本文是 鲁鹏 教授的《计算机视觉与深度学习》（2022 年）课程的一部分。

前言

计算机视觉简介

计算机视觉是研究如何使计算机能够“看”的学科。它的目标是让计算机能够处理和理解图像和视频数据。

观察人类视觉系统，可发现它存在诸多优势和弊病（此类弊病是为了适应环境而产生的，从进化的角度来说并非弊病）。

计算机视觉的两个主要研究方向是三维重建和语义信息提取（图像理解） 。

本课程介绍

本课程聚焦于视觉识别任务中最基础也最为重要的任务——图像分类。除此之外，还会涉及一些衍生任务，包括目标检测、图像分割、图像描述、图像生成等。

对于这些任务而言，基于卷积神经网络（CNN） 的深度学习方法是目前（21 世纪初）最为有效的解决方案。卷积神经网络始于 1998 年的 LeNet。在 2015 年，在 ImageNet 数据集上的图像分类任务上，计算机的准确率已经胜过人类。

本课程会讲解多种深度网络结构（包括全连接神经网络、卷积神经网络、循环神经网络、变分自编码网络、生成对抗网络等）。

相关课程

• CS131: Computer Vision: Foundations and Applications
• CS231a: Computer Vision: From 3D Reconstruction to Recognition
• CS231n: Convolutional Neural Networks for Visual Recognition

CS131 更倾向于图像理解，CS231a 更倾向于三维重建，而 CS231n 则与本课程相关度最高。

图像分类任务

图像分类任务是根据图像中所反映的不同特征，把不同类别的图像区分开来的任务。更具体地，它需要从已知的类别标签集合中，为给定的输入图像选定一个标签。

基于现实环境，图像识别存在诸多难点：视角、光照、尺度、遮挡、形变与类内形变、背景杂波、运动模糊、类别繁多等。探讨这些难点有助于我们对此类任务进行拆解，并予以解决。

两种解决方法

基于规则的（硬编码的）解决方法；基于数据驱动的（学习的）解决方法。前者所能解决的问题极为有限，下面将主要介绍后者。

数据驱动的解决方法主要包含三个环节：数据集构建，分类器的设计与学习，分类器的决策。

分类器的设计

首先需要将图像转化为模型可以理解的形式，此步骤为图像表示。可以采取像素表示的方法，也可以采取特征表示的方法（如 GIST 等全局特征表示法适用于遮挡不敏感问题，SIFT 等局部特征表示法适用于遮挡敏感问题）。后续主要研究像素表示方法，因为神经网络已经集成了特征提取的功能。

分类器的具体算法，常见的有近邻分类器、贝叶斯分类器、线性分类器、支撑向量机分类器、神经网络分类器、随机森林、Adaboost等。

分类器的学习过程，涉及到损失函数和优化算法。分类器在决策后，需要使用若干评价指标进行进行评价。相关内容将在后续进行介绍。

本文是作者在 Ubuntu 系统上配置 zsh 和 Oh My Zsh 的记录。

为什么需要

zsh 是一个功能强大的 Shell，提供了比 bash 更丰富的功能和更好的交互体验。

Oh My Zsh 是一个开源的 zsh 配置框架，允许用户便捷地安装插件和主题，从而更加高效地使用 zsh。

安装步骤

安装 zsh

在 Ubuntu 中，使用以下命令安装：

1
2

sudo apt update
sudo apt install zsh -y

本文是针对 LZ4 Block Format Description 的部分内容的翻译和综述，解释了 LZ4 压缩算法的块数据的格式规定。

前言

LZ4 是使用了“固定的面向字节的编码格式”的一种 LZ77 类型的压缩算法。本文介绍的是块数据（Block）的格式规定，不涉及熵编码器（Entropy Encoder）和成帧层（Framing Layer），也不涉及压缩或解压算法的具体实现。

术语

• 序列（Sequence）是组成块的基本单位。
• 字面量（Literal）是未经过压缩的原始数据。
• 匹配复制（Match Copy）是将“先前出现过的字面量”的值复制到新位置的操作。
• 标志符（Token）是序列最开头的 1 Byte。
• 偏移量（Offset）是匹配复制操作中定位“先前出现过的字面量”的依据。
• 匹配长度（Match Length）是匹配复制操作中需要复制的字面量的长度。

本文是作者在 Ubuntu 系统上部署 Nginx 服务器的记录。

Nginx 基础

简介

Nginx 是一个高性能的服务器应用程序，由俄罗斯工程师 Igor Sysoev 于 2004 年开发。它主要被用于搭建HTTP 服务器、反向代理服务器、负载均衡服务器等各类 Web 服务器。

Nginx 的主要优势在于高并发和高能效。它采用异步、非阻塞的事件驱动架构，能处理大量并发请求（10K 量级）。同时，在相同的硬件条件下，Nginx 的 CPU 和内存消耗要低于同类产品 Apache。

安装方法

安装 Nginx：

1
2

sudo apt update
sudo apt install nginx -y

确保 Nginx 已启动且已设置开机自启动：

1
2
3

sudo systemctl start nginx
sudo systemctl enable nginx
sudo systemctl status nginx

访问 http://<服务器地址>，若能显示出默认的 Nginx 欢迎页面（Welcome to Nginx），则表示安装成功。若无法访问，请检查服务器端的防火墙配置。

Hello World

以下内容演示了如何利用 Nginx 在本地的 80 端口部署一个简易的静态网站。

本文是作者在 Ubuntu 系统上部署 PostgreSQL 数据库的记录。

数据库简介

数据库（Database，DB）是用于存储、管理和检索数据的信息系统，旨在保证数据的一致性、完整性和安全性。

主流分类

数据库主要分为关系型数据（SQL）和非关系型数据库（NoSQL）。主流的数据库列表格如下：

SQL 指的是结构化查询语言（Structured Query Language），即数据库操作所使用的语言。

核心术语

• 数据表（Table）简称表，是数据库中用于存储数据的基本结构，由若干行和列组成。
• 行（Row）又称记录（Record）。
• 列（Column）又称字段（Field）。
• 主键（Primary Key）缩写为 PK，是用于唯一标识一条记录的字段。
• 外键（Foreign Key）缩写为 FK，是用于与其他数据表的主键建立关系的字段。
• 索引（Index）是一类用于加快查询速度的数据结构。
• 事务（Transaction）是一组数据库操作的集合，遵循原子性、一致性、隔离性和持久性原则（ACID 原则）。

PostgreSQL 基础

简介

PostgreSQL（简称 Postgres）是一个开源的、功能强大的、企业级的关系型数据库管理系统，以稳定性、扩展性和标准兼容性著称。

安装方法

下面详细讲解 PostgreSQL 的部署步骤。

空间解析几何

向量

概念

定义： 既有大小又有方向的量。可以用有向线段 $\vec{M_1M_2}$、带箭头字母 $\vec{a}$、粗体字母 $\mathbb{a}$ 来表示。

向量的模： 向量的大小，记作 $|\vec{M_1M_2}|$ 或 $|\vec{a}|$ 或 $|\mathbb{a}|$。

向径（矢径）： 起点为原点的向量。

自由向量： 与起点无关的向量（即只考虑大小和方向的向量）。

本文是作者自用的 Ubuntu 操作系统（版本 24.04）服务器的一次开荒记录。

初始化

使用 SSH 接入系统

在本地计算机上使用安全终端（Secure Shell，SSH）连接到远程服务器。命令行运行：

1

ssh <用户名>@<服务器地址>

上述命令是使用用户名和普通密码进行身份认证的，运行命令后需要输入密码。

事实上，采用此身份验证方式具有一定的暴力破解风险，因此推荐采用密钥对进行身份验证（后文会提到）。

以下是《军事理论》课程的知识要点，整理自 2023 年印次的教科书、 WYJ 的手写提纲和其他网络资料。由于时代发展，军事理论的具体课程内容可能存在时效性。

国防

国防概述

定义： 国防是国家为了防备和抵抗侵略、制止武装颠覆、保卫国家主权、统一、领土完整、安全和发展利益所进行的军事及与军事有关的政治、经济、外交、科技、文化、教育等方面的活动。它是一种历史现象，旨在防备和抵御各种外来侵略，以保障国家安全、维护国家利益、促进国家发展。

对上面的定义进行分解，可以得到如下内容：

• 主体： 国防的主体是国家。
• 对象： 国防的对象是 “侵略” “武装颠覆和分裂” 行为。
• 目的： 国防的目的是保卫国家主权、统一、领土完整、安全和发展利益。
• 手段： 国防的手段是军事及与军事有关的政治、经济、外交、科技、文化、教育等方面的活动。

极限

极限是无限趋近但是取不到的过程，它是一个“去心”的过程。

函数极限

函数极限的六种形式：$x\to\infty$，$x\to+\infty$，$x\to-\infty$，$x\to 0$，$x\to 0^+$，$x\to 0^-$。注意，当我们说趋近于 $\infty$ 或趋近于 $0$ 时，是包括了正负两个趋近方向的。

前置知识

收敛域

给定一个定义于 $I$ 上的函数项级数 $\sum_{n=1}^{\infty} u_n(x)$，将 $x_0 \in I$ 代入其中，得到一个常数项级数 $\sum_{n=1}^{\infty} u_n(x_0)$。

如果 $\sum_{n=1}^{\infty} u_n(x_0)$ 收敛，则称 $x_0$ 为对应的函数项级数的收敛点，否则称为发散点。函数项级数的所有收敛点的全体称为收敛域，所有发散点的全体称为发散域。