背景 通过 Leanote 写笔记，经过整理后可以直接发布 Blog 的这种模式比较戳我了。 不过一直有点忍受不了 Leanote 的分类逻辑和 Hexo ，Hugo ，Jekyll 等静态博客不太一样，用着主题市场中半成品的主题，就这样凑合着过了两年。 但直到看到了一款 Jekyll 的主题 Chirpy，可以说是一间钟情了，果断移植到 Leanote 上。 在移植过程中越来越忍受不了 Leanote 奇怪的分类逻辑，移植的不够完美，越想越气，忍无可忍，又想到 Leanote 官方从 2018 年就基本上停止更新了，然后就 fork 了源码修改了对应部分的逻辑。 移植后的主题：le

简介 双镜像原理： 各种配置下 Flash 分布： 双镜像 首先需要创建一个 dual boot ip 核： 在顶层文件里例化： reg clk_2 = 1'b0;always @(posedge FPGA_CLK100M_P) clk_2 <= ~clk_2;dual_boot dualboot_u( .clk_clk(clk_2), // clk.clk .reset_reset_n(1'b0) // reset.reset_n);Copy 原来的时钟太快，在这里做了个 2 分频。 接着创建一个 revision：

k-means 选择初始化的 K 个样本作为初始聚类中心 c=c1,c2,...,ckc = c_1, c_2,...,c_kc=c1​,c2​,...,ck​； 针对数据集中每个样本 xix_ixi​ 计算它到 k 个聚类中心的距离并将其分到距离最小的聚类中心所对应的类中； 针对每个类别 cjc_jcj​，重新计算它的聚类中心（即属于该类的所有样本的质心）； 重复上面 2 3 两步操作，直到达到某个中止条件（迭代次数、最小误差变化等）。 目标函数为： J(C)=∑kK∑idik2J(C) = \sum_k^K\sum_i d_{ik}^2 J(C)=k∑K​i∑​dik2​ 常

有时候国内的一些平台的一些资源加载不出来，ipv4 有些网站慢，ipv6 就是卡顿、资源完全加载不出来，比如起点小说网的图片，微信的图片，抖音一些的相关资源等。 为此我还搭建了 mosdsn 服务，配置某些网站在查询域名的时候只返回 ipv4 的地址，后来发现没有这个必要。 故障原因是 MSS 设置不正确，而服务器有设置不允许分片，所以导致部分数据包被丢包，最终导致结果如上。由于MSS 属于 Option，非强制要求。。 首先 Ros 的 Actual MTU 值或者 Max MTU 值改成和原有光猫的 MTU 值。如果 pppoe 已经拨通的情况下就以 Actual MTU 为准。

epub3 标准则是基于 html5、css3、svg 等 web 标准以及 mathML 等来展示内容，以 .epub 结尾的 zip 压缩文件。 epub3 规范使用 OCF (open container format) 标准规定的文件结构，根目录当中__必须__有一个 mimetype 文件和一个 META-INF 文件夹。其中，mimetype 文件中只有一个行内容 application/epub+zip，而 META-INF 中存放的则是表述整个文档的元数据。 在 META-INF 文件夹内必须有一个 container.xml 文件（除该文件以后，标准还定义了一些可选文

配置 Modelsim 设置仿真工具 assignments -> setting -> EDA tool setting -> simulation 选择需要的工具。 自动产生测试激励文件模板 processing -> start -> Start test bench template writer: 文件夹 simulation - modelsim 中产生一个测试激励文件 xxx.vt(Verilog test bench) 或者 xxx.vht(VHDL test bench) 连接 test bench 还是在 simula

vscode 需要安装的插件： Verilog-HDL/SystemVerilog/Bluespec SystemVerilog: 语法高亮，自动补全，代码跳转，代码静态检查等 verilog-formatter: 自动格式化 需要安装的命令行程序： iverilog: 代码编译、静态检查等，也可以使用 modelsim, xvlog, verilator 等 ctags: 补全，大纲，跳转 iStyle Verilog Formatter: 代码格式化。这个需要手动编译，可以使用 g++ 或者 Visual Stuido 编译，附上一个 vs2022 编译好的 iStyle，如果提

经常遇到 Python 跨目录引用报 No module named xxxx 错误，略微整理一下。 区分Python中的一些概念 一个以 .py 结尾的文件就是一个 python module 任意一个文件夹，只要其中包含 python module，就可以叫做 python package.（Python2的话，该文件夹内还需要包含一个 __init__.py 文件） 我们既可以 import package，也可以 import module，以及 module 下的函数、类等等 Python引用自定义python文件的情况 utils和main位于同级目录下

如图所示，计算图的反向传播从右到左传播信号。反向传播的计算顺序是，先将节点的输入信号乘以节点的局部导数（偏导数），然后再传递给下一个节点。 首先来考虑加法节点的反向传播。这里以 z=x+yz = x + yz=x+y 为对象， 观察它的反向传播。z=x+yz = x + yz=x+y 的导数可由下式（解析性地）计算出来： ∂z∂x=1∂z∂y=1\frac{\partial z}{\partial x} = 1 \\ \frac{\partial z}{\partial y} = 1 ∂x∂z​=1∂y∂z​=1 也就是说，加法节点的反向传播只乘以 1。输入的值会原封不动地流向下一

简介 迁移学习(transfer learning)通俗来讲，就是运用已有的知识来学习新的知识，核心是找到已有知识和新知识之间的相似性，用成语来说就是举一反三。由于直接对目标域从头开始学习成本太高，我们故而转向运用已有的相关知识来辅助尽快地学习新知识。比如，已经会下中国象棋，就可以类比着来学习国际象棋；已经会编写Java程序，就可以类比着来学习C#；已经学会英语，就可以类比着来学习法语；等等。世间万事万物皆有共性，如何合理地找寻它们之间的相似性，进而利用这个桥梁来帮助学习新知识，是迁移学习的核心问题。 在迁移学习中，我们已有的知识叫做源域(source domain)，要学习的新知识叫目标域