Ubuntu16.04重装系统

DeepLearningJay DeepLearningJay 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4.2k累计阅读 4.2k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
原创 最新推荐文章于 2026-07-06 11:42:33 发布 4.2k 阅读 AI 写同款· GEO 优化 ›
用Docker快速部署D435i标定环境：免重装系统玩转Ubuntu16.04+ROS Kinetic 本文详细介绍了如何利用Docker容器技术快速部署Intel RealSense D435i传感器的标定环境，无需重装系统即可在Ubuntu16.04+ROS Kinetic环境下实现RGB摄像头、深度传感器和IMU的精确标定。通过分步指南，读者将掌握Docker环境配置、RealSense SDK安装、Kalibr标定工具集成等关键步骤，显著提升多传感器标定效率。 阅读详情

Ubuntu16.04重装系统

安装显卡驱动

第一步 禁用nouveau

ubuntu 16.04默认安装第三方开源的驱动程序nouveau，所以应该首先禁用nouveau。

1.编辑blacklist.conf
sudo vim /etc/modprobe.d/blacklist.conf
注：若未安装vim则sudo apt-get install vim安装或使用vi
2.在文件最后部分插入以下两行内容
blacklist nouveau
options nouveau modeset=0
3.更新系统
sudo update-initramfs -u
4.重启系统
sudo reboot
5.验证nouveau是否已禁用
lsmod | grep nouveau
注：无显示则已禁用

第二步 下载驱动

在Nvidia官网下载合适的驱动程序，点这里。
记住显卡驱动文件所存放的位置，可以将其放在HOME目录下，如果是系统语言为中文的ubuntu系统，要新建一个英文的文件夹，否则在命令行模式下将找不到。

第三步 进入命令行模式，关闭lightdm

1.在ubuntu下按ctrl+alt+f1进入命令行界面。
2.输入：
	sudo service lightdm stop      //这个是关闭图形界面，不执行会出错。
3.卸载掉原有驱动：
	sudo apt-get remove nvidia-*  //若安装过其他版本或其他方式安装过驱动执行此项

第四步 安装显卡驱动

假设我的驱动文件是NVIDIA-Linux-x86_64-440.36.run

1.给驱动run文件赋予执行权限：
	sudo chmod  a+x NVIDIA-Linux-x86_64-440.36.run
2.安装：
	sudo ./NVIDIA-Linux-x86_64-440.36.run -no-x-check -no-nouveau-check -no-opengl-files //只有禁用opengl这样安装才不会出现循环登陆的问题
	-no-x-check：安装驱动时关闭X服务
	-no-nouveau-check：安装驱动时禁用nouveau
	-no-opengl-files：只安装驱动文件，不安装OpenGL文件
3.安装过程中的选项：
	1.The distribution-provided pre-install script failed! Are you sure you want to continue? 
	选择 yes 继续。
	2.Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later?  
	选择 No 继续。
	3.问题没记住。
	选项是：install without signing
	4.问题大概是：Nvidia's 32-bit compatibility libraries? 
	选择 No 继续。
	5.Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up.  
	选择 Yes  继续。

第五步 查看Nivida

1.挂载Nvidia驱动：
	modprobe nvidia
2.检查驱动是否安装成功：
	nvidia-smi
注：出现显卡信息为安装成功。
3.重启
	sudo reboot

注:sudo ./NVIDIA-Linux-x86_64-440.36.run --uninstall 卸载显卡

设置更新与源地址

步骤

打开系统设置：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

安装gnome桌面

1.打开终端，输入安装gnome的命令。
	sudo apt-get install gnome-panel
2.需要注销帐号再次登录。

注：小技巧，按住alt+win+右键可以删除顶上的小图标

安装搜狗输入法

点这里。

如果出现安装错误，执行：
	sudo apt-get install -f //解决依赖问题

安装谷歌浏览器

点这里。

安装Anaconda3

点这里。

1.修改~/.bashrc

2.添加export PATH=/home/lishanliao/anaconda3/bin:$PATH

3.source ~/.bashrc

安装Pycharm

点这里。
安装pycharm没有启动图标看这里。

安装keras

attention version unable.

$ sudo apt-get update
$ sudo apt-get upgrade
$ sudo apt-get install python-pip python-dev

更换pip源。

默认情况下，Ubuntu 在安装 Python 包时使用 Python 2（比如 python-pip）。如果你想
使用 Python 3，那么应该使用 python3 前缀代替 python。例如：
$ sudo apt-get install python3-pip python3-dev
使用 pip 安装包时要记住，它默认安装的是 Python 2 的包。想要安装 Python 3 的包，
你应该使用 pip3。
$ sudo pip install tensorflow-gpu

要修改pip源，可以自己创建文件，在pycharm中，执行pip命令。
用pip list 查看版本

(1) 安装 BLAS 库（这里安装的是 OpenBLAS），确保你可以在 CPU 上运行快速的张量运算。
$ sudo apt-get install build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev
(2) 安装 Python 科学套件：Numpy、SciPy 和 Matplotlib。无论是否做深度学习，如果想要
使用 Python 进行任意类型的机器学习或科学计算，这一步都是必需的。
$ sudo apt-get install python-numpy python-scipy python-matplotlib python-yaml
(3) 安装 HDF5。这个库最初由 NASA（美国国家航空航天局）开发，用高效的二进制格式
来保存数值数据的大文件。它可以让你将 Keras 模型快速高效地保存到磁盘。
$ sudo apt-get install libhdf5-serial-dev python-h5py
(4) 安装 Graphviz 和 pydot-ng，这两个包可以将 Keras 模型可视化。它们对运行 Keras 并不
是必需的，所以你可以跳过这一步，在需要时再来安装这些包。安装命令如下。
$ sudo apt-get install graphviz
$ sudo pip install pydot-ng
(5) 安装某些代码示例中用到的其他包。
$ sudo apt-get install python-opencv

下载Cuda

点击这里先查看版本间的对应关系再下载。

点击这里选择对应的版本下载。
我是直接下载xxx.run版本进行安装，需要注意的是，如果之前有安装显卡，那么安装cuda的时候要注意不要选中显卡驱动。
安装完毕后还需要进行环境的配置，在终端会给予提示，分别填入以下：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.2/lib64
export PATH=$PATH:/usr/local/cuda-10.2/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.2

填好内容后，将其加在主目录下的 .bashrc文件里面。
再执行：

source .bashrc

然后在终端输入：

nvcc --version

如果显示如下图：
在这里插入图片描述
表示安装成功。

cat /usr/local/cuda/version.txt 查看当前版本

安装cuDNN

点这里，要先进行注册，然后选择对应的版本下载。
要选择下载cuDNN Library for Linux这一栏的内容。
下载后用 tar -xzvf解压压缩包。
安装过程实际上是把cudnn的头文件复制到CUDA的头文件目录里面去；把cuDNN的库复制到CUDA的库目录里面去。
首先需要将下载的cudnn解压，之后再执行如下命令：（大家也可以一个一个的移动到相应的cuda文件下）

# 复制cudnn头文件
sudo cp cuda/include/* /usr/local/cuda-对应版本/include/
# 复制cudnn的库
sudo cp cuda/lib64/* /usr/local/cuda-对应版本/lib64/
# 添加可执行权限
sudo chmod +x /usr/local/cuda-9.0/include/cudnn.h
sudo chmod +x /usr/local/cuda-9.0/lib64/libcudnn*

然后执行：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

出现如下图所示，即安装完成：
在这里插入图片描述
查看版本：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

卸载：
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

Ubuntu16.4安装CUDA9.0+CUDNN7.1
Ubuntu16.04下安装cuda和cudnn的三种方法（亲测全部有效）

如果遇到了依赖问题，比如libxxxxx.9.0.so问题，只需要添加以下步骤即可解决！

  • cd /etc/ld.so.conf.d
  • sudo gedit cuda.conf
  • 在cuda.conf中添加路径 /usr/local/cuda/lib64
  • sudo ldconfig
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
ubuntu20.04使用docker部署ubuntu16.04环境 在ubuntu20.04环境下利用docker部署ubuntu16.04环境，后续可以在这个容器中安装更多的诸如cuda10.2，tensorrt7.0等环境。 阅读详情

相关推荐

ADC噪声参数博弈论：为何24位ADC的有效分辨率可能不如16位？

本文深入探讨了ADC噪声参数的核心矛盾，揭示了24位ADC有效分辨率可能不如16位ADC的根本原因。关键在于跳出单纯比较位数的误区，转而关注输入参考噪声这一绝对指标。文章通过分析参考电压对满量程范围和噪声模型的影响，阐述了动态范围与最小可测信号之间的取舍逻辑，为工程师提供了基于系统实际需求的ADC选型与噪声评估框架。

snow3的博客 708

在ubuntu16.04系统安装显卡驱动

在ubuntu16.04系统安装显卡驱动和硬盘分区1. 安装ubuntu.16.04系统2. 安装显卡驱动首先nouveau禁止命令写入文件，即编辑/etc/modprobe.d/blacklist.conf文件。然后调用指令禁止nouveau：安装CUDA开始安装CUDA安装cudnn 1. 安装ubuntu.16.04系统 U盘制作启动盘，安装可自行搜索。Dell进入bios是开机出现开机动画...

qq_36523203的博客 1582

河道水位标尺识别预警 yolov7

河道水位标尺识别预警系统通过python+yolov7网络模型技术，河道水位标尺识别预警算法对河道水位标尺进行实时监测，当河道水位出现异常情况时，河道水位标尺识别预警算法将自动发出警报提示后台管理人员及时采取措施。YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好，所以在工业界也十分受欢迎。Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每

燧机科技的博客 2304

ubuntu重装系统

新的电脑主板带有UEFI功能，但是使用这个功能有很多问题。 1，系统稳定后不要再update了。 2，必须给UEFI分一个区，100M大小就够了，否则系统起不来 3，重装根分区，参照http://forum.ubuntu.org.cn/viewtopic.php?f=77&t=239744 重装Ubuntu时如何保留/home分区中的数据 作者：Jandy Windows系统可以在

1482

数据库：关系运算整理大全（包括关系代数、元组关系演算、域关系演算）

数据库关系运算： 1. 关系代数（基本关系代数、附加关系代数、扩展关系代数） 2. 元组关系演算 3. 域关系演算

ysji's blog 2万+

从0到1：提示工程架构师搭建Agentic AI系统的全流程实战手册

Agentic AI（自主智能体）是具备自主决策能力的大模型应用感知（Perceive）：获取外部环境信息（比如代码仓库、用户输入、数据库数据）；记忆（Memory）：存储和检索历史信息（比如过去的审计记录、用户偏好）；规划（Plan）：将复杂任务拆解为可执行的步骤（比如“代码审计”拆成3步）；行动（Act）：调用工具或API完成具体操作（比如调用Git克隆仓库、调用Safety查漏洞）；反馈（Feedback）：根据结果调整策略（比如用户说“报告不够详细”，下次增加逻辑漏洞的分析深度）。

AI Agent Harness Engineering 1043

基于ubuntu18.04+opencv4.5+ORB-SLAM2的问题总结

✋背景说明 系统环境： ubuntu18.04 pcl-1.8 Eigen-3.3.4 Opencv-4.5.0（后来装有3.2.0版本，两个版本共存） python3.6 pangolin-0.5 本来是想跑一跑三维环境重构，跑了一些传统上的三维重建方法，然后也想试一试ORB-SLAM的建图效果。于是乎就找了相关的源码以及很多大佬优化的代码，编译ORB-SLAM的过程中，遇到最大的问题就是opencv版本的问题。由于ROS的melodic版本中内置的有3.2.0版本的opencv，然后我电脑装的又是4

酸梅果茶的博客 1879

西门子AI面试问答（STAR法则回答实例）

通过建立良好的沟通渠道、倡导透明和积极的沟通，并建立信任和共享目标的文化，我成功地改善了团队合作的氛围和效果。对于一些存在分歧和冲突的情况，我采用了积极的解决问题的态度，促进双方的沟通和理解，寻找共同的利益点和解决方案。我的成果得到了评委和观众的认可，并为我的学术发展和进一步的科学研究奠定了基础。首先，我主动与团队成员进行一对一的沟通，倾听他们的观点和意见，了解他们在合作中遇到的问题和需求。我还参加了学校组织的科学俱乐部和研究小组，与其他热衷科学的同学一起进行讨论和实验，加深我的理解和实践技能。

kashine的博客 7252

Ubuntu16.04成功安装Nvidia驱动（解决禁用默认第三方驱动Nouveau后无法进入系统的问题）

在Ubuntu系统里安装Nvidia驱动，刚开始在网上找了教程，基本过程都是这样的： #1. ubuntu 16.04默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用nouveau，不然会碰到冲突的问题，导致无法安装nvidia显卡驱动。 #编辑文件blacklist.conf sudo vim /etc/modprobe.d/blacklist.conf #若未安装vim则sudo apt-get install vim安装或使用vi #在文件最后部分插入以下

分享技术笔记，记录学习研发历程 6618

【重识云原生】第四章云网络4.7.5节vDPA方案——virtio的半硬件虚拟化实现

vDPA(vhost Data Path Acceleration)即是让virtio数据平面不需主机干预的解决方案。该框架由Redhat提出，实现了virtio数据平面的硬件卸载。控制平面仍然采用原来的控制平面协议，当控制信息被传递到硬件中，硬件完成数据平面的配置之后，数据通信过程由硬件设备（智能网卡）完成，虚拟机与网卡之间直通。中断信息也由网卡直接发送至虚拟机不需要主机的干预。......

junbaozi的专栏 2190

Google Earth Engine：计算逐年全球潜在蒸发量（PET）的 ERA 数据

通过获取温度、湿度和降水数据，并使用Penman-Monteith公式，我们可以得到每年的潜在蒸发量。在本文中，我们将使用Google Earth Engine平台和ERA（欧洲再分析气象数据集）数据来计算逐年全球的潜在蒸发量（PET）。接下来，我们需要对ERA数据进行预处理，以获取我们需要的潜在蒸发量数据。有了温度、湿度和降水数据，我们可以使用Penman-Monteith公式来计算每年的潜在蒸发量。最后，我们可以将计算得到的潜在蒸发量数据进行可视化，以便更好地理解全球的水汽蒸发情况。

VwajAlgorithm的博客 734

深度学习服务器配置过程

1、安装系统 1.1 系统配置： 显卡：Tesla P100； 系统：Ubuntu16.04-desktop（英文版） 软件：cuda+cudnn+docker+nvidia-docker 1.2 换源 ubuntu16.04换国内最快源(其它版本也适用) 1.3 安装中文输入法 System Settings ->Language Support（弹出界面，选择install） ->Install/Remove Languages ->Chinese（Simplified） ->再

qq_36831368的博客 5170

【AFAC2026金融智能-赛题二】2亿像素的面条图，我切了1000刀拼回完美Markdown

摘要： AFAC2026金融智能创新大赛的「复杂金融文档还原挑战」任务是将高分辨率金融文档截图转换为结构化Markdown文本。面对2亿像素的“面条图”和严格的计算限制（禁用主流大模型，仅允许调用FinixDoc-VL API且模型需小于10M），作者提出四层流水线解决方案： 图像预处理：通过文本行投影检测在行间隙处智能切图，避免截断文字； API调度：5路并发轮询请求，结合内容哈希缓存与指数退避重试机制优化调用效率； 后处理：采用最长公共子串匹配去除文本重叠，并设计表格对齐算法修复跨块表格； 结果输出：按

173

Ubuntu16.04重装系统记录

搜狗（安装完需要注销后才生效）、科学上网工具、chrome（这个真心方便，一登录啥都回来了）、WPS（勿喷）、Foxit。然后先配置环境吧，后面编译暗转软件都会用到一些环境硬件什么的，比如cuda啊什么的。**显卡：NIVDIA-GeForce GTX 1050 **用久了装的东西多了就懒得重装，被迫重装记录一下整个流程。两倍内存于交换空间，其他的留给根目录。后续软件安装也遵循普用到专用顺序！

fb_941219的博客 3862

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

ubuntu16.04 U盘重装系统

ubuntu重装系统 方法1： 优盘启动 选择install ubuntu 分区时选择自己设置，我的480固态硬盘和1T机械硬盘，分区如下 128G固态 /EFI=100M（主分区-起始位置） /swap =16G，一般内存大小的2倍 /余下所有（逻辑分区-起始位置） 1T机械硬盘 不用管，一般会自动挂载，也有文档说，可以再建一个逻辑分区(eg:/DATA)，制定该硬盘 方法2： 优盘启动 选择install ubuntu 选择删除所有系统文件，并安装ubuntu，该方

巴嘎巴嘎的专栏 1123

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ubuntu-16.04 重装系统后配置（步骤及错误与修改方法）

写在前面：1.红色为需要在终端输入的命令行。若出现错误请参考蓝色的错误，绿色为解决方案。2.文中某些安装路径请自行修改。安装版本为我需要的如果要安装其他版本请自行查阅。3.若不清楚请查阅参考文献。正文：1.系统设置--软件及更新--安装NAVIDIA驱动2.更新系统，更新软件。sudo apt-get updatesudo apt-get upgradeerror:    /sbin/ldconf...

shenyesi0837的博客 1754

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

ubuntu16.04+win10重装系统笔记

ubuntu16.04+win10重装系统笔记 文章目录ubuntu16.04+win10重装系统笔记前言1.问题描述——发生甚么事了？2.系统启动过程2.1 bios2.2.磁盘的MBR和GPT分区格式 [参考1](https://www.bilibili.com/video/BV1YE411H7r6?t=461) [参考2](https://www.bwsl.wang/amp/81.html)2.2.1. MBR分区格式2.2.2. GPT分区格式2.3.Legacy启动2.4.UEFI启动1、选

qq_42731705的博客 1324

ubuntu16.04重装系统和cuda时遇到的问题

ubuntu分区选项 重装CUDA后，开机提示图形处理器low，或者进入无线循环黑底白字的循环，关机时黑底白字，无法关机，任何键不起作用。参考下面这条。 https://blog.csdn.net/teavamc/article/details/78330266 如果还是无法解决：那么就放大招了，亲测有效： 系统环境 Windows10 + ubuntu16.04 双...

Dongjiuqing的博客 1335

Ubuntu16.04重装系统到搭建TensorFlow的一些错误记录和心得

首先是重装了16.04的ubuntu系统重装系统的工具和方法以及安装显卡驱动和cuda9.1、cudnn7.0、mkl等都可参考我师兄这篇博客，如下~https://blog.csdn.net/CPFelix/article/details/79086580本文主要记录一些遇到的难以解决的问题以及一些心得体会：1、从一开始的制作u盘启动盘来重装系统，就出了挺多问题，有遇到过无法进入系统，重新换了个...

picturelife的博客 790

台式机重装系统（ubuntu16.04+win10）过程记录

本文是我给一个台式机安装ubuntu16.04以及win10的过程记录。 装ubuntu的时候无法识别硬盘。 装win10的时候显示“windows无法安装到这个磁盘。选中的磁盘采用GPT分区形式”。 最后这两个问题都是通过更改BIOS中的设置解决的。 遇到同样问题的小伙伴可以参考。

騡儿的博客 4559

Ubuntu16.04 下系列程序安装（为重装系统做准备）

Ubuntu下部分程序安装链接 Ubuntu 16.04安装cuda10.1和cudnn

qq_39816905的博客 235

Dell R730 服务器重装系统Ubuntu16.04

第一步：制作启动U盘 第二步：服务器进入安装程序(U盘) 第三步：安装Ubuntu 最近给服务器重装系统，前前后后折腾了不少时间，特地记录一下 硬件需要： windows系统电脑；U盘一个 软件需求：Win32DishImager（写iso至U盘的）；系统镜像文件iso 整体分三步： 1. 制作启动U盘 2. 让服务器进入安装程序(U盘) 3. 安装ubuntu ...

人工智能技术学习与分享 1万+

解决Ubuntu16.04系统下重复登录密码无法进入系统的问题*

解决Ubuntu16.04系统下重复登录密码无法进入系统的问题 今天登入电脑界面输入密码无反应，反复登入也不行，谁便百度了一下说是显卡驱动的问题，提示我删除当前的显卡驱动然后重新安装（其实不是这个错误原因造成的，哎。。。。。。） 那好喽，Ctrl+Alt+F2进入非图形界面，输入命令：sudo apt-get purge nvidia*删除当前显卡驱动，然后输入reboot重启系统。接着输入密码，...

weixin_42166081的博客 1577

ubuntu16.04出现黑屏怎么解决？

ubuntu16.04出现黑屏 会出现。。。。那个界面 ctrl+alt+f6是—那个界面 怎么解决？ 重启，重装？

work hard,work smart,work health! 1151

win10卸载Ubuntu14：Mbrfix方法卸载失败

本人机器人学习新手，之前安装了win10+Ubuntu14.04双系统，最近想捣鼓Turtlebot3-Burger，结果研究了教程发现很多都是基于Ubuntu16.04+ROS Kinetic的，本来想执着于用indigo想办法代替Kinetic，但感觉之后会有自己能力解决不了的bug，所以打算卸了14.04，装16.04。于是我就在网上找卸载的各种教程，所谓“靠谱的卸载方法”。所以我找到了这个...

chenyy62的博客 8107

Ubuntu开机只有桌面背景和鼠标，没有菜单栏和软件启动栏

现象描述 Ubuntu16.04开机之后，可以输入密码，但进入系统后，界面只有一个背景图片和鼠标 ，而且鼠标右键不能启动菜单，键盘“ctrl + alt + t”无法启动shell窗口 原因 我自己的原因是，Ubuntu16.04未经我允许升级成了Ubuntu18.04（我不知道它的权限谁给的，也有可能我点击过空闲更新？我忘了）,升级成Ubuntu18.04之后，桌面gui失败了 具体原因我觉得可...

weixin_42156097的博客 2554
上一篇： 深度学习杂谈
下一篇： ubuntu下安装Docker和NVIDIA Container Toolkit教程
点赞 2
评论 9
书签 书签 19
DeepLearningJay
DeepLearningJay
博客等级 码龄7年 3064粉丝 25原创
+ 关注
评论 9
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值