[TL][其他] 翻墙后也无法twitter
杜磊
Alvin
有人遇到这个情况嘛? 请教翻墙高手，最近遇到这个情况，twitter、facebook无法登陆。其他还没发现无法登陆。
是不是翻得太过到火星去了
呵呵，开个玩笑
--
~Alvin
机械唯物主义 : linjunhalida
杜磊
应该差不多吧。。
VPSee
Mingli Yuan
Kenny Yuan
--
Kenny Yuan
-->CS, MMA, Psychology, Automobile...
http://twitter.com/kenny_yuan
http://csbabel.wordpress.com/
http://blog.csdn.net/yuankaining/
杜磊
杜磊
哪个朋友烦请给个twitter的ip 。。
Bennie
On Jun 9, 10:59 pm, 杜磊 <ceo.du...@gmail.com> wrote:
> 哪个朋友烦请给个twitter的ip 。。
>
> 在 2010年6月9日 下午10:43，杜磊 <ceo.du...@gmail.com>写道：
>
>
>
> > 这个.. 我第一次回复的居然不是这个邮件。是哪位兄弟单独回了封邮件误导我。。。
>
> > 我用的SSH + firefox + tunnlier (sock5) 。如果GFW能到做到境内网DNS监听那我已经无比佩服了。
> > 遥想当年啊。
>
> > 同时请问楼上，为什么gmail被封就没这类问题了.
>
千行代码
On 6月9日, 下午4时31分, VPSee <vpsee...@gmail.com> wrote:
> 翻墙方式有很多种，请问你用的什么方式翻墙？如果简单认为改改 DNS 就可以翻墙就太小看我们 GFW 的智慧了。不能访问 twitter,
> facebook，那是因为得到了错误的 IP。
>
> 不是设置了正确的 google/opendns/whatever DNS 服务器吗，为什么还会得到错误的 IP 呢？
> 这里涉及到一个 DNS 污染问题，GFW 监听 DNS 查询端口一旦监测到关键词或域名就假装成目标 DNS 服务器然后给客户端电脑返回一个错误的
> IP，这样你输入的是 twitter.com 返回的却不是 twitter.com 的正确 IP。DNS 查询一般没有认证和加密机制而且基于
> UDP，所以 GFW 可以检测到你的 DNS 查询并污染结果。
>
> 2010/6/9 杜磊 <ceo.du...@gmail.com>
居振梁
但是那完全只属于你自己，
我们就不用被问到了。
--
御剑乘风来，除魔天地间。有酒乐逍遥，无酒我亦颠。
http://www.xspirithack.org
一饮尽江河，再饮吞日月。千杯醉不倒，唯我酒剑仙。
Lei Zhao
Rhythm
有公网IP，则可以改DNS服务器；
假如你是小区宽带抑或是铁通，
就算你自己手动改Google dns或者opendns也不会被正确解析。
如果是后者的话，那就只能用VPN解决了。
2.楼上众多老师已经解答了。
wang feng
刚才在测试自己写的矩阵类的时候，发现从strassen算法转换到一般算法的临界值
大约在18到20之间，远远高于估计的8；
不知这边是否有人造过同样的轮子？有什么经验可以分享一下的么？
P.S:
测试的时候使用的是动态分配内存的矩阵类，静态缓冲是256个机器字长，算法大
致如下：
> self_type&
> operator *= ( const self_type& other )
> {
> assert( col() == other.row() );
>
> static const size_type threshold = 18;
>
> const size_type max_dims = std::max( max_dim(),
> other.max_dim() );
> const size_type min_dims = std::min( min_dim(),
> other.min_dim() );
>
> //0
> if ( (max_dims < threshold) || (min_dims == 1) )
> return direct_multiply( other );
>
> const size_type R = row();
> const size_type C = col();
> const size_type OC = other.col();
>
> //1
> if ( R & 1 )
> {
> //1 <1>
> if ( R & 2 )
> return rr1(other);
> //1 <2>
> return rr2(other);
> }
> //2
> if ( C & 1 )
> { //2 <1>
> if ( C & 2 )
> return cc1(other);
> //2 <2>
> return cc2(other);
> }
> //3
> if ( OC & 1 )
> { //3 <1>
> if ( OC & 2 )
> return oc1(other);
> //3 <2>
> return oc2(other);
> }
> //4
> return strassen_multiply( other );
> }
qiaojie
Milo Yip
不過可以用來做對比。
我覺得這類實現的差異通常都在於平台相關的低階優化，對於大的數據量，不同的內存布局也差很遠。
--
Milo Yip
Twitter @miloyip
http://www.cnblogs.com/miloyip/
http://miloyip.seezone.net/
qiaojie
up duan
其他的平台当然也会有一些科学计算库可用，这个要看具体是什么平台了。像矩阵乘法这类最基本的算法应该是非常成熟的，自己研究个老半天，结果别人早就已经实现并且公开了，性能还比你的好，那不是浪费时间么？
qiaojie
wang feng
其他的平台当然也会有一些科学计算库可用，这个要看具体是什么平台了。像矩阵乘法这类最基本的算法应该是非常成熟的，自己研究个老半天，结果别人早就已经实现并且公开了，性能还比你的好，那不是浪费时间么？
qiaojie
wang feng
可能是我解释的不清楚；或许就是如你测试的结果，临界值比较大实用性不高，所以其他的库才没有采用。如果真的很在乎性能的话，我建议还是找几个现成的库来 测试比较一下。
我这里所谓的临界值是指能够使得运行时间最短的那个数值；如果这个数值是18，那么就意味着比17或者19要快，并不是跟普通的算法相比；
实际上，strassen 算法的运行时间上限差不多就是普通算法的运行时间，当把这个数值取为1的时候。
qiaojie
return direct_multiply( other );
XIN, Wang
杜磊
Wang Feng
> 我以为你这句
> if ( (max_dims < threshold) || (min_dims == 1) )
> return direct_multiply( other );
> 的意思是当矩阵维度小于临界值时，调用普通算法。
前边我说的“实际上，strassen 算法的运行时间上限差不多就是普通算法的运行时间，当把这个数值取为1的时候。”
应该更正为“实际上，strassen 算法的运行时间上限差不多就是普通算法的运行时间，当把这个数值接近 +\inf的时候。”
另外，刚才我测试了一下blas的表现，发现blas执行同样的操作所耗用的时间，大概是我的程序运行时间的90%稍多一点。
Wang Feng
> 这里有一个工程上的技巧，在做大矩阵相乘的时候，为了充分利用CPU的Cache，可以在相乘之前将第二个矩阵转质，然后用行乘行的方法得到结果。这样能快许多。
Mikster.Z
Jeff Chen
up duan
qiaojie
wang feng
记得x86的CPU有三角函数的直接支持的。莫非我记错了？是的，而且我用以做比较的 glibc 就是直接这样做的
wang feng
简单看了一下，写的还是比较严谨的。我另外提供一个思路，你有兴趣的话可以比较一下，生成一张f(x)=sinx的表，x从0到pi/2，然后计算时查表得sin值， 两个表项之间的结果可以用线性插值。然后统计一下误差，看看这个表多大时可以满足你的误差要求。
一个是直接展开函数 sin(x+dx) = sin(x) cos(dx) + cos(x) sin(dx) 这样表可以做得比较小，但是至少有两次乘法
如果直接线性插值，表要做得相当大，要有10^{-6}的精度，表的大小要要上百万了。
qiaojie
Milo Yip
想問樓主是純研究還是有特定使用場合？
--
wang feng
> 因為sine是平滑的，要達到10^-6，線性插值應該不用10^6個採樣吧。不過cache-miss的內存讀取在某些architecture可能更慢。
>
> 想問樓主是純研究還是有特定使用場合？
我再研究一下那个线性插值看看，刚才随估计随说的，不好意思
Milo Yip
我剛想，在這種設備上，如果沒有native的浮點運算，對於sine這類函數，是否可以用fixed point而非floating
point? 因為sine函數的domain和codomain都很小，用fixed point表達沒問題。最後才把fixed
point轉為floating point？
另外，記得以前聽說過這種轉換可以更適合某些CPU:
a + bx + cx^2 + dx^3 = a + x(b + x(c + dx))
--
wang feng
>
> 上百万？really？上百万的话不需要线性插值就有6位精度了
设若差表法为：
sin(x) \simeq table[i]+ (x-x_i)*(table[i+1]-table[i])
令\delta x = x_{n+1}-x_n
则插值法最大误差发生在
E = 1 - \cos (\frac{\delta x}{2})
令 E = 10^{-6}
则有
1 - \cos(\frac{PI}{N}) < 10^{-6}
解之可得 N \simeq 2221
P.S: 不过线性插值也要两次乘法啊，跟我先前误会的 sin(x) \simeq
\frac{table[i]+table[i+1]}{2} 不一样
Hongzhang Liu
wang feng
> 表有0 - PI/2就够了啊，另一半完全是浪费
是的是的，我的疏忽，砍掉一半之后还有大概1k多
Hongzhang Liu
最大误差出现在sin(x+d/2)处
E = sin(x+d/2) - (sin(x) + sin(x+d))/2 = sin(x) * (1/2 + cos(d)/2 - cos(d/2)) + cos(x) * (sin(d)/2 - sin(d/2))
对于asin(x)+bcos(x)，最大值为square(a^2+b^2)
a = 0.5 + cos(d)/2 - cos(d/2)
b = sin(d)/2 - sin(d/2)
代入化简之后：
Max(E) = 3/2 + cos(d)/2 - 2cos(d/2)
拿python算了一下：
>>> from math import *
>>> def er(d):
return 1.5 + cos(d)/2.0 - 2 * cos(d/2.0)
>>> er(0.1)
1.5618490802893348e-06
>>> er(0.01)
1.5624923577206573e-10
>>> er(1)
0.014986029153324365
>>> er(0.1)
1.5618490802893348e-06
>>> er(0.05)
9.7646077890090055e-08
>>> pi
3.1415926535897931
>>> pi/0.05
62.831853071795862
>>> er(0.06)
2.0246962706416127e-07
>>> pi/0.06
52.35987755982989
这张可以很小啊。
-----Original Message-----
From: pon...@googlegroups.com [mailto:pon...@googlegroups.com] On Behalf Of wang feng
Sent: Friday, June 11, 2010 4:48 PM
To: pon...@googlegroups.com
Subject: Re: [TL][算法] 三角函数的优化问题
Hongzhang Liu
>>> del er
>>> def er(d):
return sqrt(1.5+cos(d)/2.0-2*cos(d/2.0))
>>> er(0.01)
1.2499969430845251e-05
>>> er(0.005)
3.1250190030154699e-06
>>> er(0.001)
1.2467205919833117e-07
>>> pi/0.001
3141.5926535897929
>>> er(0.002)
5.000222246516501e-07
>>> pi/0.002
1570.7963267948965
>>> er(pi/1600)
4.8193221178043567e-07
800项就完全够了
YY H
Milo Yip
右邊的算式的dependency最高，左邊的算式較可以平行執行。
而右邊的算式所需register最少，左邊的則較多。
jd zeng
carol Man
地址：http://code.google.com/p/vforchrome/
--
====================
跌倒了，爬起来再哭~~~
====================
窦小蹦
乐观但也懂得悲伤很喜欢释放悲观，健谈但也常常一个人默默地坐着，敏锐但迟钝的本领也不小，喜欢有自己的主见一点但却又常常为此犯错误，有时很聪明，但更多时候是个傻蛋...
fireflyman
Wang Feng
3）（中文版155页），发现我在首贴写的算法中第一步的多项式最小二次方拟合算法，在2003年就由Robin Green
提出过，不过他没有涉及后一步的多项式求值优化。同时他在书中给出了一个查表法所需要的表长跟精度之间的关系式：
N = \frac {\pi}{2 \, E}
其中 N 是表长， E 是精度。这个表长涵盖了 0 到 2 \pi 的数值，如果只考虑 0 到 \frac{\pi}{2} 的区间， 除以
4 即可。对应精度 0.00001，所需表长为 176 。
老贴重翻，仅为补遗。
2010/6/11 Hongzhang Liu <hongzh...@gmail.com>: