others►-足球►球星

里奥·梅西（Lionel Messi），1987年6月24日出生于阿根廷圣菲省罗萨里奥市，阿根廷足球运动员，司职前锋，现效力于巴塞罗那足球俱乐部。

Math►-信号处理

傅里叶分析之掐死教程（完整版）更新于2014.06.06

简介

历史渊源

傅里叶变换是怎样发明的？怎样想到的？

疑问

为什么用

附录

三角函数之正交性 证明

正交是线性代数的概念，是垂直这一直观概念的推广。作为一个形容词，只有在一个确定的内积空间中才有意义。若内积空间中两向量的内积为0，则称它们是正交的。如果能够定义向量间的夹角，则正交可以直观的理解为垂直。

对于两个函数f 和g，可以定义如下的内积：

$$ \langle f,g\rangle_{w}=\int_{a}^{b}f(x)g(x)w(x)\,dx. $$

这里引进一个非负的权函数 $w(x)$。这个内积叫做带权$w(x)$的内积。

正交 - 维基百科

http://www.cosmosshadow.com/math/others/2015/08/24/%E7%94%A8%E5%9B%BE%E6%9D%A5%E8%A7%A3%E9%87%8A%E6%95%B0%E5%AD%A6%E5%8E%9F%E7%90%86.html
%A6%E5%8E%9F%E7%90%86.html

ML►deep learning►toolbox►tensorflow

Upgrade cuda & tensorflow

Step 1: Remove previous cuda completely

  1. To uninstall the CUDA Toolkit, run the uninstallation script provided in the bin directory of the toolkit. By default, it is located in /usr/local/cuda-7.5/bin:
    $ sudo /usr/local/cuda-7.5/bin/uninstall_cuda_7.5.pl

run the uninstall script in /usr/local/cuda-9.2/bin

  1. To uninstall the NVIDIA Driver, run nvidia-uninstall:
    $ sudo nvidia-uninstall
  1. Remove all nvidia drivers completely
    sudo apt-get autoremove –purge nvidia-*

Step 2: Install Cuda Toolkit

  1. Description: Toolkit contains

    1. NVIDIA Accelerated Graphics Driver
    2. OpenGL libraries
    3. CUDA 8.0 Toolkit

  2. Hit CTRL+ALT+F1 and login using your credentials.

  3. kill your current X server session by typing sudo service lightdm stop or sudo lightdm stop

  4. Enter runlevel 3 by typing sudo init 3 and install your .run file.
    Run sudo sh cuda_8.0.44_linux.run

  5. You might be required to reboot when the installation finishes.
    If not, run sudo service lightdm start or sudo start lightdm to start your X server again.

Step 3: Environment Setup

  • export PATH=/usr/local/cuda/bin:$PATH
  • export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

Step 4: Install CuDNN

  1. download CuDNN from https://developer.nvidia.com/cudnn

  2. Uncompress and copy the cuDNN files into the toolkit directory. Assuming the toolkit is
    installed in /usr/local/cuda, run the following commands

    tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz
    sudo cp cuda/include/cudnn.h /usr/local/cuda/include
    sudo cp cuda/lib64/libcudnn /usr/local/cuda/lib64
    sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn

Step 5: Upgrade tensorflow

  1. Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
    Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see “Installing from sources” below.
    $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0-cp27-none-linux_x86_64.whl

  2. $ sudo pip install –upgrade $TF_BINARY_URL

ML►deep learning►toolbox►tensorflow►low-level-api

【tensorflow系列】graph & session 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# method 1  
sess = tf.Session()  
print sess.run(…)  
sess.close()  

# method 2  
with tf.Session() as sess:  
   print sess.run(…)  

# method 3 - 仅用于交互式环境  
sess = tf.InteractiveSession()  
a = tf.constant(1.0)  
b = tf.constant(2.0)  
c = a + b  
# 我们直接使用'c.eval()' 而不是'sess.run'  
print(c.eval())  
sess.close()

对于 Graph 和 Session 的关系，需要记住，Graph 可以在对应多个 Session 中执行。

扩展阅读

others►机器人►Nao

账号信息

姓名： ala see
邮箱: qq
密码：l

用户名， 密码
nao nao
root root

（常用端口 ftp 21ssh 22telnet 23smtp 25）

sudo

Sudo and root permissions¶

sudo is available on NAOqi OS. Its usage is limited for shutting down Aldebaran robot.

$ sudo shutdown -h now
For any others commands requiring root permissions, you will have to use su and authenticate using the root user password.

Nao基本信息

系统版本

Naoqi 2.1.2.17 (两个机器人都是这个版本)
自动更新：： 我已经下载了系统版本 2.1.4.13。请重新启动我以便安装它。（断手机器人）

cat /proc/version
Linux version 2.6.33.9-rt31-aldebaran-rt (portage@bnob-2) (gcc version 4.5.3 (Gentoo 4.5.3-r1 p1.0, pie-0.4.5) ) #1 SMP PREEMPT RT Fri Nov 21 10:50:40 CET 2014

我的opennao虚拟机中的版本是 (portage@bnob-3)

‘’’

cat /proc/cpuinfo
processor : 0
vendor_id : GenuineIntel
cpu family : 6
model : 28
model name : Intel(R) Atom(TM) CPU Z530 @ 1.60GHz
stepping : 2
cpu MHz : 1600.000
cache size : 512 KB
physical id : 0
siblings : 2
core id : 0
cpu cores : 1
apicid : 0
initial apicid : 0
fdiv_bug : no
hlt_bug : no
f00f_bug : no
coma_bug : no
fpu : yes
fpu_exception : yes
cpuid level : 10
wp : yes
flags : fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe nx constant_tsc arch_perfmon pebs bts aperfmperf pni dtes64 monitor ds_cpl vmx est tm2 ssse3 xtpr pdcm movbe lahf_lm tpr_shadow vnmi flexpriority
bogomips : 3191.62
clflush size : 64
cache_alignment : 64
address sizes : 32 bits physical, 32 bits virtual
power management:

processor : 1
vendor_id : GenuineIntel
cpu family : 6
model : 28
model name : Intel(R) Atom(TM) CPU Z530 @ 1.60GHz
stepping : 2
cpu MHz : 1600.000
cache size : 512 KB
physical id : 0
siblings : 2
core id : 0
cpu cores : 1
apicid : 1
initial apicid : 1
fdiv_bug : no
hlt_bug : no
f00f_bug : no
coma_bug : no
fpu : yes
fpu_exception : yes
cpuid level : 10
wp : yes
flags : fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe nx constant_tsc arch_perfmon pebs bts aperfmperf pni dtes64 monitor ds_cpl vmx est tm2 ssse3 xtpr pdcm movbe lahf_lm tpr_shadow vnmi flexpriority
bogomips : 3191.83
clflush size : 64
cache_alignment : 64
address sizes : 32 bits physical, 32 bits virtual
power management:

df -lh
Filesystem Size Used Avail Use% Mounted on
rootfs 886M 807M 35M 96% /
/dev/root 886M 807M 35M 96% /
rc-svcdir 1.0M 92K 932K 9% /lib/rc/init.d
cgroup_root 10M 0 10M 0% /sys/fs/cgroup
udev 10M 124K 9.9M 2% /dev
tmpfs 502M 1.1M 501M 1% /dev/shm
tmpfs 502M 1.1M 501M 1% /var/volatile
/dev/mmcblk0p1 15G 1.1G 13G 8% /var/persistent
/dev/sda1 124M 6.8M 111M 6% /var/persistent/media/internal

top - 16:42:02 up 8:47, 2 users, load average: 1.76, 1.40, 1.13
Tasks: 149 total, 1 running, 148 sleeping, 0 stopped, 0 zombie
Cpu(s): 52.9%us, 10.8%sy, 0.0%ni, 14.1%id, 17.6%wa, 2.3%hi, 2.3%si, 0.0%st
Mem: 1026636k total（1G）, 1010188k used, 16448k free, 81196k buffers
Swap: 0k total, 0k used, 0k free, 454308k cached

Filesystem 1K-blocks Used Available Use% Mounted on
rootfs 907096 826444 34572 96% /
/dev/root 907096 826444 34572 96% /
rc-svcdir 1024 92 932 9% /lib/rc/init.d
cgroup_root 10240 0 10240 0% /sys/fs/cgroup
udev 10240 124 10116 2% /dev
tmpfs 513316 2800 510516 1% /dev/shm
tmpfs 513316 2636 510680 1% /var/volatile
/dev/mmcblk0p1 15312852 1365068 13169928 10% /var/persistent
/dev/sda1 126931 6905 113473 6% /var/persistent/media/internal
total 18302111（18G） 3030513 14395029 18%

32位系统 （运行： getconf LONG_BIT）

Base commands and programs

htop monitor process activity (many options are available use F1)
ldd list library dependencies
gdbserver start a remote gdb server

others►医疗

心脑血管疾病

心脑血管疾病是怎么得的？

血管怎么一天天被油脂堵死

黄色的“油脂”就是堵死血管的罪魁祸首

血管年龄

  • 最近情绪感到压抑
  • 对事情过于认真
  • 爱吃方便食品、饼干或点心
  • 喜食肉类
  • 缺少一定的锻炼
  • 吸烟指数（每天吸烟支数×吸烟年数）大于400
  • 爬楼时会感到胸痛
  • 常常觉得手足发凉、麻木
  • 经常丢三落四 。。。。。。。我偶尔丢三落四
  • 血压偏高
  • 胆固醇或者血糖值偏高
  • 亲属中有人死于心脑血管疾病

结论：
0～4 项：你的血管年龄正常。
5～7 项：血管年龄比生理年龄大10岁。
8～12 项：血管年龄比生理年龄大20岁。

我觉得

打印版

参考

others►-物理学

为什么所有的插头上的铁片都使用银而不使用铜？

  • 导电性：从电阻率表中我们看到，导电性最好的是银，其次是铜，再其次是锡。
  • 硬度：事实上，接插件是需要一定强度的。而锡和银很软，根本就没法满足接插件的插接强度。所以，接插件的本体都是铜，表面镀锡或者镀银而已。

接插件镀锡镀银真的仅仅只是为了提高导电性吗？

当导电材料流过电流后，只要电流的频率不太高，则电流是流过导电材料的整个截面的。即使当频率很高时，材料的趋肤效应也有一定的穿透深度。例如铜在50赫兹下的穿透深度是9.3毫米。

接插件一般都十分纤细，趋肤效应不是很大，因此电流会流过接插件的整个截面。

结论是：电接触其实是有很深的理论的。它涉及到材料、电化学、电气接触和温升理论、发热理论等等。其内容博大精深，涵盖了众多基础理论和工程实践。因此，有关电接触的表述绝不是这个蜻蜓点水帖子能够说明清楚的。

https://www.zhihu.com/question/57329327

others►politics►-american

什么是反恐

谁是恐？反恐要反谁？

恐怖分子是指一波人？还是一波国家？还是某些团体？

#

恐

中国怎么反恐，为什么要反恐？反

不同国家说的反恐 是一回事吗？

伊斯兰国家如何看待中国的反恐？

伊斯兰国家里是怎么看待伊斯兰恐怖主义的？

恐怖主义国家怎么看待自己？恐怖分子怎么看待自己？

伊斯兰怎么看待伊斯兰恐怖主义，就好比问纳粹如何看待法西斯灭犹，问皇军如何看待三光主义。这还用问吗？