Posts on 👑 Spencer's Blog

Recent content in Posts on 👑 Spencer's Blog

Latest articles

Hit count:用 Google Analytics + Vercel Serverless 为文章添加浏览量统计

:::note 🍍 编者按 本文灵感和部分方法极大程度来源于 @printempw 的文章:使用 Google Analytics API 实现博客阅读量统计,感谢。( o=^•ェ•)o ::: 静态网站是没有后端服务的,仅有一个前端页面用来渲染网站的全部内容。虽然从部署、管理和访问速度的角度来说,静态网站还是有点优势的,但是没有后端就意味着没有「评论系统」、「浏览量统计」、「登录鉴权」等等功能。如果想要实现这些功能,就必须依赖第三方的服务,才能实现类似的需要。许多同学都像我一样:在自己的博客网站里使用 Google Analytics 用来统计访问量和阅读数,因此对于「浏览量统计」这个功能来说,我们其实可以借助 Google Analytics API 来将我们在管理后台看到的部分数据显示在网站前端里面,从而实现「文章访问、阅读数量」显示的功能。...

Eureka!对,正是那个时刻

昨天晚上我们松散的大学班级在腾讯会议上结束了大学最后一次「班会」,很多人也可能是最后一次「见面」。昨天的活动也让我在这个毕业季终于有了一点毕业的感觉。情感不能像纯理性的论文或者科普教程一样能掰开了揉碎了来介绍讲解,我也不知道纯情感的「牢骚」适不适合发出来让大伙一起看看,甚至不知道直接发在我这个想要专注写技术的博客上面会不会太一言难尽。不管了,总之它来了。 虽说是情感,其实主要是流水账,我主要想谈谈我大学里的 Eureka moment 对我来说是多么的重要。实话说,我刚入大学时确实一腔热血投入 CS 的学习,但是当时我对计算机的的确确一无所知。虽然高中我参加过有限的几次 C 语言培训,也获得过省里的名次,但是刚上大一的我,可能也就比身边的同学多知道 C 语言需要写头文件才能编译以及 Dev...

论文阅读:Nesterov Accelerated Gradient And Scale Invariance For Adversarial Attacks

这周组会分享了一篇论文:Nesterov Accelerated Gradient And Scale Invariance For Adversarial Attacks。这篇论文是一篇 ICLR 2020 的文章,作者是华中科技大学、北京大学和康奈尔大学的实验室。主要提出了 NI-FGSM 和 SIM 两种 Transfer-based 黑盒攻击。 论文贡献 :::note 🍗 主要贡献 In this work, from the perspective of regarding the adversarial example generation as an optimization process, we propose two new methods to improve the...

Netlify or VuePress:大型悬疑推理篇之——报错到底是谁的锅?

Dev on Windows with WSL 是我目前维护比较频繁的一个文档,它介绍了在 Windows 上使用 WSL 进行开发的环境配置、注意事项以及高阶操作等,我们称它为 dowww。我使用的是非常优秀的基于 Vue 的静态文档生成器:VuePress,来构建 dowww 的文档网站,并(曾经)借助于 Netlify 来将文档的静态页面部署在网络上,让大家可以访问参考。 随着 WSL 的不断更新,我们的 dowww 文档也在不断迭代,为了让 dowww 文档网站能够回溯历史版本,我参考了在 VuePress 项目的 issue 区中 Docs versioning mechanism 这一 issue 提到的一种方案,自定义实现了「多版本文档」这一 VuePress 尚未实现的功能。随后,在...

Norm:简单介绍如何衡量机器学习中向量的「大小」

定量的衡量一个向量的长度或者大小往往是机器学习向量运算、矩阵运算中非常必要的一个任务,我们往往将「向量的长度」称为向量的范数:Vector's Norm。 范数(norm):是具有「长度」概念的函数。在线性代数、泛函分析及相关的数学领域,是一个函数,其为向量空间内的所有向量赋予非零的正长度或大小。[^1] 最近,我在对抗样本攻击的研究中,需要定量的衡量「对抗样本」和「原图」之间的「扰动大小」。事实上,在机器学习里,不论是「对抗样本」还是其他的图片,它们本质上都可以用向量来表示,在 Python 中使用 Numpy 矩阵来存储和运算。这篇文章简单介绍(记录)一下一些 $\ell_p$ 范数的计算方法以及代码实现。 :::note 对抗样本(Adversarial Examples)是神经网络模型中的一种...

Norm:简单介绍如何衡量机器学习中向量的「大小」

定量的衡量一个向量的长度或者大小往往是机器学习向量运算、矩阵运算中非常必要的一个任务,我们往往将「向量的长度」称为向量的范数:Vector's Norm。 范数(norm):是具有「长度」概念的函数。在线性代数、泛函分析及相关的数学领域,是一个函数,其为向量空间内的所有向量赋予非零的正长度或大小。[^1] 最近,我在对抗样本攻击的研究中,需要定量的衡量「对抗样本」和「原图」之间的「扰动大小」。事实上,在机器学习里,不论是「对抗样本」还是其他的图片,它们本质上都可以用向量来表示,在 Python 中使用 Numpy 矩阵来存储和运算。这篇文章简单介绍(记录)一下一些 $\ell_p$ 范数的计算方法以及代码实现。 :::note 对抗样本(Adversarial Examples)是神经网络模型中的一种...

Substats:快速统计你在各个平台的关注者!

:::note SUBSTATS Serverless Function to Count How Many People are Subscribed to You in Your Favorite Services. 你只管调用,我们来帮你找订阅者! ::: 在 上一篇文章 里面,我在开头用 Feedly 的 API 和 Shields.io 制作了显示我 RSS 订阅数量的 Badge。这个 Badge 不仅是实时更新、动态加载的,还能轻松嵌入各个网页里面。 但是,RSS 订阅服务不仅仅有 Feedly 一家,还有 Inoreader 和 NewsBlur 等等。单一个 Feedly 提供的数据并不能真正显示我们 RSS 链接的订阅人数,于是,我就准备用 Serverless...

Tiny Tiny RSS:部署中的普遍问题与注意事项总结

最近一直在折腾 Tiny Tiny RSS,包括升级、添加样式和持久化。由于我是直接使用了 Awesome TTRSS 项目提供的 docker-compose.yml 部署的 Docker 版本 Tiny Tiny RSS,所以一些经验还是具有普遍性、值得分享的。这里我总结一下我在部署 Tiny Tiny RSS 过程中遇到的一些「普遍问题」和「注意事项」。 关于如何在自己的服务器上面部署 Tiny Tiny RSS: Tiny Tiny RSS | 最速部署私有 RSS 服务器:我的博客 找不到满意的 RSS 服务?你可以自己搭建一个:我的少数派文章 另外,订阅我博客 RSS 的同学已经达到了惊人的 10 个(来自 Feedly 的数据)!谢谢各位的关注。🙇‍♂️ 如何直接更新最新版本的...

Remote Jupyter Lab:如何用 Jupyter Lab 将远程服务器资源最大化利用

🎃 编者按: 本文原文以英文发表于 Medium - SpencerWeekly,本处仅为援引。本文将不会被翻译,也不会被转载至此中文博客。 Spencer Weekly: Remote Jupyter Lab: how to utilize Jupyter Lab to its fullest on a remote server?

「输出」开销:为什么我们向 stdout 输出时那么慢?

> 本文发布于 Medium: [Console output overhead: why is writing to stdout so slow?](https://medium.com/spencerweekly/console-output-overhead-why-is-writing-to-stdout-so-slow-b0cc7c88704c) Generally, when we code through our projects, we need to output certain values in order to understand what the program is currently doing and what results it shows....

Discover, share and read the best on the web

Subscribe to RSS Feeds, Blogs, Podcasts, Twitter searches, Facebook pages, even Email Newsletters! Get unfiltered news feeds or filter them to your liking.

Get Inoreader
Inoreader - Subscribe to RSS Feeds, Blogs, Podcasts, Twitter searches, Facebook pages, even Email Newsletters!