以简化为项数。 复杂度分析小窍门 若两段算法分别有复杂度T1(n)=O(f1(n))T_1(n)=O(f_1(n))T1​(n)=O(f1​(n))和T2(n)=O(f2(n))T_2(n)=O(f_2(n))T2​(n)=O(f2​(n))，则 T1(n)+T2(n)=max(O(f1(n)),O(f2(n)))T_1(n)+T_2(n)=max(O(f_1(n)), O(f_2(n)))T1​(n)+T2​(n ...

神经网络学习笔记 基础 外文缩写 SGD：stochastic gradient descent，随机梯度下降 常见概念 l1l_1l1​ norm：1-范数，∥X∥1=∑i=1n∣xi∣\|X\|_1=\sum^n_{i=1}|x_i|∥X∥1​=∑i=1n​∣xi​∣ l2l_2l2​ norm：2-范数，∥X∥2=∑i=1n∣xi∣2=XHX\|X\|_2=\sqrt{\sum^n_{i=1}|x_i|^2}=\sqrt{X^HX}∥X∥2​=∑i=1n​∣xi​∣2​=XHX​ 简单的单层感知机 模型：yj=f(∑iwixi−θj)y_j=f(\sum_iw_ix_i-\theta_j)yj​=f(∑i​wi​xi​−θj​)，fff 为激活函数，www 为权重，xxx 为输入，θ\thetaθ 为阈值，yyy 为输出 学习规则：Δwi=η(y−y^)xi\Delta{w_i}=\eta(y-\hat{y})x_iΔwi​=η(y−y^​)xi​，y^\hat{y}y^​ 为当前输出，η\etaη 为学习率（一般极小） 算了，自己看西瓜书 P101 5.3 ...