Post Archive

2026

Back to Top ↑

2025

hash映射

估算alpha id 和什么有关

1 min read

mac系统字典

目标是把 MongoDB 里存放的术语和定义，打包成可以在 macOS 自带“字典”应用中查询的本地词典。

~1 min read

Tauri 项目 Build 与 Release 实践总结

本文记录了我在使用 Tauri 构建桌面端应用时遇到的一些坑和解决方案，包括配置文件管理、macOS 编译、GitHub Actions 自动构建等内容。

~1 min read

选出最佳的因子组合

遗传算法(Genetic Algorithm): 1. generate a bunch of solutions 2. 算子：选择算子(selection)： Roulette Wheel Selection(轮盘赌): 1. 适应性越强概率越大，随机选择父母 2. Use accumulation of probability and bisect e.g. probability [0.25,0.25,0.5], accumulation [0.25,0.5,1], when using bisect —0—0.25—1—0.5—2—[prabablility bigger->interval of accumulation is bigger-> has more chance to be choosen] Tournament Selection(锦标赛)：1. random choose n 个个体，选出其中最好的 Linear(Exp) Ranking Selection: 排序，按照顺序线性(exp)确定probablility 交叉算子：uniform crossover: 变换father和mother的一些位 中间重组(浮点数)：取father和mother的随机中间数 变异算子：flipbit: 异或（二进制），随机替换（实数） 3. 编码二进制：range=(a,b), eps = 精度 ->int((x-b)/eps)转为二进制（编码位数： log((b-a)/eps) ） ！4. 遗产算法的编码非常重要？：要保证交叉算子起作用，即亲代可以强强联合，不然就和变异算子没有差别了

~1 min read

聚类

距离

~1 min read

blender学习: 内发光效果

  • 设置材质: 透明+自发光
    • 用transparent shader和emmision shader合成
    • 用layer weight node控制参数
      • Frensnel 模式(对比度更高): 和frensel node一样公式, 把用IOR调节, 改成0-1调节weight
      • Facing 模式: 按face面向镜头的角度调节weight
  • 添加辉光: 用Compositing的glare node -> Fog Glow
~1 min read

筛选适合阅读的论文

搜索步骤 目的 输入->输出
一级搜索 按时间, 类别, 标题搜索文章 获取标题, 作者, 文章链接, summary
二级搜索 判断summary是否对主题有用 summary + prompt -> yes/no
三级搜索 判断文章内容  
~1 min read

worldquant BRAIN 股票因子 (五 ) – 数据集理解

数据集 特点 信号
模型数据集(model) 大多是分数形式  
基本面数据   1. PE(市盈率) = eps/close
2. PS(市销率) = close*sharesout/revenue
3. cashflow/price
4. cashflow/sales
5. margin, pretax margin, operating margin
6. enterprise value
7. long term debt/operating income
风险数据   1. 用risk factor做neutralize
2. 用risk-return 代替returns
3.
量价数据 完整, 所有市场都有 1. 交易量激增(volume spike)
2. -returns
社交媒体数据 更新频率高
有时效性: 尽量不要超过1季度		  
期权数据集(Options)   1. IV_call, IV_put配对
分析师数据
 很多是vector数据
更新频率低
有很多异常值		 1. 预测和当前值的差异
2. 预测值随时间变化
3. 分析师修订模型数据
宏观数据(Macro)    
other数据   1. group分类数据
2. 用matrix 特征数据自己制作group
期权数据   1. O/S volume ratio=期权未平仓量/volume
1 min read

协程的用法

协程就是单线程多任务, 在一个任务等待的时候干点别的其他的任务. 所以包含等待的函数都要用协程的版本: 在需要时交出event loop的控制权.

python 协程的用法

~1 min read
Back to Top ↑

2024

Serverless服务

租虚拟服务器代替真实服务器

~1 min read

调整视频追踪物体

Final Cut Pro

  • 教程
  • 步骤:
    • 添加原视频
    • 在原视频上添加tracker, analysis跟踪物体的bbox
    • 复制原视频一份
    • 在复制视频的transformer应用之前的tracker, scale改成-100%
      • tracker的坐标和画面的坐标位置相反?
    • 把物体移到画面中间
    • 放大scale去掉黑边
~1 min read

摄像头测距

  • 问题定义: 从摄像头组拍摄的画面中得到汽车的3维bounding box
~1 min read

墙皮脱落问题

根据这个视频学习, 墙皮粉化, 剥落

~1 min read

掼蛋规则

两副扑克牌(54x2=108张, 对家是一队)

~1 min read

猫罐头调查

金交的罐头上有很多黑色的地方

~1 min read

柳树怎么表现

在上海的春天到处去赏花, 感觉没有一种花有柳树的视觉冲击力. 嫩黄的叶子让我有生命的实感, 看到叶子泛白干燥的时候, 我知道春天过去了.

~1 min read

blender学习: 冰材质

在IOR=1.31的透明材质基础上, 添加表面的凹凸和内部的裂痕, 气泡

~1 min read

FFT计算

  • fourier Series 定义:
    • $F(f)(u)=\int_{-\infty}^{\infty} f(x)e^{-2\pi i x u} dx$
    • 2维：$G(p,q)=F(g(x,y)) = \int\int^\infty_\infty g(x,y)e^{-i2\pi(px+qy)}dxdy$
      • 2维的可以拆分成1维
  • 离散形式: 信号$x$ 的FFT 信号$X$
    • $X_k=\sum_{m=0}^{N-1}x_m\cdot e^{-i\cdot 2\pi km/N}=\sum_{m=0}^{N-1}x_m\cdot TW(N,k)^m$
      • $N$ 是信号长度
      • $k$ 是sample的位置
      • $TW(N,k) = e^{-i*2k\pi/N}$ 是FFT 的twiddle factor(旋转因子)
        • $TW(N,k)=\cos(-2k\pi/N)+i\cdot \sin(-2k\pi/N)=TW_r(N,k)+i\cdot TW_i(N,k)$
~1 min read

pyside6一些功能的用法

pyside是qt的python封装, API的调用方法基本差不多. 用pyside从零开始写一个gui用于标注或测试(调参数或者看中间结果), 每次花费时间都比想象的要少的多. 功能方便而且代码的可读性非常好.

~1 min read

attention的优化– flash attention加速

flash-attention是一种算子合并(kernel fusion)的优化. 把self-attention分块, 直接在SRAM里计算, 省去了HBM来回搬运中间结果S和P的时间(如下图). self-attention由两层矩阵乘法, softmax, 和其他eltwise计算(mask, dropout)构成.

1 min read

attention的优化– 引进时序结构

在token很多(大模型用的超长文本), 或者本身数据是时间序列(比如语音, 视频流)的情况下, attention里面的weight会带来$O(token^2)$ 的内存消耗. state space model可以解决这个问题.

2 min read

stable-diffusion的用法: 用 lora+controlnet做风格转换

尝试只用ipadapter做猫的风格转换, 非常不成功, ipadapter还是无法控制输入的元素. 必须要用多张图片训练的LoRA才能固定ip.
另外, 猫脸上颜色分布的特征, 没有controlnet可以直接表示.

~1 min read

神经网络attention结构理解

在网络中, block是把input信息转换成output信息的过程: 一般, output(position, vector)是input(token, embedding vector)的线性组合, 组合的weight (position, token) 由input和output两方关系确定. 把着重强调这种信息交互的模块叫attention.

convolution

1 min read

常用的图像 reconstruction loss

输出为图像的任务, 比如enhance, deblur, super-resolution, generation等用到的loss, 主要分为以下几类

output和label相近

~1 min read

传感器颜色调制 (三) – 数据

各种颜色调制的数据对难以采集, 所以现在大部分颜色调制还是用多光谱数据仿真得到.

多光谱数据集

1 min read

用六边形构成半球

刷到关于《葬送的芙莉莲》里面六边形魔法防御结界的讨论，根据多面体欧拉公式，仅仅用正六边形是没法组成球体形状结界。我也非常理解制作组为什么不画个足球：毕竟是魔法阵，六边形画的又比较大，弄个五边形也不好看也不好解释。 Pasted image 20240102192929.png

~1 min read
Back to Top ↑

2023

双十二装机

趁着双十二激情下单，前后不到一天，选的配件都没什么性价比。

~1 min read

小红书学到的几种图片调色

感觉共同点是：为了追求画面简洁有冲击力，不约而同的压缩了亮度和颜色的动态范围。

版画滤镜

~1 min read
Back to Top ↑