qq_37293230的博客

原创 【常见分布及其特征(6)】连续型随机变量-指数分布

指数分布是描述两次独立随机事件间隔时间的连续概率分布，具有无记忆性特点。其概率密度函数为f(t)=λe^(-λt)或f(t)=(1/θ)e^(-t/θ)，其中λ为事件发生率，θ=1/λ为平均间隔时间。典型应用包括等待公交车（平均10分钟一班）和手机电池寿命（平均8小时）等问题。分布函数F(t)=1-e^(-λt)可用于计算特定时间间隔内的概率。指数分布的期望E(X)=1/λ，方差Var(X)=1/λ²。无记忆性体现在P(T>s+t|T>s)=P(T>t)，即过去等待时间不影响未来事件发生的

原创 【常见分布及其特征(5)】连续型随机变量-连续均匀分布

本文介绍了概率密度函数(PDF)与概率质量函数(PMF)的区别，着重讲解了连续型随机变量的均匀分布。均匀分布的特征是概率密度在定义区间[a,b]内恒定，其PDF为分段函数，在区间内取值为1/(b-a)，区间外为0。文章推导了均匀分布的累积分布函数、期望(a+b)/2和方差(b-a)²/12，并给出两个应用实例：随机数生成和乘客候车时间。通过数学公式和直观解释，阐明了均匀分布"等可能性"的本质特性。

原创 【常见分布及其特征(4)】离散型随机变量-泊松分布

泊松分布（Poisson Distribution）是一种离散型概率分布，用于描述在固定时间或空间内独立随机事件发生次数的概率分布X∼πλ或X∼Poissonλ\boxed{X \sim \pi(\lambda)\quad或\quad X\sim \text{Poisson}(\lambda)}X∼πλ或X∼Poissonλ​XXX服从参数为λ\lambdaλ的泊松分布;

原创 【常见分布及其特征(3)】离散型随机变量-二项分布

有80台相同的设备,每台设备独立运行,发生故障的概率是0.01,一个设备只能由1人维修;在792种可能的结果的概率无非是顺序不同,故而每一种可能性的发生的概率均相同;随机变量即定义为出现正面的次数,一共执行了n次,则出现正面的上限是n次,下限是0次;我列不下去了,因为太多了,我们算算有多少种可能性把,显然是一个组合数,即。,故而研究的"自变量"发生了变化,即随机变量的定义方式不同了,本例的连续12次,即总共执行的次数,记为。同时发生的概率等于每个的概率之积,也就是。,而此例的样本空间为出现正面的次数,即。

原创 【常见分布及其特征(2)】离散型随机变量-伯努利分布(0-1分布)

显而易见,失败的概率就是(1-成功概率);一面不均匀的硬币,抛出为正面的概率是0.8,问反面的概率是多少?单次独立的伯努利试验（成功/失败），结果为0或1。推导过程:依据方差公式可以2种方式推导;,是分布的核心属性，表示成功的概率。对于伯努利分布,参数就一个。，分布退化为确定性事件。

原创 【常见分布及其特征(1)】引言

常见概率分布的特征分析 摘要：本文系统梳理了概率分布的分析框架，从六个维度展开讨论：1)应用场景实例帮助理解适用条件；2)明确分布与分布函数的区别；3)严格定义数学形式及适用条件；4)区分随机变量与参数的本质差异；5)函数表达形式（PMF/PDF/CDF）；6)分布特征值计算（期望、方差等）。着重强调随机变量作为样本空间到实数映射的核心地位，以及参数作为分布固有属性的特性。通过结构化分析，为概率分布的理解和应用提供系统化方法论。

原创 古典概型之排列与组合

从 n 个不同元素中取出 m 个元素，不考虑顺序地组合在一起。常见3种写法,第三种常见在二项式系数中CnmCnmnmCnmCnm​mn​。

原创 二项式定理以及证明过程

摘要：二项式定理公式为$(a+b)^n=\sum_{k=0}^n\binom{n}{k}a^{n-k}b^k$。证明过程通过多项式乘法展开，说明各项系数$\binom{n}{k}$表示$a$和$b$的不同组合方式。以$(a+b)^3$为例，展示了$a$和$b$的各类组合及其对应系数。最终推导出一般形式，其中$\binom{n}{k}$代表$a^{n-k}b^k$项的出现次数。

原创 echarts的还原,下载图片失效(空白图片,还原白屏)

【代码】echarts的还原,下载图片失效(空白图片,还原白屏)

原创 概率论中的基本定义(事件,期望,信息量,香农熵等)

故认为2硬币更稳定,极端一点,有一个99.999%都是正面的硬币,应该非常稳定,而均匀硬币则是最混乱的;实际就是概率必须在0-1之间,然后不相容的事件概率之和等于出现之中任意一个事件的概率发生的概率;通过大量随机试验,可以得到逼近真实概率的结果,且试验次数越多,越接近真实概率;例如:抛硬币,掷骰子,药物疗效试验,测量灯泡寿命均是一个随机试验,随机试验:指的是一个试验本身,不是某个结果,而是描述的一个。反例:太阳升起的方向,一定是东方,故不存在不确定性。例:灯泡的寿命,所有的可能结果为正实数,即。

原创 VAE(变分自编码器) CVAE(条件变分自编码器)

输入蒙娜丽莎的照片，将微笑特征设定为特定的单值（相当于断定蒙娜丽莎笑了或者没笑）显然不如将微笑特征设定为某个取值范围（例如将微笑特征设定为x到y范围内的某个数，这个范围内既有数值可以表示蒙娜丽莎笑了又有数值可以表示蒙娜丽莎没笑）更合适;重参数化: 要反向传播,需要函数可导,采样操作不可导,故执行重参数化;引用:https://www.cnblogs.com/myleaf/p/18682945。将输入的数据(batch_size,data)执行一次全连接层操作,将其映射到隐空间;

原创 基础电学笔记

描述物体带电量多少的物理量，使用QQQ或者qqq一个带电量为QQQ的电荷A 的电荷量为Q1Q_1Q1​，B 的电荷量为Q2Q_2Q2​。

原创 Virtualized Table 虚拟化表格 el-table-v2 表头分组 多级表头的简单示例

原创 基于vueflow可拖拽元素的示例(基于官网示例的单文件示例)

【代码】基于vueflow可拖拽元素的示例(基于官网示例的单文件示例)

原创 JAVA 条形码/二维码 工具类,支持自定义描述文字,动态高度文字等

画一个上面是条形码,下面是描述文字的图片 绘制固定宽度大小的图片, 宽度和二维码宽度一致,高度随着文字数量增加,

原创 maven构建 the trustAnchors parameter must be non-empty 异常的处理

如 BellSoft Liberica、Adoptium、Amazon Corretto 等，基于 OpenJDK 源码构建，但会添加补丁、优化或配置调整，并提供长期支持（LTS）和完整生产功能。https://jdk.java.net/java-se-ri/8-MR6 的证书库是空的;发布基于 OpenJDK 的参考构建（如 Java SE 8 MR6），构建maven依赖时,报错如下,一般是由于使用了。，由 Oracle 和社区维护，仅提供源代码。maven用不了,下不了依赖,一直报异常;

原创 记一次QT中连续字符串占位符替换的BUG

【代码】记一次QT中连续字符串占位符替换的BUG。

原创 Blender4.3雕刻笔刷简介

Blender4.3雕刻笔刷简介

原创 从excel提取和过滤数据到echarts中绘制图

echarts的事例页面,导入数据比较麻烦,此项目从excel中提取数据(含过滤数据),以注入页面.

原创 kebernetes部署cloudnativePG,无法进行备份,报错: WAL archiving is not working

使用 kebernetes部署cloudnativePG时,备份使用minio部署的s3服务;无法进行备份,报错: WAL archiving is not working。

原创 K8S部署CloudNativePG,忘记设置密码,修改管理员密码解决方案

当部署CloudNativePG,特别是使用yml部署集群时,忘了设置密码,但是集群已经部署完成,需要找回密码时,可以直接进入rw的节点,然后修改密码即可。

原创 Centos7安装k8s集群

官方文档: 使用 kubeadm 创建集群containerd镜像配置: containerd官方的HOST配置镜像设置: containerd k3s 镜像加速

原创 CentOS修改hostname,导致无法连接(网络不工作)

【代码】CentOS修改hostname,导致无法连接(网络不工作)

原创 centos下使用acme来自动获取免费通配符ssl证书,并发布到nginx服务,(DNS服务为阿里云)

【代码】centos下使用acme来自动获取免费通配符ssl证书,并发布到nginx服务,(DNS服务为阿里云)

原创 硬盘到文件系统的三级层次结构

硬盘的分区方式（如 MBR 或 GPT）定义了硬盘的物理结构。磁盘管理工具（如 LVM、RAID）用于灵活管理磁盘空间。文件系统（如 XFS、ext4、NTFS、Btrfs）用于组织和存储文件数据。这种层次化的架构可以帮助我们更高效地管理存储设备，提升数据的可靠性、性能和可扩展性。

原创 Linux的磁盘/文件管理,以centos7为例

如果某个目录被挂载了新磁盘或文件系统，那么原来该目录上的内容会暂时被“隐藏”，新的磁盘会成为该目录的存储位置，直到卸载挂载点。需要注意的是，如果挂载点上已经有文件，这些文件在挂载期间是不可见的，挂载卸载之后，原有的数据会重新显现。如果你为某个目录（比如 /home）指定了单独的挂载点（比如挂载到一个新的磁盘或分区），那么这个目录及其子目录的数据就会写入新的挂载点所在的磁盘或存储介质。挂载的本质是将一个资源（不管它是磁盘分区、网络路径、内存文件系统还是虚拟设备）映射到一个挂载点（目录）

原创 centos7 yum install 失败,mirrorlist.centos.org连接不上

【代码】centos7 yum install 失败,mirrorlist.centos.org连接不上。

原创 概率论中交并集的公式

两个事件AAA和BBB的交集PA∩BPA∩BPA∩BPA⋅PB∣APB⋅PA∣BPA∩BPA⋅PB∣APB⋅PA∣B两个事件AAA和BBB的并集PA∪BPA∪BPA∪BPAPB−PA∩BPA∪BPAPB−PA∩B。

原创 概率论的事件类型分类

简单事件必然事件不可能事件确定事件（必然事件）等可能事件对立事件复合事件事件之间的关系：独立事件依赖事件事件的交互方式：相容事件互斥事件条件事件。

原创 基于Ruoyi的同一token跨系统访问,后端单点登录并且鉴权方案

{“@type”:“com.ruoyi.framework.security.LoginUser”,“browser”:“Firefox 13”,“deptId”:100,“expireTime”:1731988245275,“ipaddr”:“127.0.0.1”,“loginLocation”:“内网IP”,“loginTime”:1731984645275,“os”:“Windows 10”,“permissions”:Set[“

原创 基于ruoyi框架二次开发的基础SPC系统

【代码】基于ruoyi框架二次开发的基础SPC系统。

原创 MYSQL插入或修改,基于唯一联合索引,批量操作

其中sitedata_timelot_idpos作为联合唯一索引存在VALUES('CP', '2024-09-05', '13C23002', 'Y5', '赵文芳', 'MM800', '啊啊啊'),('CP', '2024-09-05', '13C23002', 'Y99', '赵文芳', 'MM800', '啊啊啊')AS a。

原创 修改huggingface的缓存目录以及镜像源

【代码】修改huggingface的缓存目录以及镜像源。

原创 openCV 报错 Layout of the output array img is incompatible with cv::Mat, 错误原理与解决

主要是因为 ndarray 导致在内存中不连续.表现为array.flags.c_contiguous=False了。不是由于形状或者类型导致的错误,仔细观察错误,可以发现是output array的问题,无法正确输出.一类操作时由于替换了通道顺序,则会破坏原来的数组结构,故而需要在执行一次copy即可。当绘制使用ndarry表示的图像的边框.以及其他的绘制操作,均会发生此错误。当ndarray执行了。

原创 YOLO(v5)和mask_rcnn的简单对比

原尺寸: 2x3x800x1088features ->2x( 256x13x17, 256x25x34, 256x50x68, 256x100x136, 256x200x272 )features_objectness -> ( 2x24x13x17, 2x24x25x34, 2x24x50x68, 2x24x100x136,2x24x200x272 )features_pred_bbox_deltas-> ( 2x96x13x17, 2x96x25x34, 2x96x50x68, 2x96x100x1

原创 Transformer处理文本分类实例(Pytorch)

数据格式如下, csv格式,分别为: 分类,标题,描述AG News数据集包含四个主要的类别：1->世界（World）、2->体育（Sports）、3->商业（Business）,4->科技（Sci/Tech）。每个类别包含30,000个训练样本和1,900个测试样本，总共120,000个训练样本和7,600个测试样本。

原创 pytorch中的zero_grad()执行时机

在反向传播(backward())前执行即可zero_grad() 用以清除优化器的梯度对张量执行backward(),以计算累积梯度执行optimizer.step(),优化器使用梯度更新参数当优化器更新完成,梯度即失去意义,即可以清除,为保证下一次梯度开始累积时为0,则在下一次执行反向传播前清除即可

原创 pytorch中常见的模型4种组织方式 nn.Sequential(OrderedDict)

【代码】pytorch中常见的模型3种组织方式 nn.Sequential(OrderedDict)

原创 PIL,OpenCV,Pytorch处理图像时的通道顺序(颜色,长宽深)

但是，如果你在处理分类任务等场景时，可能需要将图像数据保持为0-255的整数范围，并在模型中进行相应的调整。将PIL图像或NumPy数组转换为tensor时，你得到的是一个CHW顺序的tensor（除非你使用了特定的转换函数来改变这个顺序）。然后，如果你需要将tensor输入到支持批量处理的模型中，你可能需要手动添加一个额外的维度（即批量大小N）来形成NCHW顺序的tensor。在PyTorch中，处理单个图像时通常使用CHW顺序，但在处理批量图像时，则使用NCHW顺序。但是，PyTorch的。

原创 FCN/UNET/deeplabv3 语义分割 标注 重叠/重复/覆盖 的处理方案,以及自定义覆盖优先级

在FilterAndRemapCocoCategories中,可以重新映射index,以处理自定义的覆盖顺序## 注意!!注意!!此参数意味着有多少标记会被识别# 例: 在coco数据集中的category_id标记如为1,2,3,4, CAT_LIST 写为[3,4]# 则将抛弃1,2的标记,然后将重新映射3->0,4->1. mask的信息就会写为0和1.# 当使用不忽略重复时,还会影响到叠加关系,CAT_LIST后面的标记会覆盖前面的(即4会覆盖3),否则会设定为255。