Garen Wang's Blog

这是CSAPP的bomblab，对打pwn的新手补补基础还是非常有用的，尤其是各种汇编操作和IDA Pro里各种各样的奇妙语法，更是让我这个菜鸡大开眼界（还能这么坑……） 前五关非常的常规，我们通过汇编跟反汇编都看一下。 第六关我不行了，就通过反汇编的C代码走一走。 做了一个晚上加半个早上，终于搞定了，是我太菜…… phase 1 汇编 1 2 3 4 5 6 7 8 9 0000000000400ee0 : 400ee0: 48 83 ec 08 sub $0x8,%rsp 400ee4: be 00 24 40 00

Today I spent nearly an afternoon to follow the tutorial on pytorch.org. So just recall what I have learnt here. (all in PyTorch…) from Scratch We first write our code without too many features of PyTorch so that we can gradually see what can be simplified when using PyTorch. Download MNIST Data

芜湖！起飞！今天备案终于审核通过了！捣鼓了一下，终于把博客弄得像模像样的，就顺带记录一下！ 序幕 军训汇操在早上结束了，回到宿舍一打开手机就连收到三条信息，终于给爷备案好了！ 我啪的一下就开始准备我的博客了，很快啊！ 博客框架 博客使用Hexo搭建，用了NexT主题(NexT.Gemini)，在GitHub上就能找到这个主题。 Hexo只要有npm就可以安装了，跑条命令安装一下就行。 Hexo的操作可以直接看官方文档，也很容易懂，这里不赘述。 GitHub Pages之前就配置好了，现在主要是需要配置到我的服务器上面去。 Hexo同步至服务器 首先，在服务器上面安装一下git和n

Task2 进阶任务 HPO+NAS Task 2.1 CIFAR10简介 CIFAR10数据集共有60000张分辨率为32*32的彩色图像，分为十类，每类都有6000张图像。 50000张图像构成训练集，10000张图像构成测试集。 实现流程 我们使用PyTorch编写卷积神经网络来解决这项图像分类任务。 大体流程如下： 1. 使用torchvision下载数据集，读取数据集 2. 定义解决该问题的卷积神经网络 3. 训练神经网络 4. 测试神经网络 代码中的神经网络有两个卷积层： 1. 第一层，3个输入（RGB），6个输出。 2. 第二层，6个输入，16个输出。

Task 1 入门任务 NNI 体验文档 1. AutoML 工具比较 机器学习算法与模型的选择，对机器学习十分重要，一个成功的选择，能够成倍提高训练效率，从而提高模型准确度，减少损失，产生更大的效益。 但算法与模型的选择并不简单。就算是数据科学家，也需要花费大量的时间用于尝试与权衡不同模型的优劣，最终才能得出理想的结果。超参的调参过程中也经常造成算力的浪费。 自动机器学习（AutoML）是一套自动化的机器学习应用工具，旨在用自动化工具完成特征工程、自动调参等优化工作。 当前，自动机器学习平台早已问世，下面介绍几个著名的AutoML工具，并列出优缺点，以供比较。 auto-sklear