Blog posts

2019

2018

Poisson disk sample (泊松盘采样)

less than 1 minute read

Published:

今天组会时的一篇2017年TVCG的论文, “Uncertainty Visualization by Representative Sampling from Prediction Ensembles”,其中用到了一个随机采样的方法叫泊松盘采样,我感觉效果很棒,联想到之前投稿月我们图布局项目中也用到了随机采样,以后或许可以试试泊松盘,所以会后整理了一下这个采样方法。

Sphinx + GitHub + ReadtheDocs Build Wiki(使用 Sphinx + GitHub + ReadtheDocs 建立个人Wiki)

1 minute read

Published:

Sphinx 是一个基于ReStructuredText的文档生成工具,可以令人轻松的撰写出清晰且优美的文档, 由Georg Brandl在BSD许可证下开发。新版的Python文档就是由Sphinx生成的,并且它已成为Python项目首选的文档工具,同时它对C/C++项目也有很好的支持;并计划对其它开发语言添加特殊支持。
Read the Docs是一个在线文档托管服务,可以从各种版本控制系统中导入文档。支持webhooks,当你提交代码时,文档将被自动构建。
Sphinx + GitHub + ReadtheDocs 作为一个文档写作工具, 用Sphinx生成文档,GitHub托管文档,再导入到 ReadtheDocs。我们可以使用这个工具写文档、记笔记等。
我其实一直想做一个wiki,但是由于种种原因耽搁了下来,上次看到conda的document觉得还不错就下定决心花时间搭建起来。搭建中也参考了很多其他的博客,下面记录我在Ubuntu下的搭建过程。

Overfitting vs. Underfitting (过拟合与欠拟合)

less than 1 minute read

Published:

过拟合 vs. 欠拟合

欠拟合(underfitting)通常是由于学习器的学习能力不足,过拟合(overfitting)通常是由于学习能力过于强大。两者都会影响模型的泛化能力,但是解决这两个问题的方法迥然不同。 判断欠拟合或过拟合最简单直接的方法是画出学习曲线(learning curve)。过拟合的表现是: 训练误差很低(甚至为0),而测试误差很高,两者有很大的差距。而欠拟合的表现是: 训练误差和测试误差很接近,但都很高,下图是两个例子。 overfitting and underfitting

Install graph tools on Ubuntu16.04

1 minute read

Published:

I used graph-tool when I was participating in a paper submission and encountered some problems during installation, so this page intended to be a reference to avoid some unnecessary ‘bugs’ during installation.

2017

Wonder Wonder (我想 我想)

less than 1 minute read

Published:

每次听这首歌都有一种

蝉鸣的夏日
穿着大裤衩
双手交叉在脑后
自由散漫的走在
两边都是高高的梧桐树的
宽阔大马路中间
迎面吹来
夏日惬意的微风