基于二次算术程序（Quadratic Arithmetic Programs，QAP）的一类零知识证明在现今非常常见，其代表方案有PGHR13 、Groth16 、GKMMM18 等。
这些方案的逻辑基本上遵循一下范式：将计算函数转化为算术电路（Arithmetic Circuit）利用QAP，将算术电路可满足性（Circuit-Satisfaction，C-SAT）问题规约为多项式间的整除性问题
转载
2024-01-11 15:22:31
258阅读
# 实现 iOS 代码静态测试 (QAC) 的完整指南
## 介绍
在软件开发过程中，代码的质量至关重要。静态代码分析（Quality Assurance Code，简称 QAC）是提升代码质量的重要手段，特别是在 iOS 开发中。本篇文章将带你了解如何实现 iOS 代码的静态测试，包括整个流程、每一步的具体操作和代码示例。
## 整体流程
为了帮助你更好地理解静态代码测试的过程，我们将整
QAZ配置及使用
原创
2023-10-12 16:37:17
1561阅读
1评论
这是SAST工具，严格说不算真正意义上的静态应用安全测试工具，但是它可以检测很多的静态指标。
QAC这款工具支持的度量属性。下面分成3类，函数度量、文件度量和类度量。
首先注意区分“最小路径覆盖”(minimum path cover)和“最小边覆盖”(minimum edge cover)以及“最小点覆盖”(minimum vertex cover)之间的区别。详细资料可以查询Wiki。 最小路径覆盖可以转化为二分图的最大匹配（maximum bipartite matching） 。公式为最小路径覆盖数=原图节点数-二分图最大匹配数。求最大匹配的方法有两种：
概述前面介绍了Prophet算法，Prophet在商业时间序列预测上有很大的优势，但是存在以下缺点：时间t上的观测值的分布只能是高斯分布无法高效处理大量相关时间序列下面开始介绍一种新的算法：亚马逊于2017年发表论文。DeepAR（Probabilistic Forecasting with Autoregressive Recurrent），这是一种将深度学习和概率模型结合起来的自回归模型。主要
转载
2023-08-31 21:59:08
94阅读
# 使用PyTorch实现BP算法的指南
在这篇文章中，我们将介绍如何使用PyTorch实现反向传播（Backpropagation, BP）算法。反向传播是深度学习中的一个重要算法，用于训练神经网络。对于刚入行的小白，我们将详细说明每一个步骤，并提供相应的代码示例。
## 实现流程
在实现BP算法的过程中，我们可以将整体流程分为以下几个步骤：
| 步骤 | 描述 |
|------|--
# BCQ算法在Pytorch中的实现
## 引言
在本文中，我将向你介绍如何在Pytorch中实现BCQ（Bootstrap Confidence Q-Iteration）算法。BCQ算法是一种用于解决强化学习中的连续动作空间问题的方法。它通过使用一个离线经验池和一个生成模型来优化动作选择策略，并且在训练中使用了一个生成器函数。
## BCQ算法流程
下面是BCQ算法的整体流程：
| 步骤
原创
2023-09-15 04:18:19
361阅读
SafeSEH原理及绕过技术浅析 摘要：主要介绍SafeSEH的基本原理和SafeSEH的绕过技术，重点在原理介绍。关键词：SafeSEH；绕过技术；异常处理 目录前言SafeSEH的保护原理（1） 二进制层面（2） 系统层面怎么关掉编译器的SafeSEH支持
# PyTorch中的MAML算法：一个元学习框架的入门介绍
在机器学习领域，元学习（Meta-Learning）逐渐成为一个重要的研究方向。尤其是在少量样本学习的场景中，元学习展现了其独特的优势。MAML（Model-Agnostic Meta-Learning）是一个非常流行且实用的元学习算法。本文将简要介绍MAML算法，并通过一种简单的PyTorch实现来帮助您理解其工作原理。
## 什
# MADDPG算法在PyTorch中的实现
## 引言
MADDPG（Multi-Agent Deep Deterministic Policy Gradient）算法是一种用于解决多智能体协同决策问题的强化学习算法。在多智能体系统中，每个智能体需要根据自身的观测和其他智能体的行为来进行决策，以达到整体系统的最优效果。MADDPG算法通过使用深度确定性策略梯度（DDPG）算法为每个智能体建立
原创
2023-11-30 16:17:51
370阅读
# PyTorch中的RAdam算法
在深度学习领域，优化算法的选择对模型的训练效果至关重要。目前，常用的优化算法有SGD、Adam等。本文将重点介绍一种变体——RAdam（Rectified Adam），并通过代码示例详细解析其实现。
## RAdam算法简介
RAdam是对Adam优化算法的一种改进，其核心思想是通过对自适应学习率进行修正，以提高收敛速度和稳定性。RAdam 主要解决了A
# 使用 PyTorch 实现推荐算法
推荐系统在现代互联网中扮演着重要角色，能够为用户提供个性化的内容和产品推荐。PyTorch 是一个深度学习框架，因其灵活性和强大的计算能力而受到广泛欢迎。本文将介绍如何使用 PyTorch 构建一个简单的推荐系统，并结合代码示例进行讲解。
## 推荐系统的基本概念
推荐系统主要分为三类：基于内容的过滤、协同过滤和混合推荐系统。协同过滤是最常用的方式，它
项目实现功能1. 搭建一个简单的图片分类器，完成训练和测试2. 转换pytorch的pth模型到ONNX格式，加载ONNX并测试项目结构images 目录下存放训练和测试数据集，本例使用了kaggle竞赛的猫狗数据集，统一resize到了120*120大小；TrainTestConvertOnnx.py TestOnnx.cpp 是onnx的加载和测试代码。文件概览：（注：方便
转载
2024-10-25 08:44:37
23阅读
在集成学习原理小结中，我们讲到了集成学习按照个体学习器之间是否存在依赖关系可以分为两类：第一个是个体学习器之间存在强依赖关系；另一类是个体学习器之间不存在强依赖关系。前者的代表算法就是提升(boosting)系列算法。在boosting系列算法中， Adaboost是最著名的算法之一。Adaboost既可以用作分类，也可以用作回归。本文就对Adaboost算法做一个总结。一 回顾boosting算
1. torch.nn与torch.nn.functional之间的区别和联系nn和nn.functional之间的差别如下，我们以conv2d的定义为例torch.nn.Conv2d import torch.nn.functional as F
class Conv2d(_ConvNd):
def __init__(self, in_channels, out_chann
文章目录来自于 https://tangshusen.me/Dive-into-DL-PyTorch/#/官方文档 https://pytorch.org/docs/stable/tensors.html一、创建tensor二、数据操作索引，共享内存改变形状 view,虽然改变了形状，但共享data内存返回新的副本，即不共享内存三、广播机制运算内存开销四、Tensor 和 NumPy 相互转换所
目录1.ppo算法概述2.Pendulum-v03.代码实现1.ppo算法概述 PG算法 上图表示actor与环境交互的一次经过，从开始的状态s1，actor输出a1到环境状
转载
2024-06-11 06:54:46
415阅读
SAP QM 事务代码QAC2的BUG？SAP QM模块里的事务代码QAC2可以用于将检验批上绑定的质检库存做转库动作。笔者近期在项目上发现该事务代码的一个令人费解的BUG，写下本文予以记录。如下检验批，其质检库存存放在存储地点0002。假定因为业务需要将该QI库存转入存储地点1000。我们可以执行事务代码
原创
2022-03-02 14:19:37
184阅读
