qq_35933041的博客

很多人学习计算机图形学时首先尝试的都是OpenGL，因为其API比较简单。但是其底层已经相对比较落后。在进一步的学习中，vulkan（下面简称vk）是一定会接触到的东西。vk是OpenGL的开发团队针对新的硬件架构开发的新的跨平台图形API，适合高性能渲染。从这篇文章开始我将开始vk的学习，并且争取以最喂饭的方式讲解vk的学习路径，从而让不熟悉OpenGL的开发者也能上手vk。注意：不熟悉OpenGL不代表0基础，如果你完全不懂得图形学的话上手vk还是地狱难度的。因此建议先补充必要的图形学知识。

社会主义在发展过程中，由于各国国情的特殊性，即经济、政治、化等的差异性，生产力发展水平的不同，无产阶级政党自身成熟程度的不同，阶级基础与群众基础构成状况的不同，革命传统的不同，以及历史和现实的、国内和国际的各种因素的交互作用，社会主义发展道路必然呈现出多样性的特点。：第一，生产力发展状况的制约。第二，经济基础和上层建筑发展状况的制约：由于社会主义首先在经济文化相对落后的国家取得胜利，发展公有制经济，改造小农经济，建立、巩固和完善社会主义的经济基础，就成为无产阶级政权的一项十分艰巨的任务。

的范数很大时，单个数据的变化就会对整体造成很大的影响，这是我们不希望看到的。我们将点到直线的垂直距离记为模型的标签值，并且希望所有红色点的垂直距离为正，而黑色点的垂直距离为负，这样他们就一定分布在直线的异侧。他的结构是一个分层图，每层有节点，每层节点和下一层的节点之间有加权的边连接。对于每层的节点，我们将所有的输入边加权作为总的输入，然后处理则使用一个非线性的函数得出本节点的输出，这个函数被称为。随机取一个训练样本是有风险的，估计出来的模型可能是不准确的，而且一般需要更多的迭代步骤。

在各种各样的应用中，我们已经看到了神经网络的强大，尤其是多层级的神经网络，在一层层的处理中逐渐贴近最终的结果。所以在已知损失函数的情况下，我们从最后一层的导数算起，根据计算图逐步回推，最后计算出整个计算图的导数。事实上，反向传播的计算复杂度和层数成线性关系，和每层的单元数成平方关系，因为一条边就代表一次计算，而边的数量满足上述规律。在只有一个训练数据的情况下，梯度的计算依然可能变得非常麻烦，因为一个梯度可能涉及很多的变量，这就是反向传播的原理。，我们发现其都由下一层的处理结果得出，我们只需要计算对应的边。

因此其根据每步收到的数据就能进行梯度下降，而不是像普通的梯度下降，必须收到所有的数据知道。同样的，如果对于一个函数，其函数图像上两点连成的线段都在这个函数图像的上方，那么我们就说这个函数是一个凸函数，否则是一个凹函数。下面我们证明：上面的方法对于所有凸函数是收敛的。也就是，如果评估函数是一个凸函数，梯度下降法不会陷入无限迭代，一定会最终接近目标点。在微积分中，我们曾经提到过，一元函数是凸函数的条件是其二阶导数大于0，也就是。在线梯度下降的定理是一个基本定理，但是在线梯度下降的方法是什么呢？

当某次算法丢弃了场上所有的专家之后，我们让所有的专家重新加入并且继续执行。关于这个下界的解释是这样的：如果我们想要找到那个最好的专家，由于最好的专家会犯M次错误，因此我们至少也要试错2M次。事实上，在更实际的问题中几乎不可能存在这样的一个“完美的专家”。如果该预测结果是错的，就去除所有做出这个预测的专家。答案是采用不确定的算法，也就是下面讲到的随机加权主元算法。关于上述确定算法的下界有如下定理：如果最好的专家犯M次错误，那么加权主元算法最多犯。，所以犯的错误上界的数量一般取决于最好的专家犯几次错误。

在零和博弈中，是概率和对应收益乘积的总和（收益给定），在最大流问题中，是通往终点所有流量的总和。卡马卡方法又被称作内部点方法，它寻找最优解的方法并非从可行域边界的一个顶点出发，而是从可行域内部的一个点开始。线性规划可以是没有边界的，但是一般都是可行的，否则目标函数无解。单纯形法从可行域的一个顶点开始，依次和附近的点比较，如果发现新的最大值，就进行迁移。在许多情况下，这个方程是没有精确解的，这个时候我们转而去计算最接近的解，也就是要求。的交点上，那么其中一个在最新的这一步出现的概率是多少呢？

左边是一堆参数f相加，右边是一堆e相加，f和e未知数的总和是d+2k+1个，而带入d+2k+1个x的值对应d+2k+1个方程，而且方程必定有解，因此就可以解出所有的e和f。下面是另一个问题，假设在上面构造多项式的情景中，Alice要向Bob传d+1个数，但是在传输的过程中总会有k个数丢失，那么怎么才能保证Bob一定收的到这d+1个数呢？对于每个边，将图中的该边删去，判断剩下的图中是否还存在完美匹配。，这样Bob至少可以收到d+1个多项式的值，根据唯一重构定理，Bob可以计算出这个多项式从而得出所有的c。

这个算法的主要思路是，由于我们寻找主元，而一个数据流中主元最多就一个，因此我们只需要记录那个可能出现次数过半的就可以了。在现实中，数据流或者本身占用空间很大，或者数量很多，保存所有的数据流数据是不可能的。如果一个数据流中有一个数据的出现频率超过了0.5，那么这个数据就被叫做主元。等式的右边是因为每次所有计数器-1的操作都至少需要k次单个计数器+1的操作，因此减少所有计数器的操作最多只有。注意，这个算法得到的结果不一定是主元，但是这个数是最可能是主元的那一个。循环执行该操作，执行完毕时的数k就可能是主元。

(p.s:该系列是国际交流学术公开课的笔记，主讲人是Carnegie Melon University的终身教授David P. Woodruff.

蒙皮法是三种建模方法中最不常见的一种建模方法。树状结构法：有些建模对象比较复杂的时候，可以将其一部分看作一个子对象，再对这个这个子对象进行递归的观察。创建分割方案 ——> 画出CV曲线（4条一组，相互咬合） ——> 将曲线转化为曲面 ——> 调整曲面。使用归纳法进行建模时可能会遇到一个困难：如何将建模对象反向转化为基本几何形呢？直线法：将建模对象中的曲线转化为直线，可以帮助我们认知到归纳建模的先后顺序。轮廓法：观察建模对象的轮廓，思考最像那个几何形，就从那个几何形开始建模。

この文章はシリーズ「日本語曲の解説」の第三弾となり、曲の語彙、文法をレベル別に幾つかの色で示しています。《LOVE2000》原来是写于2000年的一首曲子（这也是为何它叫“LOVE2000”），在2024年7月份番剧《败犬女主太多了！》中，这首歌被剧中角色八奈见杏菜（CV.远野光）翻唱，一时间较为火热。这首曲子作为“顺接的小曲”，常和“逆接的小曲”《梅菲斯特》（番剧《我推的孩子》第一季片尾曲）相提并论。では、歌詞に参りましょう。

最近想看看图形学，选择速通LearnOpenGL，不出意外最耗时间的依然是配置环境。按照教程上的把GLFW等等配置的没有问题，但是在Assimp这里卡住了。原因是教程上说的不详细，而网上查的又和现在的版本相去甚远，导致捣鼓了好一段时间才搞定。

之前我们提到过，浮点数具有特定的表示形式。因此，在进行浮点数的运算之前，需要统一浮点数的表达方式。

この文章はシリーズ「日本語曲の解説」の第二弾となり、曲の語彙、文法をレベル別に幾つかの色で示しています。《春日影》是企划“BanG Dream!It's MyGO!!!”中的一首曲子。在同名动画中，这首曲子原由乐队“Crychic”制作。尽管曲子本身并不出众，但是却因为在动画剧情中具有特殊的地位而火了起来（では、歌詞に参りましょう。

回忆一下计算原码乘法时我们的计算步骤，再思考一下我们手算竖式除法的步骤，发现它们都有一个共同点，就是都需要移位。不同的点在于，乘法中每一步都是加法，而显然的，除法中的每一步都是减法。

原码的一位乘法是基于加法设计的。回想我们在竖式计算乘法时，都是通过一个数与另外一个数的另外一位相乘，最后相加得到结果。计算机计算原码一位乘法也是一样的原理。这里就涉及到计算时一个非常重要的操作：数据移位。

定点数的加减法是乘除法的基础，而定点数减法又基于定点数加法器。其中，加法器基于一位的全加器组成。这种串接的结构在计算中有两种的计算方式：串行计算和并行计算。其中，并行计算效率更高，但是电路相对复杂。

本章学习了机器数分类和表达方式，以及确认数据传输过程中没有错误的三种校验方法。这些表示方式方法是后期机器数计算的基础。而校验则可以减少数据传输错误所带来的不良影响。k+

本章关于计算机的系统结构和性能评价是非常重要的基础知识，其中涉及有关计算的部分需要着重注意。