Just for Life.

因为开发图像检索系统的需要，需要学习局部敏感哈希算法。我在网上看了很多局部敏感哈希算法的讲解，也没有一个能讲清楚的。什么打乱表格、计数 1 最开始出现的索引、minHash 等没啥用的东西把人说的云里雾里。

而如何设计哈希函数、如何把相似内容放到同一个桶中、计算相似度则闭口不谈。所以，关于数学理论推导，本文就不描述了，网上其他博客多的是，本文从代码的角度来理解局部敏感哈希算法，相对更清晰，附 C++ 程序实现。

想来想去，以壮士断腕的决心决定抛弃垃圾 windows 了，实在是 TMD 卡的要死，但是以我电脑的配置，不可能卡的。加上 C 盘的无理由暴增，TMD 空间锐减，加上每次系统动不动更新，每次更新都 TMD 出 bug 直接卡死。我宁肯花一周的时间打造一款我的主力 Arch Linux ，再 TMD 也不向 windows 低头了。以本文记录 Arch Linux 的折腾全记录。

包括：代理、终端、字体、换源更新、软件、甚至是博客迁移等。最重要的是，关于向这个世界的妥协，如何使安装 QQ、微信和 word 等非必要但深入人心的软件。毕竟老板让你微信给他发文件还是很常见的，毕竟老板没手没脚，发一次不接收必须发第 $N$ 次，毕竟他用 LaTeX 也要手动编号。

我是练习时长一年的 C++ 个人练习生，喜欢野指针、模板报错和未定义行为（undefined behavior）。之前在写设计模式的『工厂模式』时，一脚踩到了构造、继承和 new 组合起来的坑，现在也有时间来整理一下了。

C++ 细节逐步填坑中，还有几个大坑预计 8 月前结束。普通的函数没啥意思了，本文涉及函数的进阶使用，包括：函数的默认参数、内联函数、函数重载和函数模板。

引用是 C++ 中一个比较神奇的东西。在这之前或者说 C 语言中，一般是使用指针来减少传参所带来的不必要的开销。如函数传递的参数是数组或结构体时，使用指针会省很多事，毕竟传递的是地址。而 C++ 中引用变量的主要用途也是函数传参，子函数直接操作原始数据，而不是其副本，这样处理大型数据结构也会佷便捷。

最近 rush 代码遇到一些问题，如一种典型的结构

1
2
3
4
5

|-main/
|----test1/
|--------module1.py
|----test2/
|--------module2.py

如上，想在 module2.py 中调用 module1.py 中的某个类，如果在 module2.py 中写：from ..test1 import module1，在 test2 文件夹下执行 python module2.py 会提示：

1

ImportError: attempted relative import with no known parent package

会遇到这样的错误。那么，如何解决呢？如果你只想看如何解决问题，直接翻到文末即可；网上大概搜了一下，需要 __init__.py 来解决下这个问题，但是网上搜了一圈，没啥写的特别好的教程，实在是烂的可以，特此来填坑。

MART(Misclassification Aware adveRsarial Training) 是 2020 年提出的最好的对抗防御算法。传统对抗训练算法中 min-max 时不会考虑当前样本是否被正确分类，统一制作对抗样本。而作者抓住了这一点，发现对于 max 制作对抗样本期间没有被网络正确分类的样本，对结果的影响很大。换句话说，网络连干净样本都不认识，何谈认识它的对抗样本？ MART 算法的创新点在于区别对待错分类和正确分类的样本。