时隔上次发这个标题的博文过去了两年多，いぬすく社团更新了《妹!せいかつ～ファンタジー～ 》的DLC内容！其中一个和公会成员一起去温泉旅行的休息BGM再一次抓住了我的耳朵。由于这次的作曲风格依然很像是まんぼう二等兵的作曲风格，因此这一次很容易就可以找到乐曲的名字，おきらくシュガー！就和作者说的那样：

先说答案：不会 在文件处于被写入占用的状态时，FileReader依然能够读取到文件，不对正在占用的进程造成影响。 当文件被FileReader打开时，其他程序依然可以打开文件并且正常写入和保存 新的写入要调用flus …

从今天开始，咱时不时会贴点食谱到博客上面来 (￣▽￣) 。这些可都是咱的小秘方哦, 虽然不一定好吃。首先带来的当然是咱最喜欢的西红柿（投没投 tomato）炒蛋，咱拿手的有两种做法。

该渲染由 Shiro API 生成，可能存在排版问题，最佳体验请前往：https://arthals.ink/notes/6 期末季破防 ing。 越学越不想学，突然就想摆烂了。 实在是背不进去一点了啊。 看完了？说点什么呢

该渲染由 Shiro API 生成，可能存在排版问题，最佳体验请前往：https://arthals.ink/posts/experience/ai-practice AI 系统实践流水线 问题形式化：找出最重要且可行的问题 数据：确保数据质量和隐私安全 挑战：高质量的数据是永远稀缺的；隐私安全 模型训练：选择合适模型，优化训练 挑战：现在的模型越来越复杂，对数据的需求越来越大，训练代价大 模型部署 挑战：复杂模型的实时推理能力差（要考虑硬件资源受限的情况下怎么办） 持续维护：应对数据分布变化，定期更新模型 数据分布产生变化：指数据的统计特性（如均值、方差等）随时间发生变化，导致模型在新数据上的表现变差。 比如说你写了刷课机要过验证码，本来能过，结果验证码换了个版本增强了，过不去了，这时候就要维护，如更换更强的 CNN 模型，或者直接使用专业的商用 API（持续维护） 数据获取 获取并准备高质量的数据集。 清洗和预处理数据。 获取、整合外部数据 常见方法： 有官方的 API，直接请求 （有的时候官方 API 没有显式告诉你，但是你可以自己找，比如刷课机） 没有官方的 API，使用爬虫来爬取公开网页，从而获得数据 不要抓取 敏感 信息 不要抓取有 版权 的信息（除非有开源协议） 遵循网页的条例说明 商用要咨询法律建议 生成数据 当没有现成的数据 / 现有数据不足，但是有数据生成方法的时候，我们可以使用生成的数据来作为训练集。 生成数据是指通过一定的方法或技术，创造出新的数据。这些方法包括但不限于： 生成对抗网络（GAN）：通过两个网络（生成器和判别器）相互竞争生成新的数据。 数据增强：对现有数据进行各种变换，以增加数据量和多样性。 如麻将大作业中的换花色，图片分类中加滤镜等 模拟器：使用计算机仿真生成特定场景或环境下的数据。 数据标注 有数据吗？ 是： 如果有数据，继续下一步...

该渲染由 Shiro API 生成，可能存在排版问题，最佳体验请前往：https://arthals.ink/posts/experience/Markov-Decision-Process-and-Dynamic-Programming 马尔科夫决策过程（Markov Decision Process, MDP） 状态集合： $S$ 动作集合： $A$ 状态转移函数：$P: \langle S, A, S' \rangle \rightarrow \mathbb{R}^+$ $P(s'|s, a)$ 表示在当前状态 $s$ 和动作 $a$ 下，转移到状态 $s'$ 的 概率 奖励函数：$R: \langle S, A, \mathbb{R}^+ \rangle \rightarrow \mathbb{R}^+$ $R(s, a, r)$ 表示在当前状态 $s$ 和动作 $a$ 下，获得奖励 $r$ 的 概率 马尔可夫性质：在当前状态 $S_t$ 下，状态转移模型 $P$ 和奖励函数 $R$ 仅与 $S_t$ 有关，和之前的状态及动作无关，也即： $$ P(S{t+1} \mid S_t, A_t, S{t-1}, A{t-1}, \ldots, S_0, A_0) = P(S{t+1} \mid S_t, A_t) $$ 这条性质可以有力地简化问题。 有限 MDP：状态集合 $S$ 和动作集合 $A$ 为有限集。 回顾定义 首先，回顾一下上节课讲过的三个公式。 累积收益值 $G_t$ 表示从时间步 $t$ 开始的累积收益值。 $$ Gt = R{t+1} + \gamma R{t+2} + \gamma^2 R{t+3} + \cdots = \sum{k=0}^{\infty} \gamma^k R{t+k+1} $$ 其中，$\gamma$ 是折扣因子，$0 \leq...

轻轻拂过的春风，带来了好消息。过去一年的努力，总算是没有白费。总结考研初始备考这一年。

该渲染由 Shiro API 生成，可能存在排版问题，最佳体验请前往：https://arthals.ink/posts/experience/Basis-Of-Reinforcement-Learning 强化理论 强化理论（Reinforcement Theory）：强化理论是一种行为学习理论，认为行为可以通过奖赏和惩罚来改变。 通过奖励和惩罚的方式可以改变智能体的行为方式 这是强化理论的基本思想。通过提供奖励（正强化）或惩罚（负强化），可以影响智能体的行为，使其趋向于某种特定的行为模式。 正强化：当智能体表现出期望行为时，给予 奖励，从而增加该行为的发生频率。 负强化：当智能体表现出不期望行为时，给予 惩罚，从而减少该行为的发生频率。 随机奖励可以使智能体上瘾 随机奖励指的是 不确定何时会获得奖励的机制。研究表明，这种不确定性会使智能体更投入于某种行为，因为它们总是期待下一次可能的奖励。 这种机制在现实生活中也很常见，例如赌博和某些电子游戏中，随机奖励机制会让人上瘾。 这里不在课程范围 问题建模 环境（问题模型） 初始状态 $S_0$ (state) 当前玩家 $C$ (current player (s)) 动作 $A$ (action)：智能体在某个状态下的合法动作集合。 状态转移 $P$ (transition) $P(S{t+1} \mid S_t, A_t)$ 用以表示环境，表示在时间 $t$ 时刻，智能体在状态 $S_t$ 下采取动作 $A_t$ 后，转移到下一时刻状态 $S{t+1}$ 的概率。 衡量一个环境的 复杂程度：某个状态下，智能体采取某个动作后，转移到下一个状态的状态转移模型。可能到达的所有状态构成了 状态空间 (state space)。所有状态下可行动作，构成 动作空间 (action space)。 由此可见，状态转移的不确定性可能来自环...

前言 终于从本科毕业了。虽然还有一年的研究生，但是这四年过的真的很快。讲真，这次的毕业设计我不是非常满意，但也拿到了还算不错的成绩。于是就用这个文章来聊聊我的毕设经历。 美国的毕设(Senior Design Project)是啥样的？ 我对中国的毕设了解不多（因为没在中国上过大学）。但是根据朋友描

基本信息GL.iNet 的配置信息（例如 S/N 码、设备 ID、区域代码等）位于设备 Flash 分区内，不随固件更新注意：操作过程中请务必对分区原始数据进行备份导出分区注意：不同型号设备的区...

该渲染由 Shiro API 生成，可能存在排版问题，最佳体验请前往：https://arthals.ink/posts/experience/Adversarial-Search 问题模型 对抗性 在零和游戏中，总收益为零，一方的收益必然是另一方的损失。常见于竞争性环境，如内卷现象。 非零和游戏中，总收益不为零，各方通过最大化自身利益，有时还需要合作。损人不一定利己，可以多方共同从第三方获取收益。 人数分类 单人游戏：仅一个参与者 双人游戏：两个参与者 多人游戏：三个及以上参与者 随机性 确定性游戏：动作引发的后果是确定的 非确定性游戏：动作引发的后果是不确定的 状态可见性 完全信息游戏：所有信息对所有玩家都是已知的 非完全信息游戏：对玩家存在未知信息 同步性 同步游戏：所有玩家同时进行决策 异步游戏：玩家依次进行决策 环境的可变性 环境信息不变游戏：游戏环境信息保持不变 环境信息变化游戏：游戏环境信息会发生变化 双人零和游戏 游戏定义 一个双人零和游戏可以定义为一个 搜索 问题，包含以下元素： S0：初始状态，描述游戏开始时的状态。 PLAYER(s)：在某个局面下，轮到哪个玩家选择动作。 ACTIONS(s)：返回在某个状态下的合法动作集合。 RESULT(s,a)：状态转移模型，一个动作执行后到达哪个状态。 TERMINAL-TEST(s)：游戏结束返回 true，否则返回 false。游戏结束时的状态称为终止状态。 UTILITY(s, p)：效用函数（目标函数或者支付函数），表示游戏结束时玩家 $p$ 的得分。零和游戏中，所有玩家得分的和为零。 搜索树复杂性 游戏的难点在于 搜索树可能非常大。 国际象棋 平均每步有 35 个选择。 每个选手需要走 50 步，两人总共 100 步。 搜索树节点数：$35^{100}$ 或 $10^{154}$ 个节点。 围棋 平均...

[post cid="366" cover="" size=""/]上一篇教程中，我们做了一个简单的实验程序 demo，演示了一下 jsPsych 编写实验程序的基本逻辑。这篇教程，我们会在上一...

我之前在用向日葵、todesk和teamviewer一类的工具来远程连接Windows的设备。久而久之，这样做 […]

本文是一篇面向了解心理学实验设计基础，有一定的心理学实验开发能力和开发经验的朋友（比如已经使用过 E-Prime、PsychoPy、PsychToolBox 等实验框架）的快速上手指南。本文不适...

前言 杰帕斯你真行，想到啥干啥啊（恼 本文 事情是这样的，4月12号的时候看到了一个叫做安知鱼的Hexo主题，第一眼就看中并且极其难耐想要使用。但是Hexo这类静态站用在Github Pages，Vercel之上很方便，构建管线也易于管理，但不太适合我这种已经有自己的网页服务器的人，我看起来更适合使

Linux 编译 SDK 自动配置脚本OS: Ubuntu 14.04 x64首先参考官方文档中 Hi3516EV200/Hi3516EV300/Hi3518EV300 Linux SDK 安装...

大二上Pyhton时候的课设，使用类与对象思想，加入云服务B/S理念。 Git地址：https://gitee.com/vastsea-admin/py-course-reg-system 视频介绍：https://www.bilibili.com/video/BV1JM4m1R7SJ/ 功能模块 学 …

第1关：实现基于数组的栈 第2关：实现基于链表的栈 第3关：基于数组的队列 第4关：基于链表的队列 整个活，玩一下哈哈

原发于QQ空间，原始日期为3月15日OMORI居然都三周年了，虽然距离我玩OMORI已经很久了，但是也没想到这个距离居然长到了快两年多。岁月大概是把牛排刀吧.jpg虽然我也不算是鉴赏家，也不能说...

这篇笔记咱主要记录了Hadoop执行Job时可能出现的 /bin/java: No such file or directory 以及 java.lang.reflect.InaccessibleObjectException 问题。

本文主要介绍个人为了利用docker部署伪分布式Hadoop，在Docker容器间实现SSH自动公钥交换、免密登录的一次尝试。

原载于RIA服务器社群刊物《方圆》2023年9月刊有这样一款游戏：由加拿大的独立游戏制作者开发，游戏画风是像素风格；讲述了一位心事重重的主角决定离开自己的日常生活，前去爬山的故事；主角拥有特殊的...

猫娘没有写下给自己的信。 一 窗外的烟花已经放了半个多小时了，声音一直没有停下来过。外面的天空仍然是黑色的背景 […]

Python写了个脚本，15s更新一次成绩发布情况，有变动时发Windows通知提醒。 先用编辑器打开脚本，找到第14、15行，修改STUDENTID和CASPASSWORD为你的统一身份认证账号、密码（今日校园的）保存后运行脚本即 …

300多天，说长其实也没那么长，但是说短吧，也并不是体感上很短暂的一段时光。依稀记得2月13日那天我正式开始备考考研初试，自此咱一路上几乎一直以备考为最优先事项了，上课时尽量抽时间背单词、实验作业和各种报告抽中午休息的时间写，推掉了参加竞赛的机会....到中间暑假的时候学校实训甚至和期末大作业交叉了，还要写40多面实训报告（只有5天时间），大作业这边更是接连几个课设加综述论文.....

虽然说是紧急回国，但主要还是姥爷的身体健康状况不是很好所以临时决定回去看看。飞机是美国时间的2023年12月25日凌晨2点起飞。没错，跟去年去日本旅行是同一天。 因为是凌晨起飞所以明天的晚上就要出发去候机，这两天因为大学期末的原因，精神状态不是很好，希望可以在国内可以调整调整。 好巧不巧，服务器的备

之前写过一个毫秒级别的记时方式

5-1 异常处理 从键盘上输入一个整数，输出此数的二倍值。若输入的值不是整数，则输出：请输入一个整数！ 比如输入2，则输出4 若输入abc，则输出:请输入一个整数！ 第一空：try 第二空：except ValueError 5 …

经过了漫长三年的等待和测试，原CMFL开发者老腊肉终于将LauncherX完成并公布于众。 这三年里我作为质量控制组成员看着LauncherX从最开始的毛坯房变得丰富起来，感慨万千。 希望各位可以用用看，遇到什么问题也希望可以告诉我们！ 这里是Launcher X的下载链接： https://cor

欢迎回来！ 如你所见，现在的小窝看起来比较不同了！也希望你能喜欢！ 网页的主题从原本由MoeDog是Moedog基于Kratos 2.5.8在2016年开始制作的主题切换为了由solstice23制作的Argon主题。主要原因是基于老版本的Kratos有很多东西因为犬大很多没有维护，甚至出现了一些依

0x00 前景提要 云主机上跑的小服务越来越多了，而且有些是我很多年前写的，能稳定跑所以也一直没有更新，导致部分程序开始老化，在新版node或者系统环境下或多或少的会出现一些问题。所以之前一直在用的pm2大锅炖方案开始出现一些麻烦，有些新写的程序需要node18，但是有一些年代比较久远的程序，连node16都上不来（比如旧版webpack在node16上和新版openssl有些兼容问题）。最初的方

原载于RIA服务器社群刊物《方圆》2023年9月刊假如让你说一个你印象最深刻的，在动画片中出现的羊角色，你会想到谁？我猜首先当然是喜羊羊美羊羊他们，其次估计就是小羊肖恩了。当然，标题本身也摆在这...

今天至少对于我而言并不是什么值得开心的日子，我又把自己锁了起来，脑子里想了很多说不出来，也不想说出来的故事。 […]

这个事情源自于最近跟朋友的聊天。在聊天的时候朋友说自己在出一套Java的试卷，问问我有没有什么灵感。 我问朋友 […]

原始文件：297088180Byte（284MB) $ time gzip -k modified_CJ2400-A512823.1-CP1-CJ2400-CP1-CJ3970-9626B_C36P_8S_CP2_REV26_20211025-2022OCT24085350.std ...

不知不觉间2022年已经彻底过去了，回过神来才发现去年只写了一篇博客，于是今天总之先整个年终总结凑个数 项目 BMCLAPI 首先来点数据，OpenBMCLAPI去年承载了750TB流量，全年共计处理请求132亿次。不知不觉间BMCLAPI已经快到PB级流量了。总共有29台服务器参与了文件分发 最能抗的还是我自己的服务器 游戏 1月的时候打穿了如龙7。如龙系列其实我一直就想接触，但是又由于已经 ...

前几天aco姐问我一个问题，她说她想买个游戏机，但是不知道买啥。我毫不犹豫的就告诉她，要买就买Game Boy […]

从毕业进有赞之后，有赞发了一台13寸的MBP作为工作机，我就开始用MacOS作为开发环境了。后续发的机器性能实在不够用，就在16款touchbar MBP发布后，买了15款顶配的MBP。MacOS开箱即用的桌面环境和靠谱的命令行工具链确实非常吸引人，当时还没有WSL，Windows底下各种魔法的bug着实有些让人头秃。 即使离开有赞后，MBP依旧是我的主力开发环境，家里的Windows基本只用来打 ...

0x00 简介本文仅适用于配置 Debian 12 Bookworm文中包含 KDE Plasma X11 桌面配置文中使用 debianuser 代替用户名，执行命令或复制配置时请注意替换文中...

环境OS: CentOS 8.4.2105PHP: 7.4.21注意CentOS 7 中可能默认提供了 openLDAP-servers 包，本文中部分流程可能不适用文中针对 openLDAP ...

下载之类的就不在赘述了，直接从配置开始 首先在服务器上最重要的需求之一就是尽量不要影响到服务的流量性能，所以和家用代理会有一些细微的规则调整。 Clash本体 我的网关机器上原始是没有dns服务的，直接转发给114，所以现在要让clash接管53端口，但是又不希望clash进程跑在root用户下，所以需要给特殊权限 setcap 'cap_net_admin,cap_net_bind_servic ...

环境OS: Ubuntu 18.04JDK: 11.0.11Go: 1.16.3Android SDK: android-30Android NDK: 22.1.7171670Frp: 0.36...