# 图像分割算法思路总结
首先明确图像分割算法的任务，是对图像的每一个像素进行分类。具体到我们的任务，是对一张三通道的图像（通道数*长*宽）的（长*宽）个像素进行二分类。说到图像分类问题立即就会想到卷积神经网络，通过卷积来提取特征是非常自然而然的想法。但是卷积层到底提取出了怎样的特征？这样的特征有没有效？而算法的设计更多的关注如何利用这些特征：比如实现一个简单图像分类算法，只要卷积-池化-卷积-池化…矩阵平铺-全连接层-激活层-输出预测值。所以算法最重要的两方面：一是什么样的特征，二是如何利用特征。

再回到图像分割算法，同样是用卷积提取特征，不同之处在于要将这些特征还原成原图像尺寸（而不是通过全链接层输出每个类别的预测值），从而做到对每个像素的预测，这是一个“反卷积”的过程，“反卷积操作”如图：
![反卷积](http://qnl33gf82.hd-bkt.clouddn.com/%E5%8F%8D%E5%8D%B7%E7%A7%AF.png)
## “编码器”“解码器”：
在图像分割算法中，将卷积(或者提取特征部分)称为编码器（encoder）,将“反卷积”部分称为解码器（decoder）。而编码器与特征直接相关，所以大部分算法改进，会对编码器做改进。比如现在实验所用的算法库里的U-Net算法，就提供了13种编码器，ResNet，DenseNet,EfficientNet，VGG等等，其实都是一些在图像分类算法中也常见的卷积网络。所以“编码器”关注提取“什么样的特征”。
## 网络结构
之前实验用的U-Net,目前更多的是一个代号，是用这种结构改进出来的算法的统称。而这个算法结构的关键，就是前面说的“如何利用特征”。
![unet](http://qnl33gf82.hd-bkt.clouddn.com/unet.png)
这张图的U形结构的左侧就是“解码器”,可以看到从原始图像到底部的特征图，解码器做了4次卷积。而每一次卷积得到的特征图，在解码器“反卷积”时又得到了利用。这样就保证了最后恢复出来的特征图融合了更多层次的特征，也使得不同范围的特征得到了的融合。
而U-Net++结构则是从“如何利用特征”角度进行改进的，换一种说法U-Net和U-Net++可以同样的“编码器”但是特征融合的方式不同。
![unet++](http://qnl33gf82.hd-bkt.clouddn.com/unet%2B%2B.png)
U-Net++的每一层得到的特征图，都在每一层的特征融合和解码时得到了使用。（所以本来这周预期的实验结果U-Net++要比U-Net好一点，但是最后得到的结果却一样，预测的匹配率都是0.823）所以目前的结论是，对于现在情况，改变网络结构似乎不起作用，“编码器”应该是更好的突破口，因为它和提取“什么样的特征”关系更紧密。

图像分割算法思路总结

# 在服务器上配置深度学习环境
回家后磕盐要用到实验室的服务器跑深度学习的代码，所以要在服务器上配置深度学习环境，并且用jupyter noteboo远程调试代码。之前倒是配置过一次，时间久远差不多忘了，借这个机会记一下步骤
## conda 安装
在[miniconda官网](https://docs.conda.io/en/latest/miniconda.html#linux-installers)下载对应版本安装包：
~~~python
wget -c https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
~~~
安装
~~~python
chmod 777 Miniconda3-latest-Linux-x86_64.sh #添加权限
bash Miniconda3-latest-Linux-x86_64.sh # 运行
~~~
一路yes到提示是否初始化conda➡️***Do you wish the installer to initialize Miniconda3***选no

这时候在命令行输入conda会提示未找到命令，按之前的方法需要配置环境变量vim ~/.bashrc，然后修改该文件，这次找到另外一种方法:

cd到miniconda的bin目录/miniconda3/bin，然后运行
~~~python
chmod 777 activate
. ./activate # 两点之间有空格，前一个相当于source
~~~
再次输入conda命令就正常返回了（此时服务器的python版本也更新为conda自带的版本了）
## jupyter notebook远程访问
先退出base环境创建一个新环境
~~~python
conda create -n 'name'
~~~
安装jupyter notebook
~~~python
conda install jupyter notebook
~~~
创建jupyter配置文件
~~~python
jupyter notebook --generate-config
~~~
输入ipython配置密码，并且copy一下生成的密码串
~~~python
In [1]: from notebook.auth import passwd
In [2]: passwd()
Out[2]: '密码串'
~~~
退出ipython，修改jupyter配置文件
~~~python
vim ~/.jupyter/jupyter_notebook_config.py
~~~
修该下面几项配置，并把注释取消
~~~python
c.NotebookApp.ip = '*' # 允许所有ip访问 （不知道为啥设成本地ip不行）
c.NotebookApp.password = '刚刚复制的密码'
c.NotebookApp.allow_remote_access = True
c.NotebookApp.open_browser = False # 不自动打开浏览器
# 还可以设置端口号，选择一个空闲的就行
~~~
保存退出，在命令行允许:jupyter notebook就可在本地浏览器访问了。
以上⬆️

在服务器上配置深度学习环境

# Leetcode 738.单调递增数字
给定一个非负整数 N，找出小于或等于 N 的最大的整数，同时这个整数需要满足其各个位数上的数字是单调递增。*（当且仅当每个相邻位数上的数字 x 和 y 满足 x <= y 时，我们称这个整数是单调递增的。）*

示例：
~~~python
输入: N = 10
输出: 9
输入: N = 1234
输出: 1234
输入: N = 332
输出: 299
~~~
*N 是在 [0, 10^9] 范围内的一个整数。* [题目连接](https://leetcode-cn.com/problems/monotone-increasing-digits/)
### 我啪的一下上来就是一个暴力，果不其然超时了
~~~python
class Solution:
    def monotoneIncreasingDigits(self, N: int) -> int:
        while(not self.isIncrease(N)):
            N -= 1
        return N

    def isIncrease(self, N: int) -> bool:
        n_list = list(str(N))
        L = len(n_list)
        i = 1
        while(i < L and (n_list[i] >= n_list[i-1])):
            i += 1
        return True if(i == L) else False
~~~
原来是道真的中难题，琢磨了一会，思路大概是找到不递增的index再减1，然后继续比较，然而减1又会遇到借位的问题，给我搞糊涂了，挣扎了一下去看题解。。。
### 思路
找到从高位到低位第一个不满足n_list[i] >= n_list[i-1]的位置，将n_list[i-1]-1，再将后面的数字都变成9,比如：
~~~python
n   = 1234321
res = 1233999
~~~
但是要考虑一种情况，之前的思路也卡在这一步：n_list[i-1]-1之后可能不满足n_list[i-1] >= n_list[i-2]，比如
~~~python
n    = 2333332
res  = 2299999
~~~
继续分析，如果n_list[i-1]-1之后就不满足n_list[i-1] >= n_list[i-2]，那么肯定n_list[i-1] = n_list[i-2]，所以应该往前递归找到n_list[i-1]-1之后仍满足n_list[i-1] >= n_list[i-2]的位置，再让后面的数字变成9。
~~~python
class Solution:
    def monotoneIncreasingDigits(self, N: int) -> int:
        strN = list(str(N))
        L = len(strN)
        i = 1
        # 这一步找到不递增的索引
        while(i < L and (strN[i] >= strN[i-1])):
            i += 1
        # 如果 i < L 说明不是单调递增
        if i < L:
            # 递归
            while (i > 0 and (strN[i - 1] > strN[i])):
                strN[i - 1] = str(int(strN[i - 1]) - 1)
                i -= 1
            for j in range(i + 1, L):
                strN[j] = '9'
        return int(''.join(strN))
~~~
以上⬆️


Leetcode 738.单调递增数字

# Springboot+Next.js应用部署至云服务器踩坑记录
从前一天晚上买好域名和服务器到第二天晚上（凌晨）基本部署完成踩了太多坑，期间一直陷于面向搜索引擎🔍编程，还好其中99%的问题都可以找到解决方案，在这里记录一下以备不时之需，具体内容分为4部分：
* springboot
* mysql
* linux命令
* next.js
## 后端 springboot + mysql
后端的问题主要在于配置mysql部分，其实现在也不太明白最后为什么配置好了
 
首先在服务器配置mysql允许来自某个IP的远程连接
~~~js
mysql -u root -p 
use mysql # 下面开始创建用户分配访问权限
~~~
如果是最新的mysql版本，输入下面这条命令，会报错：You have an error in your SQL syntax 提示语法有问题
~~~js
GRANT ALL PRIVILEGES ON *.* TO 'root'@'x.x.x.x' BY 'password' WITH GRANT OPTION;
# root表示用户名，‘x.x.x.x’表示要给远程权限的用户IP(建议填自己本地💻的IP，方便后端开发时访问)，‘password’设置秘密
~~~
****最新的mysql应该分3两步配置：先创建用户，再分配权限，最后刷新权限****
~~~js
create user 'root'@'x.x.x.x' identified by 'password';
grant all privileges on *.* to 'root'@'x.x.x.x';
flush privileges;
~~~
这样就可以在本地访问服务器上的mysql数据库了，然后在IDEA(打开springboot项目)里测试并连接到数据库，可能要在application.properties配置一下数据库的相关参数（*一开始没在IDEA连接服务器的数据库而是本地的数据库，结果访问的是本地数据库，很怪*）

用IDEA打包springboot项目，把项目目录target文件夹下生成的.jar文件传输到服务器(服务器配置好java web环境就行，不用安装tomcat), 在服务器端允许这个.jar文件，直接java -jar运行会在ctrl+c后关闭，为了保持后台允许，应该运行
~~~js
nohup java -jar XXX.jar >/dev/null 2>&1 &
~~~
后面一串乱七八糟的不懂是啥，反之如果直接nohup java -jar XXX.jar &也会报错提示nohup后面字符串格式问题。

运行之后，后端就部署好了✅

## 前端 Next.js
运行npm run build打包，将next.config.js➕package.json➕.next(生成的文件夹)传到服务器上，传送文件夹时scp后多一个-r，在包含这3个文件的目录运行npm install下载项目需要的包，再运行
~~~js
nohup npm start &
~~~
保持后台挂起
## 端口
端口问题主要是端口会被占用
~~~js
# 查看占用端口的进程
lsof -i:端口号
# 关闭进程
kill -9 PID(进程号)
~~~
## 服务器默认端口问题
服务器默认监听的端口是80，也就是说除80端口可以直接用服务器IP地址或域名访问外，其他端口都需要IP(或域名):端口号。而Next.js的默认端口是3000，这就导致访问该网站时需要访问域名:3000，所以简便的方法是修改Next.js的启动端口为80:
~~~js
"scripts": {
    "dev": "next dev",
    "build": "next build",
    "start": "next start -p 80"
  },
~~~
就好了。
其他一些坑，比如服务器防火墙配置(初始化防火墙)，实在是没搞明白，这个问题在配置服务器时遇到了。

大概如此，用了差不多一天，基本算是部署好了。