1 并发(concurrency)与死锁1.1 例子如课本P8的复杂贩卖机进程：VMC=(in2p→(large→VMC∣small→out1p→VMC)∣in1p→(small→VMC∣in1p→(large→VMC∣in1p→STOP)))VMC = (in2p \to (large \to VMC | small \to out1p \to VMC) \\| in1p \to (s...

前面一二章所学习的进程分裂或协作的方式有：选择（P∣QP|QP∣Q）：用于和环境交互，由环境（CSP里亦用进程表示）选择当前动作以决定进程接下来的分支。并发（P∣∣QP||QP∣∣Q）：用于进程间的协作，或用于为进程施加影响它的环境进程。如上面所述的，一条竖线表达的选择即是确定性（deterministic）选择，确定性选择是环境能把控的。与之相对地可以引入不确定性（nondeterm...

1 进程的基本表示进程的普适表示是(x:A→P(x))(x:A \to P(x))(x:A→P(x))，意为选择字母表AAA中一动作xxx，在PPP执行过xxx这一动作后接下来的行为记作P(x)P(x)P(x)。A=αPA=\alpha PA=αP表示进程PPP的动作集合。STOPASTOP_ASTOPA​表示无法执行任何动作的进程（注意AAA不同STOPASTOP_ASTOPA​不同，但仅...

1 约束式建模前面学习的建模方式都是赋值式（Assignment Style） 的，可以将这些模型转换成一种约束式（Constraint Style） 的，多数时候都会让模型的表达更方便。例如，下面的模型表达的是某种机器在就绪（ready）时，如果有请求来了，就会开始忙碌（busy），否则接下来既可以就绪也可以忙碌：MODULE mainVARrequest : boolean;state : {

1 Redis主从架构的分布式锁失效问题1.1 问题描述在Redis主从架构中，写入都是写入主Redis实例，主实例会向从实例同步key。一个业务线程A通过向主Redis实例中写入来实现加分布式锁，加锁后开始执行业务代码。这时如果主Redis实例挂掉了，会选举出一个从Redis实例成为主的，如果刚刚加锁的key还没有来得及同步到从Redis中，那么选举出来的新的主Redis实例中就没有这个key，

无监督学习的一个重要作用就是降维(Dimension Reduction)，比如从大量的人员信息中自动学习到一些对业务有价值的特征，或者用于高维数据的可视化。传统的方法是用PCA、T-SNE或者一些简单的自编码器对数据进行降维。相比监督学习以Label为目标，无监督学习的目标就是原始数据自己。1 简述自动编码器（以下简称AE）是将构造的神经网络模型分为编码器(Encoder) 和解码器(De...

scipy的signal模块经常用于信号处理，卷积、傅里叶变换、各种滤波、差值算法等。两个一维信号卷积>>> import numpy as np>>> x=np.array([1,2,3])>>> h=np.array([4,5,6])>>> import scipy.signal>>> sci...

中值滤波技术能有效抑制噪声，通过把数字图像中一点的值用该点周围的各点值的中位数来代替，让这些值接近，以消除原图像中的噪声。模拟中值滤波>>> import random>>> import numpy as np>>> import scipy.signal as signal>>> x=np.arange(0,10...

BroadcastingBroadcasting也就和之前学MPI时候学的广播一样，能够实现自动维度扩展，有点像上节学的expand的功能，但是是自动完成的，而且不需要像repeat那样对数据进行拷贝，可以节省内存。从最后面的维度开始匹配。在前面插入若干维度。将维度的size从1通过expand变到和某个Tensor相同的维度。总之，Broadcasting也就是自动实现了若干uns...

二分法用于解决这样一类问题：一个区间能分成左右两部分，左半部分满足性质AAA，右半部分不满足性质AAA。问题的目标是求解这两部分的分界点。所以二分法和区间里有没有单调性其实没什么关系，但是很多问题里是从单调性导出了上面的性质，上面的性质才是一个问题能用二分法求解的最本质的性质。二分法每次取区间的中间元素，通过判断区间中点元素a[mid]是否满足性质AAA就能断定求解目标是在mid的左边还是右边，从