阿風的學業紀錄

2026年2月19日星期四

KMP 演算法

背景：假設有字串 s 跟比較對象 pattern，檢查是否有 pattern 存在於 s。

目的：字串匹配時，暴力法會是每個字元 s[i] 作為起始點來看是否為 pattern，這樣的時間複雜度是 O(n*m)。

KMP 演算法藉由陣列 next 儲存 pattern 本身的「最長共同前後綴 (prefix/postfix)」來節省每次都要從頭匹配的 bottleneck，達成 O(n) 的複雜度。

2026年2月18日星期三

SQL Note

-- SELECT ...

-- FROM ...
-- WHERE ...       -- ✅ 分組前過濾資料
-- GROUP BY ...    -- ✅ 再分組
-- HAVING ...      -- ✅ 分組後過濾聚合結果
-- ORDER BY ...

`GROUP BY` 的規則

當你使用 GROUP BY 時：

SELECT 中的欄位 只能是：

GROUP BY 裡的欄位
聚合函數（COUNT, SUM, MAX...）

MIN() 和 MAX() 是 聚合函數，不能放在 WHERE

聚合函數要在 GROUP BY 後 使用，所以應該放在 HAVING 子句

2025年8月17日星期日

322. Coin Change

動規五部曲分別為:

1. 確定dp數組(dp table)以及下標的含義

2. 確定遞推公式

3. dp數組如何初始化

4. 確定遍歷順序

5. 舉例推導dp數組

(from 代碼隨想錄)

2025年8月15日星期五

91. Decode Ways

動規五部曲分別為:

1. 確定dp數組(dp table)以及下標的含義

2. 確定遞推公式

3. dp數組如何初始化

4. 確定遍歷順序

5. 舉例推導dp數組

(from 代碼隨想錄)

2025年8月14日星期四

5. Longest Palindromic Substring

動規五部曲分別為:

1. 確定dp數組(dp table)以及下標的含義

2. 確定遞推公式

3. dp數組如何初始化

4. 確定遍歷順序

5. 舉例推導dp數組

(from 代碼隨想錄)

2025年8月13日星期三

213. House Robber II

動規五部曲分別為:

1. 確定dp數組(dp table)以及下標的含義

2. 確定遞推公式

3. dp數組如何初始化

4. 確定遍歷順序

5. 舉例推導dp數組

(from 代碼隨想錄)

198. House Robber

動規五部曲分別為:

1. 確定dp數組(dp table)以及下標的含義

2. 確定遞推公式

3. dp數組如何初始化

4. 確定遍歷順序

5. 舉例推導dp數組

(from 代碼隨想錄)

2025年8月12日星期二

70. Climbing Stairs

動規五部曲分別為:

1. 確定dp數組(dp table)以及下標的含義

2. 確定遞推公式

3. dp數組如何初始化

4. 確定遍歷順序

5. 舉例推導dp數組

(from 代碼隨想錄)

2025年2月3日星期一

使用 accelerate 將部分參數 offload 到 CPU 上

有時手上的 GPU memory 不夠跑模型，舉例：eva-clip-8b，可以使用 accelerate 將部分參數 offload 到 CPU 上。

https://github.com/baaivision/EVA/issues/147

https://blog.csdn.net/qq_42363032/article/details/139597486

2025年1月31日星期五

清電腦空間魔術之 annaconda

conda clean --all

魔術指令，一下清掉幾十G。

2025年1月29日星期三

刪除本地端下載的 huggingface 模型

https://stackoverflow.com/questions/65037368/remove-downloaded-tensorflow-and-pytorchhugging-face-models

pip install huggingface_hub["cli"]

huggingface-cli delete-cache

2025年1月13日星期一

Windows 壓縮 vhdx

https://answers.microsoft.com/en-us/windows/forum/all/optimize-vhd-not-found-in-windows-10-home/a727b760-0f82-4d0f-8480-d49eeaeb11a2

https://superuser.com/questions/1307441/powershell-resize-vhd-is-not-recognized-as-the-name-of-a-cmdlet

wsl --shutdown
diskpart
# open Diskpart in new window
select vdisk file="C:\WSL-Distros\…\ext4.vhdx"
attach vdisk readonly
compact vdisk
detach vdisk
exit

2024年2月17日星期六

1642. Furthest Building You Can Reach

解題思路

我們可以用的有 ladder (無視兩鄉鄰建築物落差) 跟 brick。很直覺的是，我們肯定是把落差最大的那幾次用 ladder，其他幾次用 brick。

所以可以得知下面的公式：

落差總和 - 最大幾次總和 = 剩下來用 brick 補足的 <= 既有 brick 數

求最大幾次(用 ladder 的)，可以用 minHeap 來完成，概念可參考 215. Kth Largest Element in an Array 這題。

程式碼

class Solution {
public:
    int furthestBuilding(vector<int>& heights, int bricks, int ladders) {
        long long int sum = 0, topKSum = 0, i;
        priority_queue<int, vector<int>, greater<int>> pq;

        for(i=1; i<heights.size(); i++)
        {
            int diff = heights[i] - heights[i-1];
            if(diff > 0)
            {
                sum += diff;
                topKSum += diff;
                pq.push(diff);
                if(pq.size() > ladders)
                {
                    topKSum -= pq.top();
                    pq.pop();
                }
                if(sum - topKSum > bricks)
                    break;
            }
        }
        return i-1;
    }
};

2024年2月7日星期三

C++ 刷題常用模板

1. 比較

bool cmp(<T>& a, <T>& b)

{

return a > b;

}

sort(v.begin(), v.end(), cmp());

Note: cmp 裡面 return 的順序等於希望最終長怎樣的條件

2024年1月21日星期日

Node.js/Windows error: ENOENT, stat 'C:\Users\RT\AppData\Roaming\npm'

npm install npm -g

done!

2024年1月18日星期四

修課心得模板

課程名稱

授課老師：

修課年度：

評分方式：

心得：

2024年1月8日星期一

Bad permissions. Try removing permissions for user......

問題：

用 ssh 連線時出現錯誤訊息：Bad permissions. Try removing permissions for user: LAPTOP-xxxxxx\\user2 on file C:/Users/user1/.ssh/config.

(user1 是我自己在用的帳號，user2 是電腦中存在但不是正在用的帳號。)

解決方法：

先進到 C:\Users\user1\.ssh

對 .ssh 右鍵 > 關閉繼承 > r將繼承的權限轉換物件的明確權限

接著把 user2 移除，最後按 apply

Done!

Ref:

https://stackoverflow.com/questions/49926386/openssh-windows-bad-owner-or-permissions

https://leesonhsu.blogspot.com/2021/03/ssh-key-windows-permission-denied.html

2023年11月8日星期三

FastAIoT config 欄位

"name": Service 名稱

"central_broker" & "app_broker": port 與 IP 的設定

"host"

"management_port"

"connection_port"

"input": DataName_DataFormat (ex: png_image, acc_nparray)

"output": DataName_DataFormat (ex: fall_text, speech_text)

"topology": "source" & "destination" pair

"type": "input", "output", "server"

"queue":

if type == "input" or "output": DataName_DataFormat

else: ModelName_<input/output>_DataFormat

(ex: "HumanDetector_output_image", "FallDetectorLSTM_input_nparray")

(ex:

"source":

"type": "input",

"queue": "png_image"

"destination":

"type": "server",

"queue": "FallDetectorGCN_input_image")

FastAIoT 平台，自建 service

不用 central broker 版本:

import pika, sys, os

import numpy as np

import cv2

import torch

from torch import nn

import torchvision

os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

# load the COCO dataset category names

# we will use the same list for this notebook

COCO_INSTANCE_CATEGORY_NAMES = [

'__background__', 'person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus',

'train', 'truck', 'boat', 'traffic light', 'fire hydrant', 'N/A', 'stop sign',

'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow',

'elephant', 'bear', 'zebra', 'giraffe', 'N/A', 'backpack', 'umbrella', 'N/A', 'N/A',

'handbag', 'tie', 'suitcase', 'frisbee', 'skis', 'snowboard', 'sports ball',

'kite', 'baseball bat', 'baseball glove', 'skateboard', 'surfboard', 'tennis racket',

'bottle', 'N/A', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl',

'banana', 'apple', 'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza',

'donut', 'cake', 'chair', 'couch', 'potted plant', 'bed', 'N/A', 'dining table',

'N/A', 'N/A', 'toilet', 'N/A', 'tv', 'laptop', 'mouse', 'remote', 'keyboard', 'cell phone',

'microwave', 'oven', 'toaster', 'sink', 'refrigerator', 'N/A', 'book',

'clock', 'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush'

]

model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)

model.eval()

class PersonDetector():

def __init__(self) -> None:

self.connection = pika.BlockingConnection(pika.ConnectionParameters(host='192.168.56.1', port=5672))

self.channel = self.connection.channel()

self.channel.exchange_declare(exchange="PersonDetector", exchange_type="topic", auto_delete=True, arguments={"output":["PersonDetector_output_text"]})

self.channel.queue_declare(queue='PersonDetector_input_image', exclusive=True)

self.channel.queue_bind(queue="PersonDetector_input_image", exchange="PersonDetector", routing_key=f"*.*.*.image")

# load model

print("Start loading model")

#model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)

#model.eval()

print("Load model successfully")

def __callback(self, ch, method, properties, body):

if "PersonDetector" in method.routing_key:

pass

else:

routing_key_tokens = method.routing_key.split(".")

app_name = routing_key_tokens[0]

client_id = routing_key_tokens[1]

# preprocessing

img_bytes = np.frombuffer(body, dtype=np.uint8)

img = cv2.imdecode(img_bytes, 1)

cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

img = img.astype(np.float32) / 255.0

img = torch.tensor(img)

img = img.permute(2, 0, 1)

# detect

pred = model([img])

pred_class = [COCO_INSTANCE_CATEGORY_NAMES[i] for i in list(pred[0]['labels'].numpy())]

pred_boxes = [[(i[0], i[1]), (i[2], i[3])] for i in list(pred[0]['boxes'].detach().numpy())]

pred_score = list(pred[0]['scores'].detach().numpy())

pred_t = [pred_score.index(x) for x in pred_score if x>0.7][-1]

pred_boxes = pred_boxes[:pred_t+1]

pred_class = pred_class[:pred_t+1]

for cls in pred_class:

if cls == "person":

print(f"person detect!!!")

def run(self):

self.channel.basic_consume(queue='PersonDetector_input_image', on_message_callback=self.__callback, auto_ack=True)

print(' [*] Waiting for messages. To exit press CTRL+C')

self.channel.start_consuming()

if __name__ == '__main__':

try:

detector = PersonDetector()

detector.run()

except KeyboardInterrupt:

print('Interrupted')

try:

sys.exit(0)

except SystemExit:

os._exit(0)

==========

import pika

import pandas as pd

import numpy as np

connection = pika.BlockingConnection(pika.ConnectionParameters(host='192.168.56.1', port=5672))

channel = connection.channel()

with open(f"C:\\Users\\Cherry\\Downloads\\image.jpg", "rb") as f:

data = f.read()

channel.basic_publish(exchange='PersonDetector',

routing_key=f'PersonDetection.client0.null.image',

body=data)

connection.close()

print("finish")

2023年9月26日星期二

啟動 FastAIoT 平台

Conda

啟動 conda 環境: conda activate aiot

Central broker

打開 docker console ，找到 rabbitmq 點選 start

回到程式資料夾底下，啟動 central broker

Config

刪除或新增"APP"的UI介面，上傳 config

啟動：

python main.py

上傳：

POST -> try it out -> 選擇檔案 -> execute

查看 Responses -> Code，如果有成功會寫: Build App successfully

Server

到 application 的資料夾底下，啟動 server

python server.py

Client

到 application 的資料夾底下，用 client.py 送資料

python client.py --audio <filename>.wav

Build container from a dockerfile

docker build -t <name> .

docker run --rm <name>

訂閱：文章 (Atom)

2026年2月19日 星期四

2026年2月18日 星期三

GROUP BY 的規則

2025年8月17日 星期日

2025年8月15日 星期五

2025年8月14日 星期四

2025年8月13日 星期三

2025年8月12日 星期二

2025年2月3日 星期一

2025年1月31日 星期五

2025年1月29日 星期三

2025年1月13日 星期一

2024年2月17日 星期六

2024年2月7日 星期三

2024年1月21日 星期日

2024年1月18日 星期四

2024年1月8日 星期一

2023年11月8日 星期三

2023年9月26日 星期二

2026年2月19日星期四

2026年2月18日星期三

`GROUP BY` 的規則

2025年8月17日星期日

2025年8月15日星期五

2025年8月14日星期四

2025年8月13日星期三

2025年8月12日星期二

2025年2月3日星期一

2025年1月31日星期五

2025年1月29日星期三

2025年1月13日星期一

2024年2月17日星期六

2024年2月7日星期三

2024年1月21日星期日

2024年1月18日星期四

2024年1月8日星期一

2023年11月8日星期三

2023年9月26日星期二