AI-Lab5
理论内容回顾PyTorch重安装conda（虽然与pytorch没什么大关系）由于我将ai实验移动到ubuntu里来做，所以我重新在这里安装一下conda。（先使用miniconda了） 1wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh 安装完如果发现重启了终端也无法查找到 conda --ver
Ai新手赛部分题解
比赛结果： NS-2025-00 须弥识花大赛 解题报告（Writeup）一、赛题理解与任务目标本次比赛模拟须弥地区的生态危机，任务目标是构建一个具备泛化能力的花卉识别 AI，能够在复杂环境下准确分类多种花卉种类。 从技术角度看，本题实质为一个 多类图像分类任务，即输入为一张图像，输出为其对应的花卉类别标签。该任务可归结为监督学习问题，挑战点在于： 样本环境多变（雨天、晴天、被踩踏等） 类
AI-Lab4.2
人工神经网络介绍单层感知机 由于M-P神经元模型参数需要事先设定好，为了能够自适应学习出所需要的参数，研究人员就提出了单层感知机(Perceptron) 感知机的基本公式为：y(𝑥)=𝑠𝑖𝑔𝑛(𝑤𝑥+𝑏) sign为符号函数，当自变量为正数时取值为1，否则取值为0 多层感知机 包含三个层次：一个输入层，一个或多个中间层(也叫隐藏层，hidden layer) 和一个输出
LaTex_learning
参考资料链接：TEX Live指南2025LaTeX 入门 - OI Wiki 安装 [!NOTE]本文是在windows下的安装记录+vscode配置使用 通过官网进行安装，下载 install-tl-windows.exe ，跟着指令继续做即可 安装好后，需要将bin加入环境变量，此处我是加入 E:\software\texLive2\texlive\2025\bin\windows 到环境
AI-Lab3
基础知识监督学习与无监督学习监督学习 训练集有标签y 目标是找到能区分正负样本的决策边界，据此拟合一个假设函数 分类问题 无监督学习 训练集的数据不带有标签y 需要根据样本间的相似性对样本集进行聚类，试图使类内差距最小化，类间差距最大化 聚类问题 k-means，密度聚类，层次聚类等 K聚类算法概述： K-means算法是一种无监督学习方法。 使用一个没有标签的数据集，然后将数据聚类成不
eBPF-Chap3
eBPF程序结构本章展示了eBPF程序从源代码到执行的整个过程中经历的各个阶段 eBPF程序是一组eBPF字节码指令，可以直接使用eBPF字节码编写，但是一般来说使用高级语言编写会更轻松 eBPF 虚拟机 计算机软件实现 以eBPF字节码（由一组指令组成）指令的形式接受程序，这些指令必须转换为在CPU上运行的本地机器指令。 eBPF寄存器 使用10个通用寄存器（0-9） 寄存器10用作栈指针
OS_Lab5_updated
内核线程实验概述本次实验会学习C语言的可变参数机制的实现方法，然后实现一个简单的printf函数，通过printf()和gdb来帮助debug；同时会实现内核线程（定义PCB；实现基于时钟中断的RR算法）。 实验要求 DDL：2024.5.4 24:00 提交的内容：将3+1（选做）个assignment的代码和实验报告放到压缩包中，命名为“lab5-学号-姓名”，并交到课程邮箱 os_sysu_