Python
BeginCTF 2024（自由赛道）CRYPTO
PAD 某同学在学习RSA得时候，觉得仅仅靠着比特位得RSA是不安全的，于是参考了部分资料后，灵光乍现 Author:lingfeng Difficult:easy task.py import random, math from Crypto.Util.number import * from flag import flag flag=flag[:64] assert len(f
对Xcode Tools实现机制的一点思考
场景 在编译wine前，执行.configure检查依赖项是否都满足条件，发现bison的版本较低。 检查发现存在一个/usr/bin/bison，但是从未安装过这一命令，所以考虑到是XTools中携带的，检查后发现确实如此 然后就又一次引发了我对于XTool的疑问，/usr/bin/下和XTools中包含的相同可执行程序，不是以软连接形式存在的，那么我第一步想到的就是硬链接，难道意味着XTool
dl-cdr-fai-pt-merge-10
面向程序员的 FastAI 和 PyTorch 深度学习（十一） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第十八章：使用 CAM 解释 CNN 现在我们知道如何从头开始构建几乎任何东西，让我们利用这些知识来创建全新（并非常有用！）的功能：类激活图。它让我们对 CNN 为何做出预测有
dl-cdr-fai-pt-merge-09
面向程序员的 FastAI 和 PyTorch 深度学习（十） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第四部分：从零开始的深度学习 第十七章：基础神经网络 本章开始了一段旅程，我们将深入研究我们在前几章中使用的模型的内部。我们将涵盖许多我们以前见过的相同内容，但这一次我们将更加密
dl-cdr-fai-pt-merge-08
面向程序员的 FastAI 和 PyTorch 深度学习（九） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第十四章：ResNets 在本章中，我们将在上一章介绍的 CNN 基础上构建，并向您解释 ResNet（残差网络）架构。它是由 Kaiming He 等人于 2015 年在文章“
dl-cdr-fai-pt-merge-07
面向程序员的 FastAI 和 PyTorch 深度学习（八） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第三部分：深度学习的基础。 第十二章：从头开始的语言模型 我们现在准备深入…深入深度学习！您已经学会了如何训练基本的神经网络，但是如何从那里创建最先进的模型呢？在本书的这一部分，
dl-cdr-fai-pt-merge-06
面向程序员的 FastAI 和 PyTorch 深度学习（七） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第十章：NLP 深入探讨：RNNs 在第一章中，我们看到深度学习可以用于处理自然语言数据集并取得出色的结果。我们的示例依赖于使用预训练的语言模型，并对其进行微调以对评论进行分类。
dl-cdr-fai-pt-merge-05
面向程序员的 FastAI 和 PyTorch 深度学习（六） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第九章：表格建模深入探讨 表格建模将数据以表格形式（如电子表格或 CSV 文件）呈现。目标是基于其他列中的值来预测一列中的值。在本章中，我们将不仅看深度学习，还将看更一般的机器学
dl-cdr-fai-pt-merge-04
面向程序员的 FastAI 和 PyTorch 深度学习（五） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第七章：训练一个最先进的模型 本章介绍了更高级的技术，用于训练图像分类模型并获得最先进的结果。如果您想了解更多关于深度学习的其他应用，并稍后回来，您可以跳过它——后续章节不会假设
dl-cdr-fai-pt-merge-02
面向程序员的 FastAI 和 PyTorch 深度学习（三） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第二部分：理解 fastai 的应用 第四章：底层：训练数字分类器 在第二章中看到训练各种模型的样子后，现在让我们深入了解并看看究竟发生了什么。我们将使用计算机视觉来介绍深度学习
dl-cdr-fai-pt-merge-01
面向程序员的 FastAI 和 PyTorch 深度学习（二） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第二章：从模型到生产 我们在第一章中看到的六行代码只是在实践中使用深度学习过程的一小部分。在本章中，我们将使用一个计算机视觉示例来查看创建深度学习应用的端到端过程。更具体地说，我
dl-cdr-fai-pt-merge-03
面向程序员的 FastAI 和 PyTorch 深度学习（四） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 第五章：图像分类 现在您了解了深度学习是什么、它的用途以及如何创建和部署模型，现在是时候深入了！在理想的世界中，深度学习从业者不必了解每个细节是如何在底层工作的。但事实上，我们还
dl-cdr-fai-pt-merge-00
面向程序员的 FastAI 和 PyTorch 深度学习（一） 原文：Deep Learning for Coders With Fastai and Pytorch 译者：飞龙 协议：CC BY-NC-SA 4.0 前言 深度学习是一项强大的新技术，我们认为它应该应用于许多学科。领域专家最有可能发现它的新应用，我们需要更多来自各个背景的人参与并开始使用它。 这就是为什么 Jeremy 共同创
lrn-tf-merge-0
TensorFlow 学习手册（一） 原文：Learning TensorFlow 译者：飞龙 协议：CC BY-NC-SA 4.0 前言 深度学习在过去几年中已经成为构建从数据中学习的智能系统的首要技术。深度神经网络最初受到人类大脑学习方式的粗略启发，通过大量数据训练以解决具有前所未有准确度的复杂任务。随着开源框架使这项技术广泛可用，它已成为任何涉及大数据和机器学习的人必须掌握的技能。 Te
lrn-tfjs-merge-5
TensorFlow.js 学习手册（六） 原文：Learning TensorFlow.js 译者：飞龙 协议：CC BY-NC-SA 4.0 第十一章：迁移学习 “向他人的错误学习。你活不到足够长的时间来犯所有的错误。” —埃莉诺·罗斯福 拥有大量数据、经过实战检验的模型结构和处理能力可能是具有挑战性的。能不能简单点？在第七章中，您可以使用 Teachable Machine 将训练好
lrn-tfjs-merge-6
TensorFlow.js 学习手册（七） 原文：Learning TensorFlow.js 译者：飞龙 协议：CC BY-NC-SA 4.0 结语 “那么为什么要尝试预测未来，如果这是如此困难，几乎不可能呢？因为做出预测是一种在我们看到自己朝着危险方向漂移时发出警告的方式。因为预测是指出更安全、更明智的途径的有用方式。最重要的是，我们的明天是我们今天的孩子。” —Octavia E. B
lrn-tfjs-merge-4
TensorFlow.js 学习手册（五） 原文：Learning TensorFlow.js 译者：飞龙 协议：CC BY-NC-SA 4.0 第九章：分类模型和数据分析 “先见之明，后事之师。” —Amelia Barr 你不仅仅是把数据丢进模型中是有原因的。神经网络以极快的速度运行并执行复杂的计算，就像人类可以瞬间做出反应一样。然而，对于人类和机器学习模型来说，反应很少包含合理的上下
lrn-tfjs-merge-3
TensorFlow.js 学习手册（四） 原文：Learning TensorFlow.js 译者：飞龙 协议：CC BY-NC-SA 4.0 第七章：模型制作资源 “通过寻找和失误我们学习。” —约翰·沃尔夫冈·冯·歌德 你不仅限于来自 TensorFlow Hub 的模型。每天都有新的令人兴奋的模型被推文、发表和在社区中受到关注。这些模型和想法在谷歌认可的中心之外分享，有时甚至超出了
lrn-tf-merge-3
TensorFlow 学习手册（四） 原文：Learning TensorFlow 译者：飞龙 协议：CC BY-NC-SA 4.0 第八章：队列、线程和读取数据 在本章中，我们介绍了在 TensorFlow 中使用队列和线程的方法，主要目的是简化读取输入数据的过程。我们展示了如何编写和读取 TFRecords，这是高效的 TensorFlow 文件格式。然后我们演示了队列、线程和相关功能，并
lrn-tfjs-merge-0
TensorFlow.js 学习手册（一） 原文：Learning TensorFlow.js 译者：飞龙 协议：CC BY-NC-SA 4.0 前言 人工智能和机器学习是革命性的技术，可以改变世界，但只有当有开发人员使用良好的 API 来利用这些技术带来的进步时，它们才能实现这一目标。 其中一项进展是在浏览器中运行机器学习模型的能力，赋予应用程序智能行为。 TensorFlow.js 的崛起
lrn-tf-merge-2
TensorFlow 学习手册（三） 原文：Learning TensorFlow 译者：飞龙 协议：CC BY-NC-SA 4.0 第六章：文本 II：词向量、高级 RNN 和嵌入可视化 在本章中，我们深入探讨了在第五章中讨论的与文本序列处理相关的重要主题。我们首先展示了如何使用一种称为word2vec的无监督方法训练词向量，以及如何使用 TensorBoard 交互地可视化嵌入。然后我们在
【scikit-learn基础】--模型持久化
模型持久化（模型保存与加载）是机器学习完成的最后一步。因为，在实际情况中，训练一个模型可能会非常耗时，如果每次需要使用模型时都要重新训练，这无疑会浪费大量的计算资源和时间。 通过将训练好的模型持久化到磁盘，我们可以在需要使用模型时直接从磁盘加载到内存，而无需重新训练。这样不仅可以节省时间，还可以提高模型的使用效率。 本篇介绍scikit-learn中几种常用的模型持久化方法。 1. 训练模型 首先
Asp-Net-Core学习笔记：5.构建和部署
从上次开始学习Asp.Net Core以来，一直都是玩一玩，还没有什么机会用来实战，最近单位有个新的小项目，于是我用Asp.Net Core来尝尝新，结果也是非常OK，熟悉之后开发效率感觉和Django基本没差。 那么进入正题，本文简单说说Asp.Net Core应用的构建和部署。 构建 构建是使用build命令，不过一般我们都用vs或者rider之类的IDE，应该比较少会用到这个命令： 发布
java的SPI机制
参考https://blog.csdn.net/qq_52423918/article/details/130968307 1 概念 Java SPI（Service Provider Interface）是Java官方提供的一种服务发现机制，它允许在运行时动态地加载实现特定接口的类，而不需要在代码中显式地指定该类，从而实现解耦和灵活性。 2 实现原理 Java SPI 的实现原理基于 Java
【Python】基于动态残差学习的堆叠式LSTM模型和传统BP在股票预测中的应用
1. 前言 本论文探讨了长短时记忆网络（LSTM）和反向传播神经网络（BP）在股票价格预测中的应用。首先，我们介绍了LSTM和BP在时间序列预测中的基本原理和应用背景。通过对比分析两者的优缺点，我们选择了LSTM作为基础模型，因其能够有效处理时间序列数据中的长期依赖关系，在基础LSTM模型的基础上，我们引入了动态残差学习（dynamic skip connection）的概念，通过动态调整残差连接
扩展说明: 指令微调 Llama 2
这篇博客是一篇来自 Meta AI，关于指令微调 Llama 2 的扩展说明。旨在聚焦构建指令数据集，有了它，我们则可以使用自己的指令来微调 Llama 2 基础模型。 目标是构建一个能够基于输入内容来生成指令的模型。这么做背后的逻辑是，模型如此就可以由其他人生成自己的指令数据集。这在当想开发私人个性化定制模型，如发送推特、写邮件等，时很方便。这也意味着你可以通过你的邮件来生成一个指令数据集，然后
【当一次恶人】对不起大家，扫描黄色网站并举报它！我不想哪些污秽的声音出现在它不该出现的地方！因为太多太多的小孩会被迫接受一些不良信息！
因为工作和定居地不在一个地方，租公寓时间比较长，换了些地方，同一发现总是到某个时间点，网络就容易卡，刚开始没有觉得，单纯的觉得就是下班了，用网的人多；直到最近换了个装修不错的地方，结果隔音很差，经常听到某个邻居看羞羞的小电影；自己看就算了，你还不带耳机，不带耳机就算了，还尼玛说不听，那就别怪我了，我要断你的粮。开搞。 思路： 看小电影没有错，所以我可以接受我的网卡，成全你完成你三
Eclipse安装配置、卸载教程（Windows版）
Eclipse是一个开放源代码的集成开发环境（IDE），最初由IBM公司开发，现在由Eclipse基金会负责维护。它是一个跨平台的工具，可以用于开发多种编程语言，如Java、C/C++、Python、PHP、Rust等。 Eclipse提供了一个可扩展的架构，允许开发者通过安装插件来扩展其功能，因此它被广泛用于各种软件开发项目，包括企业级应用、移动应用、Web应用等。Eclipse的核心功能包括代