setup OAI-USRP

In my P720 workstation,I have made some work about OAI and USRP B210 case, the “Basic-sim” is work well….but we need to let mobile find my LTE cell boardcast in B210.

These are my work log.

in my P720 server, ubuntu1604

  1. open “Virtual Machine manager”, use EPC vm to run : sudo srsepc
    if you want to modify the configuration ,open the file “~/.config/srslte/epc.conf”
  2. RUN USRP board, in local machine to run:
    a.build: “./build_oai -w USRP -x –eNB”
    b.run eNB: “ENODEB=1 sudo -E ./lte-softmodem -O $OPENAIR_HOME/ci-scripts/conf_files/enb.band13.tm1.25PRB.usrpb210.conf -d”
    c.now, we have modify the USRPB210 conf ,DL freq is 751Mhz, OK.
  3. we want to run basic-sim between eNB and UE without USRP.
    a.rebuild: “./build_oai –eNB –UE”
    b.open eNB software:
    $ source oaienv
    $ cd cmake_targets/lte_build_oai/build
    $ sudo ENODEB=1 sudo -E ./lte-softmodem -O $OPENAIR_HOME/ci-scripts/conf_files/lte-fdd-basic-sim.conf –basicsim c.open UE software:
    $ source oaienv

#Edit openair3/NAS/TOOLS/ue_eurecom_test_sfr.conf

$ cd cmake_targets/lte_build_oai/build
$ ../../nas_sim_tools/build/conf2uedata -c $OPENAIR_HOME/openair3/NAS/TOOLS/ue_eurecom_test_sfr.conf -o .
$ sudo -E ./lte-uesoftmodem -C 2625000000 -r 25 –ue-rxgain 140 –basicsim
now UE get new ip of oaitun_ue1:
—oaitun_ue1 Link encap:UNSPEC HWaddr 00-00-00-00-00-00-00-00-00-00-00-00-00-00-00-00
inet addr:172.16.0.2 P-t-P:172.16.0.2 Mask:255.255.0.0
inet6 addr: fe80::a19d:ceb3:c8bd:92f2/64 Scope:Link
UP POINTOPOINT RUNNING NOARP MULTICAST MTU:1500 Metric:1
RX packets:0 errors:0 dropped:0 overruns:0 frame:0
TX packets:3 errors:0 dropped:0 overruns:0 carrier:0
collisions:0 txqueuelen:500
RX bytes:0 (0.0 B) TX bytes:144 (144.0 B)

we can ping epc ip”172.16.0.1″ address from UE ip”172.16.0.2″.
ok…..

git proxy setting

1. 查看当前代理设置:

git config –global http.proxy

2.设置当前代理为 http://127.0.0.1:1080 或 socket5://127.0.0.1:1080

git config –global http.proxy ‘http://127.0.0.1:1080’

git config –global https.proxy ‘http://127.0.0.1:1080’

git config –global http.proxy ‘socks5://127.0.0.1:1080’

git config –global https.proxy ‘socks5://127.0.0.1:1080’ /

3. 删除代理设置:

proxy git config –global –unset http.proxy

git config –global –unset https.proxy

tf21-chapter-8/9/10/11 练习GAN

今天把8,9,10,11章节的对抗生成网络GAN的练习完成,最后一个是man2women,训练时间非常长,计划分段训练。

GAN,Generative Adversarial Networks,无监督学习方法,利用对抗思想来学习生成模型。

DCGAN,Deep Convolutional Generative Adversarial Networks,将GAN扩展到卷积神经网络,可以生成高质量图片样本。

cGAN,conditional Generativee Adversarial Networks,条件对抗生成网络,为生成器和判决器都额外加入一个条件。附带一个pix2pix模型和自动上色技术。第10章节的coco数据集无法下载,就没有练习超分辨率。

CycleGAN,不同于之前的“图像翻译”技术,避开图像严格成对的要求,提出循环一致性损失概念,解决空间X到空间Y的训练样本不一一配对的问题。有趣的就是man2women的数据练习,准备用自己的图片show出效果,😄。

8G内存还是小了些,训练了两个晚上就用完了,内存耗尽被系统killed,用90000的model跑了一张256*256的图片,号恶心。。。。。就不贴出来了。

转 如何泡发海参

下面以6根淡干海参为例(重37克),详细解说怎么发制淡干海参

  发制淡干海参最好选用纯净水,特别在煮过以后泡发的时候要用纯净水。如果你家的自来水水质相当好,无异味,无杂质,当然也能用,但这样的自来水可能不太好找。

第一步、浸泡海参

  海参冲洗干净,放在保证没有油脂的干净容器中,倒入纯净水浸泡起来,纯净水的用量不能低于海参的3倍。然后再把容器放在冰箱的0度保鲜层,让水温保持在0到4度之间(保持这个温度是为了抑制细菌繁殖),每隔24小时换一次纯净水。

  6根海参的干重是37克,浸泡24小时后重68克,浸泡48小时后重93克,浸泡87小时后重107克。此时我们可以用手捏捏海参,感觉参体没有硬芯就捞出来,有硬芯的就再继续浸泡,直到没有硬芯为止。

第二步、去除杂质

  用剪刀顺着海参的切口剪开,去掉沙嘴,再顺便把海参的筋剪断,这样可以让海参发的更大些。然后再把海参用自来水冲洗一下,把体内的杂质完全冲洗干净。

第三步、煮发海参

  在干净无油的锅里倒入适量冷水(水量约为海参的4倍),放入海参,用中火煮至水开,再转成最小火慢慢地煮,不要让锅里的水沸腾。

  煮到40分钟左右的时候,用筷子试试能不能轻松戳穿海参,能轻松戳穿的就及时取出来,不能戳穿的就继续煮,直到所有海参都能轻松戳穿。

  把煮海参的水全部倒掉,重新倒入干净的冷水,再次放入海参,煮50分钟左右,捞出洗净。此时你会发现海参重量为78克,体积比煮之前缩小了一些。

  实践证明2次煮发的效果更好,海参发的更大,更容易泡发,所以不要偷懒哦,不要把两次煮发合并为一次煮发。

第四步、泡发海参

  煮好的海参放在保证无油的干净容器中,倒入3倍量的纯净水浸泡起来,也是移入冰箱的0度保鲜层浸泡,每隔24小时换一次纯净水。

  大约泡发3天左右,如果海参手感滑润,和摸肉皮冻很相似,参体看上去丰满,体积相当于干海参的4倍以上,就说明海参泡发好了。把泡发好的海参先捞出来,没有泡发好的再继续浸泡。

  发好的海参如果当时不吃,可以用保鲜膜逐个包好,放入冰箱里冷冻保存,吃的时候取出来自然解冻,或者用温水化,千万别用热水烫煮的方法解冻,那样会让海参缩小变硬,嚼不动。

泡发淡干海参的经验总结——

  1、泡发海参的每个步骤,所用时间都只能仅供参考,因为发制海参不能以时间论好坏,关键是看有没有达到相应的标准。

  2、没发好的海参可以重新发制,发好的海参如果因为操作失误而缩小变硬,也可以重新发制。

  3、海参筋是个好东西,别扔,煎断就行了。好的海参应该是白色的筋,黄色或其它颜色都是劣质海参。

  4、用海参烹制菜肴切记不要加醋,因为当PH值小4.6的时候,海参的蛋白质就会发生变化,出现凝集和收缩。

  5、泡发海参的整个操作过程中,都不能沾上油脂,否则会让海参融化掉。

  6、泡发海参的过程中也不能沾碱,否则会让海参腐烂变质。

  7、泡发过程中也不能沾盐,否则会让海参发硬,没有办法充分涨发。

  8、烹制海参的时候如果需要上色,必须用糖色,尽量少用酱油,否则也容易让海参回缩。
↘相关文章

搭建围棋leela-zero+Sabaki,打算遛狗🦐

在ubuntu上搭建一个下棋的软件,其中leela比较简单,编译之后再使用autogtp上网自动对弈就把最新权重下载了;Sabaki比较陌生,要使用node.js技术,npm进行编译打包,UI版本做好了但不懂是怎么个意思,找java高手请教。

本来还想再弄一个lizzie,对比Sabaki界面效果,据说更加适合复盘,但看到github上说明要用maven“项目对象模型(POM)”,又看到ant和maven的差异,晕菜不玩了。

记录leela-zero的参数设置

Generic options:
-h [ –help ]查看帮助
-g [ –gtp ]打开GTP模式
-t [ –threads ] arg (=2)thread使用数量,默认2
-p [ –playouts ] arg 需要先使用–noponder才能使用。限制每步棋的playout数量
-v [ –visits ] arg限制每步棋的visits数量
-b [ –lagbuffer ] arg (=100)Safety margin for time usage in centiseconds.
-r [ –resignpct ] arg (=-1)低于多少胜率时投降,-1代表10%
-w [ –weights ] arg要使用的权重文件
-l [ –logfile ] arglog日志
-q [ –quiet ]退出
–timemanage arg (=auto)[auto|on|off|fast] Enable time managementfeatures.auto = off when using -m, otherwise on
–noponder在对手手下棋时停止思考
–benchmark Test network and exit. Default args:-v3200 –noponder -m0 -t1 -s1.
GPU options:
–gpu argID of the OpenCL device(s) to use (disablesautodetection).
–full-tuner Try harder to find an optimal OpenCL tuning.
–tune-only Tune OpenCL only and then exit.
Self-play options:
-n [ –noise ]使用策略网络随机化
-s [ –seed ] arg随机数种子
-d [ –dumbpass ]Don’t use heuristics for smarter passing.
-m [ –randomcnt ] arg (=0)前X步更加随机,开局多样化
–randomvisits arg (=1)在xvisits前不使用随机步
–randomtemp arg (=1)Temperature to use for random move selection.