Talk is cheap

发表于 更新于 分类于

Android Studio

Google将JDK、Android SDK都集成了，Android官方网就可以下载最新的开发工具：下载 Android Studio

创建Android项目

  1. New Project - Phone and Tablet - Empty Activity
image-20240821123557291
  1. Minimum SDK：设置项目最低能兼容的Android版本
阅读全文 »

发表于 更新于 分类于 ，

简介

Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），Anaconda致力于简化包管理和部署。Anaconda的包使用软件包管理系统Conda进行管理。

Anaconda3默认包含Python 3.7，但是用户可以创建虚拟环境来使用任意版本的Python包。

常用命令

  1. 查看conda版本：conda --version
  2. 查看conda的环境配置：conda config --show
  3. 更新conda：conda update conda
  4. 更新Anaconda整体：conda update Anaconda

管理环境

Conda允许创建相互隔离的虚拟环境（Virtual Environment），这些环境各自包含属于自己的文件、包以及他们的依存关系，并且不会相互干扰。

  1. 创建虚拟环境

    conda create -n env_name python=3.8

    不指定python版本时，自动创建基于最新python版本的虚拟环境。

  2. 创建虚拟环境时，安装必要的包

    conda create -n env_name numpy matplotlib python=3.8

  3. 列举虚拟环境

    conda env list

    所显示的列表中，前面带星号*的表示当前活动环境。

  4. 激活虚拟环境

    conda activate env_name

  5. 退出虚拟环境

    conda deactivate，回到base

  6. 删除虚拟环境、虚拟环境中的包

    • conda remove --name env_name --all
    • conda remove --name env_name package_name

  7. 导出环境

    conda env export --name myenv > myenv.yml

  8. 还原环境

    conda env create -f myenv.yml

管理Package

  1. 查询包的安装情况。

    • conda list
    • conda list pkgname*

  2. 查询当前Anaconda repository中是否有想要安装的包

    conda search package_name

  3. 安装、更新、卸载包

    • conda install package_name
    • conda update package_name
    • conda uninstall package_name

  4. 清理缓存

    • conda clean -p 删除没有用的包 –packages
    • conda clean -t 删除tar打包 –tarballs
    • conda clean -y -all 删除所有的安装包及cache(索引缓存、锁定文件、未使用过的包和tar包)

conda install vs pip install

  1. conda可以管理非python包，pip只能管理python包。
  2. conda自己可以用来创建环境，pip不能，需要依赖virtualenv之类的。
    conda安装的包是编译好的二进制文件，安装包文件过程中会自动安装依赖包；pip安装的包是wheel或源码，装过程中不会去支持python语言之外的依赖项。
  3. conda安装的包会统一下载到一个目录文件中，当环境B需要下载的包，之前其他环境安装过，就只需要把之间下载的文件复制到环境B中，下载一次多次安装。pip是直接下载到对应环境中。
  4. conda只能在conda管理的环境中使用，例如比如conda所创建的虚环境中使用。pip可以在任何环境中使用，在conda创建的环境 中使用pip命令，需要先安装pip（conda install pip ），然后可以 环境A 中使用pip 。
  5. conda 安装的包，pip可以卸载，但不能卸载依赖包，pip安装的包，只能用pip卸载。

由于conda的库不如pip的库丰富，有时候可能迫不得已要使用pip安装。只有在conda install搞不定时才使用pip intall。

Windows 通过WSL2 Ubuntu和Docker搭建深度学习环境

参考：

WSL2 Ubuntu安装Docker Engine

  1. 设置 Docker的 apt 仓库

    # Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# Add the repository to Apt sources:
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update

  2. 下载安装Docker的安装包

    sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

  3. 查看docker版本，确认是否成功安装。

    ❯ docker -v
Docker version 27.1.1, build 6312585

WSL2 下安装Anaconda的Docker镜像

参考Anaconda官网文档Docker — Anaconda documentation

# 拉取镜像
docker pull continuumio/miniconda3:24.5.0-0

# 启动容器
docker run -it --name=miniconda continuumio/miniconda3:24.5.0-0 bash

# 进入容器后，查看默认安装的Python版本
(base) root@8fead34bd870:/# python --version
Python 3.12.4

在miniconda3容器中安装cudatoolkit和cudnn

wsl2和windows11共用显卡驱动，因此我们只需安装cudatoolkit和cudnn。以后windows显卡驱动正常更新即可。

windows下nvidia-smi命令查看显卡驱动，以及支持的 CUDA 的最高版本，CUDA Version指的是可驱动的最高版本。

 nvidia-smi
Fri Aug  9 23:04:30 2024
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 531.79                 Driver Version: 531.79       CUDA Version: 12.1     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                      TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf            Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 3060 Ti    WDDM | 00000000:01:00.0  On |                  N/A |
|  0%   49C    P8               10W / 225W|    885MiB /  8192MiB |      3%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+

+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|    0   N/A  N/A      3008    C+G   C:\Program Files\Typora\Typora.exe        N/A      |
|    0   N/A  N/A      3372    C+G   ...ekyb3d8bbwe\PhoneExperienceHost.exe    N/A      |
|    0   N/A  N/A      7852    C+G   ...nt.CBS_cw5n1h2txyewy\SearchHost.exe    N/A      |
|    0   N/A  N/A      9944    C+G   ...CBS_cw5n1h2txyewy\TextInputHost.exe    N/A      |
|    0   N/A  N/A     11300    C+G   ...les\Microsoft OneDrive\OneDrive.exe    N/A      |
|    0   N/A  N/A     11628    C+G   ...t.LockApp_cw5n1h2txyewy\LockApp.exe    N/A      |
|    0   N/A  N/A     11632    C+G   ...5n1h2txyewy\ShellExperienceHost.exe    N/A      |
|    0   N/A  N/A     14872    C+G   C:\Windows\explorer.exe                   N/A      |
|    0   N/A  N/A     15800    C+G   ...2txyewy\StartMenuExperienceHost.exe    N/A      |
|    0   N/A  N/A     16008    C+G   ...siveControlPanel\SystemSettings.exe    N/A      |
|    0   N/A  N/A     16976    C+G   ...64__v826wp6bftszj\TranslucentTB.exe    N/A      |
|    0   N/A  N/A     20136    C+G   ...42.0_x64__8wekyb3d8bbwe\GameBar.exe    N/A      |
|    0   N/A  N/A     21440    C+G   ...ram Files (x86)\Anycast\Anycast.exe    N/A      |
|    0   N/A  N/A     21848    C+G   ...crosoft\Edge\Application\msedge.exe    N/A      |
|    0   N/A  N/A     22204    C+G   ...tionsPlus\logioptionsplus_agent.exe    N/A      |
|    0   N/A  N/A     27108    C+G   ...voice\logioptionsplus_logivoice.exe    N/A      |
+---------------------------------------------------------------------------------------+

根据可驱动的最高版本直接去官网下载对应版本：https://developer.nvidia.com/cuda-toolkit-archive

image-20240809232152015

执行官网提供的安装命令：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda

创建环境，安装pytorch

conda create -n pytorch python=3.10

conda active pytorch

Start Locally | PyTorch

根据官网确定环境配置，得到相应的安装命令：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

plan2

基于 WSL2 和 Docker 的深度学习环境指北 - duanyll

安装Docker Engine

安装 NVIDIA Container Toolkit

安装带 CUDA 的 PyTorch 镜像

pytorch/pytorch:2.4.0-cuda12.1-cudnn9-devel

若想要使用pycharm连接docker容器，容器端口号必须指定为22，因为SFTP默认使用22端口。

docker run -it –gpus all -p 8077:22 pytorch/pytorch:2.4.0-cuda12.1-cudnn9-devel

进入容器，用which python查看，为/opt/conda/bin/python，可知默认使用conda来管理环境和package。

容器中安装SSH

sudo apt purge openssh-server # wsl2 自带的好像 sshd 不完整，先删除掉

apt update

apt -y upgrade

apt install -y vim openssh-server

service ssh start

service ssh status

设置root密码和配置文件

passwd root

vim /etc/ssh/sshd_config

添加如下内容

#启用公钥私钥配对认证方式
PubkeyAuthentication yes 
#公钥文件路径（和上面生成的文件同）
AuthorizedKeysFile .ssh/authorized_keys 
#root能使用ssh登录
PermitRootLogin yes

重启ssh

service ssh restart

【详细教程】pycharm使用docker容器开发_pycharm docker-CSDN博客

不知道为什么连不上，只能正常连接子系统和docker。

修复 WSL2 镜像网络模式下无法连接 Docker 的问题 - sulinehk blog - 专注于计算机科学与软件工程的技术博客

可能是添加了这个配置才好的。

直接运行项目中的jupyter notebook内容，会报错：

Running as root is not recommended. Use --allow-root to bypass.

在容器中执行：

jupyter server --generate-config

# 自动生成默认配置
Writing default config to: /root/.jupyter/jupyter_server_config.py

# 在如下文件中添加 c.ServerApp.allow_root = True
vim /root/.jupyter/jupyter_server_config.py

安装matplotlib

Matplotlib 是 Python 的绘图库。

conda install -y matplotlib

Matplotlib Pyplot

Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。

Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。

Pyplot 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。

使用的时候，我们可以使用 import 导入 pyplot 库，并设置一个别名plt：

import matplotlib.pyplot as plt

一些常用的 pyplot 函数：

  • plot()：用于绘制线图和散点图
  • scatter()：用于绘制散点图
  • bar()：用于绘制垂直条形图和水平条形图
  • hist()：用于绘制直方图
  • pie()：用于绘制饼图
  • imshow()：用于绘制图像
  • subplots()：用于创建子图

发表于 更新于 分类于 ，

概述

SpringSecurity是一个基于Spring开发的非常强大的权限验证框架，其核心功能包括：

  • 认证 （用户登录）
  • 授权 （此用户能够做哪些事情）
  • 攻击防护 （防止伪造身份攻击）
阅读全文 »

发表于 更新于 分类于 ，

MVC理论基础

MVC架构：

MVC架构

三层架构：

img
  • Model包括数据访问层和业务层
  • View属于表示层
  • Controllert通常被视为表示层的一部分，但也可能包含一些轻量级的业务逻辑

三层架构中，最关键的是表示层：

  • 它直接与用户交互，所有的请求都经过表示层解析，再告知业务层处理。
  • 所有页面的返回和数据的填充也靠表示层来完成。

SpringMVC就是一个优秀的表示层框架，将业务逻辑和表示逻辑解耦，更加精细地划分对应的职责，最后将View和Model进行渲染，得到最终的页面并返回给前端。

阅读全文 »

发表于 更新于 分类于

ACID原则

事务机制遵循ACID原则：

  • Atomicity 原子性：事务是一个原子操作，由一系列操作组成。事务的原子性确保所有操作要么完成，要么完全不起作用（完整性）。
  • Consistency 一致性：事务执行前后，系统必须确保它所建模的业务处于一致的状态。例如转账，无论事务是否成功，转账者和收款人的总额应该不变。
  • Isolation 隔离性：并发操作相同的数据时，各事务之间相互独立。（但难免会存在冲突）
  • Durability 持久性：一旦事务完成，它对数据的改变是持久的，即使数据库发生故障也不影响持久性。

只有保证了事务的持久性、原子性、隔离性之后，一致性才能得到保障（A、I、D是手段，C是目的）。

阅读全文 »

发表于 更新于 分类于 ， ，

现象

发起HTTP请求调用，控制台报错：

org.springframework.web.HttpMediaTypeNotAcceptableException: No acceptable representation

​ at org.springframework.web.servlet.mvc.method.annotation.AbstractMessageConverterMethodProcessor.writeWithMessageConverters(AbstractMessageConverterMethodProcessor.java:322) ~[spring-webmvc-6.1.10.jar:6.1.10]

阅读全文 »

发表于 更新于 分类于 ，

任何接口，如果只包含一个抽象方法，它就是一个函数式接口。对于函数式接口，可以通过Lambda表达式来创建该接口的对象

Runnable就是一个函数式接口。

  1. 新建一个函数式接口，并在抽象方法上加上@Transactional的事务注解。
  2. 在实际业务逻辑中需要事务的地方，通过Lambda表达式创建该接口的对象（必须实现唯一的抽象方法）。
  3. 执行该接口对象的方法，即将方法内的逻辑以事务的形式去执行。

spring事务的依赖：

<dependency>
    <groupId>org.springframework</groupId>
    <artifactId>spring-tx</artifactId>
</dependency>
public class Test {
    public void testTransaction() {
        int a = 0;
        int b = 1;

        TransactionConsumer transactionConsumer = () -> {
            insertDataA(a);
            updateDataB(b);
        };
        transactionConsumer.doInTransaction();
    }

    private void updateDataB(int b) {
    }

    private void insertDataA(int a) {
    }
}

@FunctionalInterface
public interface TransactionConsumer {
    @Transactional
    void doInTransaction();
}

发表于 更新于 分类于 ，

Lombok介绍

Lombok 项目其实就是一个 java 库，它可以自动插入到编辑器和构建工具中，增强 java 的性能。以后你 只需要一些简单的注解，就可以再也不用在类中反复去写 getter、equals 等方法，让代码变得简介，不用过多地去关注相应的方法。属性修改时，也简化了维护这些属性所生成的 get、set 方法。

使用方式：

  1. IDEA 下载 Lombok 插件

  2. 项目中导入 Lombok 的 jar 包

<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <version>1.18.26</version>
</dependency>
  1. 在 实体类 上使用 Lombok 注解
阅读全文 »

发表于 更新于 分类于 ，

“::” 的含义

在 Java 中，双冒号 “::” 是 方法引用的语法。方法引用是一种 简化 Lambda 表达式的语法结构，使代码更加简洁易读。并且在使用方法引用时，会根据上下文推断参数类型，因此 特别适用于直接引用已有方法的情况。

“::” 的用法

方法引用的一般形式：

ClassName::methodName

其中，ClassName 是包含方法 methodName 的类名。

0%