太长不看版

有的

在 Linux 系统中，Tar 打包是一项非常重要的操作，它为我们提供了一种方便、高效的方式来整理和备份文件及目录。

Tar 是 tape archive（磁带归档）的缩写，最初是用于将文件存储到磁带上。如今，它主要用于将多个文件和目录合并成一个单一的归档文件，以便于存储、传输或备份

突然意识到8月也快结束了…

指针常量#

1

int *const ptr = nullptr;

const 修饰的是指针 ptr 的值，ptr 本身不能被修改，所以指针常量必须初始化，同时我们无法对 ptr 的值进行修改。

1
2
3

int a = 10;
int *const ptr = &a;
ptr = nullptr; // error

指针常量的应用场景#
例如：需要编写一个函数，实现使用传参指针的形式交换两个整形的值。

最近突然有很多的感触，决定还是在这个不会有人看的地方记录一下

• FLOPS: floating point operations per second，每秒浮点运算次数，计算速度，衡量硬件性能的指标 (大写S代表秒)
• FLOPs: floating point operations，浮点运算数，计算量，用来衡量算法/模型的复杂度。
• Params：没有固定的名称，大小写均可，表示模型的参数量，也是用来衡量算法/模型的复杂度。通常我们在论文中见到的是这样：#Params，那个井号是表示 number of 的意思，因此 #Params 的意思就是：参数的数量。

FLOPs与模型时间复杂度、GPU利用率有关，Params与模型空间复杂度、显存占用有关

这篇文章的诞生大概要从这里开始：

自学 web 开发，这应该是我在脱离应试教育体系后，第一次真正的想要学点什么东西，结果并不美好：我在半途而废和重新开始中循环，一次次怀疑自我过后，所剩无几的热情彻底熄灭，我宣布正式放弃。

这件事成为了一个问题，这是我第一次感受到个人能力方面的彻底失败，我明白失败的点不在于我学不会编程，而是我根本不懂怎么学习，我缺乏一种以前从来没研究过的自学能力。

我一直都喜欢阅读各类泛心理学书籍，以及各种和脑科学相关的知识，我觉得首先要研究明白自己，才能更好的利用外在工具。而这次失败事件过后，我开始了更加广泛的摄入，它成为了一个锚点，引导我在吸收各种材料的过程中，更关注那些怎么能帮我把这个问题彻底解决的领域。

终于，我脑海里慢慢有了答案的雏形，虽然依然属于半混沌状态，我想，把它写下来或许能更加清晰一些，也可以启发有类似问题的人。

看完很有感触，感觉和自己的心态特别像，转载一下

不知道从什么时候开始，我那些所谓的爱好已经基本全部抛弃掉了，我开始有一些怀念大学时期的大把闲暇时光，也开始后悔大学时候对这些时光的浪费。工作以来，博客基本上处于一种荒废的状态，不再有热情去研究各种平台的搭建和使用，也不再有分享并撰写成文章的想法。下班和周末就躺在床上刷手机、看电视，这些充斥着我的碎片时间和大块整片时间。

用法类似于numpy的resize，主要是用来改变tensor的大小

最近感觉PyTorch这个框架使用起来还是非常吃力，看别人的代码也常常有无法理解的地方，决定还是先自己研究一下PyTorch官方文档的API。在这边开个学习记录的坑…

函数常用入参及通用解释原则

函数常见入参：

• input：Tensor格式
• requires_grad：布尔值，aotugrad是否需要记录在该Tensor上的操作
• size：一般是衡量尺寸的数据，可以是多个数字或collection格式（如list或tuple等）
• device：Tensor所处的设备（cuda或CPU），可以用torch.device或直接使用字符串、数值（torch.device的入参）代替。
  • 使用torch.device作为入参的示例：torch.randn((2,3), device=torch.device('cuda:1'))
  • 使用字符串直接作为入参的示例：torch.randn((2,3), device='cuda:1')
  • 使用数值直接作为入参的示例：torch.randn((2,3), device=1)
• dtype：取值范围见torch.dtype

函数名前加_是原地操作

针对官方入门教程Deep Learning with PyTorch: A 60 Minute Blitz简单做个学习记录，本文大量参考该篇博客 Respect。

1. Tensor

什么是Tensor

torch中的Tensor是一种数据结构，其实在使用上与Python的list、numpy的array、ndarray等数据结构比较类似，可以当成一个多维数组来用。

在数学上对张量这一专业名词有特定的定义，但是反正大概理解成一个多维数组就够用了。

由于最近在看python代码的时候发现很多地方难以理解，特别是用到Numpy来处理数据的部分。在这边整理一个官方教程Numpy User Guide的简单学习笔记。本文大量参考该博客 Respect