isSeymour

《图解密码技术》Notes 来源：[图解入门系列] 结城浩-图解密码技术(2016,人民邮电出版社) 2024-05-02@isSeymour [TOC] 第一部分 密码 第 1 章 环游密码世界 1.1 对称密码与公钥密码 对称密码 Symmetric Cryptography 加密和解密时使用同一密钥。 公钥密码 Public-key Cryptography 加密和解密时使用不同密钥。 混合密码系统 Hybrid Cryptosystem 结合对称密码和公钥密码的优势。 1.2 密码学家的工具箱 对称密码 公钥密码 单向散列函数 消息认证码 数字签名 伪随机数生成器 1.3 威胁与技术 1.4 隐写术、数字水印 密码隐藏的是内容， 隐写术隐藏的是消息本身。 1.5 密码与信息安全常识 不要使用保密的密码算法。 （隐蔽式安全 security by obsecurity，危险且愚蠢） 使用低强度的密码比不使用密码更加危险。 （这通常会使得用户在通信时麻痹大意） 任何密码总有一天都会被破解。 （严格来说，绝对不会被破解的密码算法存在，即 ...

《Pytorch Tutorial》Notes（初稿） 来源：《PyTorch深度学习实践》完结合集 2024-03-31~04-02 @isSeymour [TOC] 01、Overview 1.1 引入 预测与推理 1.2 分类与历史 scikit-learn 历史 思考：降维 思考：降维的意义与原理 意义 意义：根据大数定律，当数据量足够大时，样本数据频率就能基本代表真实分布。 因此，我们希望能在有限但足够的数据量下，完成这个目标。 我们假设每一个特征，需要10个数据量，才能达到大数定律的要求。 那么当特征是两个（二维）时，那么将需要 10^2^ 个才能同时使得二维特征都达到大数定律要求； 若三维，则需要 10^3^ 个数据量； 以此类推，所需数据量将爆炸！——这就是“维度诅咒”。 因此，降维迫在眉睫，降维才能使得有限的数据量更加有效地反应真实分布。 原理 原理： 假设有10个数据量，每个数据量都是n维特征量，而我们希望降维到三维。 实际上，就是将一个 [x]n×10[x]_{n\times 1 ...

LaTeX数学公式总览 来源： CSDN:使用Markdown语法编写数学公式（详细版） 知乎：【LaTeX】 | 矩阵，行列式，单边括号 2024-03-02@isSeymour 记录笔记时，会经常编写 LaTex 或 MarDown 的数学公式。 这里，我尽可能地把所有可能会使用到的数学公式符号都记录下来，以便查阅。 1 希腊字母 2 数学帽标 3 分隔符 4 变值符号 5 标准函数名 6 二元操作、关系运算 7 箭头 8 混合符号 9 上下角标 123456789101112131415$$\sin^2(\theta) + \cos^2(\theta) = 1$$$$\sum_{n=1}^\infty k$$$$\int_a^bf(x)\,dx$$$$\lim\limits_{x\to\infty}\exp(-x) = 0$$ 10 矩阵 matrix 语法 无包含 1234567$$\begin{matrix}0&1&2\\3&4&5\ ...

《统计学习方法》监督学习Notes 来源： [《统计学习方法》书籍-第1篇 监督学习（链接缺失…）] 2024-01-16@isSeymour 第1章 统计学习及监督学习概论 1.1 统计学习 统计学习 statistical learning 是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。亦称统计机器学习 statistical machine learning。 “如果一个系统能够通过执行某个过程改进它的性能，这就是学习” ——Herbert A.Simon 统计学习的基本假设（前提） 同类数据具有一定的统计规律性。 1.2 统计学习的分类 基本分类 监督学习 supervised learning 指从标注数据中学习预测模型的机器学习问题。 本质 学习输入到输出的映射的统计规律。 基本假设 训练数据和测试数据是依联合概率分布 P(X, Y) 独立同分布的。 模型 条件概率分布 P(Y∣X)P(Y|X)P(Y∣X) 决策函数 Y=f(X)Y = f(X)Y=f(X) 预测 输入 xN+1x_{N+1 ...

《PyTorch入门教程》 来源 : PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】 代码参考：Github | PyTorch-Tutorial 代码 2024-01-30@isSeymour 一、安装初步 关于环境问题，下面这个文章讲的挺好的： 001-深度学习Pytorch环境搭建(Anaconda , PyCharm导入) 1.1 安装与环境 Anaconda 安装Anaconda官网 镜像源 12345678910查看镜像源conda config --show添加镜像源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/设置搜索时显示通道地址conda config --set show_channel_urls yes若要删除镜像源conda config ...

《Matplotlib》Notes 来源：https://www.runoob.com/matplotlib/matplotlib-tutorial.html 2024-02-15@isSeymour [TOC] 一、初步 Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。 Matplotlib 可以用来绘制各种静态，动态，交互式的图表。 Matplotlib 是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。 Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。 1.1 安装 1pip install matplotlib 验证 123import matplotlibprint(matplotlib.__version__) 13.4.2 1.2 Pyplot Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。 Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表 ...

《SciPy》Notes 来源： https://www.runoob.com/scipy/scipy-tutorial.html https://docs.scipy.org/doc/scipy/reference/ 2024-02-14@isSeymour 一、简介 SciPy 是一个开源的 Python 算法库和数学工具包。 Scipy 是基于 Numpy 的科学计算库，用于数学、科学、工程学等领域，很多有一些高阶抽象和物理模型需要使用 Scipy。 SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。 1.1 安装 1pip install scipy 使用示例： 123import scipyprint(scipy.__version__) # 输出版本号1.7.0 1234from scipy import constants# 一英亩等于多少平方米print(constants.acre) # 4046.8564223999992 1.2 模块列表 以下列出了 SciPy ...

《NumPy》Notes NumPy 官网 NumPy 源码 Source From: 菜鸟教程 | NumPy 2024-01-29@isSeymour 一、开始 1.1 简介 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。 NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含： 一个强大的N维数组对象 ndarray 广播功能函数 整合 C/C++/Fortran 代码的工具 线性代数、傅里叶变换、随机数生成等功能 1.2 应用 NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种 ...

《Python Tutorial》Notes Source From: Python Tutorial 2024-01-27@isSeymour 1. 课前甜点 Python 程序简洁、易读，通常比实现同种功能的 C、C++、Java 代码短很多，原因如下： 高级数据类型允许在单一语句中表述复杂操作； 使用缩进，而不是括号实现代码块分组； 无需预声明变量或参数。 Python “可以扩展”：会开发 C 语言程序，就能快速上手为解释器增加新的内置函数或模块，不论是让核心程序以最高速度运行，还是把 Python 程序链接到只提供预编译程序的库（比如，硬件图形库）。只要下点功夫，就能把 Python 解释器和用 C 开发的应用链接在一起，用它来扩展和控制该应用。 2. Python 解释器 2.1. 调用解释器 启动 Python 解释器在可用的机器上通常被安装为 /usr/local/bin/python3.11； 将 /usr/local/bin 加入你的 Unix shell 的搜索路径就可以通过输入以下命令来启动它: 123python3.11pythonpy Unix 系 ...

算法常见报错问题 ACCEPT 意思：正确 WRONG 意思：答案错误 错误原因：输出答案不符合题目要求，不是正确答案 查错： 如果根本算法错误，那肯定是错误 如果确定算法没问题，那应该是你的输出不符合题目要求输出格式 Runtime Error 意思：运行时出错 错误原因：在运行过程中，出现了内存访问错误，如数组越界访问、指针指向访问越界等 查错： 数组访问错误 看是不是有对数组 arr[-1]的访问，或者arr[ARRMAX+1]的访问（ARRMAX是数组arr的大小） 下标错误，如使用char类型作为下标，超出范围，出现负数 指针使用NULL错误 查看是不是有p是NULL时使用了p->next或p->data之类的访问 没有进行指针初始化 p->next跳跃过多 悲惨经历 知道边界值不能访问，也确实判断了是不是边界值，可是有点问题——利用&&的截断机制 12345678// 思考为什么？// 错误if(arr[i] && i>=0) .... ...