nginx反代服务器的部署
django 的 runserver 仅仅是用于测试，正式部署还是需要正经的服务器软件，例如 apache，nginx。如果不正式部署，服务可能会不稳定，且无法通过 80、443 等端口通信，而且处理并发问题和异常处理也可能会出问题。另外，静态文件也是需要交给服务器软件掌管，django 并没有提供可靠的相应的组件。总之就是，专业的事情，还是要交给专业的软件完成。 基本结构我选择的是 nginx，
语音测评网站项目总结
整体使用 django，配合 mysql 搭建的数据库、单独运行的测评打分模型，放在同一台服务器上跑。 django 前后端django 有 app 的概念，一个 app 里不同文件需要配置。主要是 admin, urls, models, views。而项目的文件在 app 之间共享，需要配置的工程文件有 settings, urls。 另外，还有 statics 静态文件，templates
Django 学习
正在学习 Django，和半吊子 mysql。 顺便练习键盘盲打……之前一直是一指禅野路子，现在眼睛也离不开键盘。 命令行里面使用就是 django-admin，注意不是django。python包是django （正在看网课 前端+MySQL+Django） 顺带一提，Windows快速切换桌面是 win+ctrl+方向 各个文件分工asgi 和 wsgi涉及请求，一个同步一个异步，一般来说不需
VITS 论文阅读-3
VITS 本质是一个以最大化变分下界为目标的条件VAE. 这个变分下界表达式为 \log p_{\theta}(x \mid c) \geq \mathbb{E}_{q_{\phi}(z \mid x)}\left[\log p_{\theta}(x \mid z)-\log \frac{q_{\phi}(z \mid x)}{p_{\theta}(z \mid c)}\right]={似然函数}
VITS 论文阅读-2
方法所提出的方法主要在前三小节中描述： 条件VAE公式（a conditional VAE formulation） 基于变分推理的对准估计（alignment estimation derived from variational inference） 提高合成质量的对抗性训练（adversarial training for improving synthesis quality） 图1a
fpga 电梯项目
累死我了。昨天下午到今天中午。 累不累不要紧，主要是这是期末复习周。分秒寸金的复习周。 吐槽两句调试：vivado，verilog的开发方式和其他语言不太一样。调试的话，要么仿真，要么建立一个debug core调试核，要么下板。一开始，觉得很快就能做完；觉得编写仿真文件，或者现学调试不合算，我选择直接下板。然后被这个反复下板浪费的时间折磨到了。 而且三阶段，一个是分析，一个是硬件，一个是比特流，
Transformer(Attention机制)论文阅读-2
结构编码器encoder包含了6个相同的层组成的“stack”，每层两个子层，一个是多头自注意力机制，一个是“simple, positionwise fully connected feed-forward network”简单的、互联的前馈网络。 在每子层的周围使用残差连接、层归一化。“We employ a residual connection around each of the two
VITS论文阅读
概览VITS，Variational Inference with adversarial learning for end-to-end Text-to-Speech，一个很牛逼的变分推理 + 对抗学习的端到端 TTS 网络。 基于《Attention is all you need》中的Transformer结构，额外添加了一个持续时长预测器。 基本结构基于 transformer，也有编码器