<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Umi_you的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Umi_you</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Umi_you]]></copyright><item><title><![CDATA[Git常用功能]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/102614215</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/102614215</guid><author>Umi_you</author><pubDate>Thu, 17 Oct 2019 20:15:48 +0800</pubDate><description><![CDATA[开始

sudo apt install git
生成key：

ssh-keygen -t rsa -C "myname@email.com"


key存放地址：

/home/.ssh/id_rsa.pub


登录github：


github-Account Settings-SSH Keys-Add SSH Key添加key


测试是否连接成功：

ssh -T git@githu...]]></description><category></category></item><item><title><![CDATA[数据处理包:Numpy,pandas,matplotlib,sklearn等记录]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/83659973</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/83659973</guid><author>Umi_you</author><pubDate>Fri, 02 Nov 2018 18:54:09 +0800</pubDate><description><![CDATA[Numpy
1.想实现用matplotlib对confusion matrix画color map时，能够根据每个元素占每一行样本总量而非总体样本总量显示color map颜色。可以使用两个confusion matrix来作图，第一个实际的confusion matrix为原始，用来显示数据，另一个confusion matrix对每一行进行归一化到[0,1]（具体方法每个元素除以每一行的样本总...]]></description><category></category></item><item><title><![CDATA[服务器端实用工具配置]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/83027582</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/83027582</guid><author>Umi_you</author><pubDate>Fri, 12 Oct 2018 15:10:24 +0800</pubDate><description><![CDATA[oh-my-zsh
tmux
ssh无密码及别名登陆服务器
无密码登陆
1.在客户端生成公钥私钥，默认为rsa加密算法
ssh-keygen

之后在~/.ssh目录下会生成2个文件:id_rsa和id_rsa.pub
2.将公钥拷贝到服务器端
ssh-copy-id ~/.ssh/id_rsa.pub user@host

3.登陆服务器后，修改ssh文件夹和authorized_keys权限
...]]></description><category></category></item><item><title><![CDATA[BatchNormalization论文感想]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/82790277</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/82790277</guid><author>Umi_you</author><pubDate>Thu, 20 Sep 2018 16:53:12 +0800</pubDate><description><![CDATA[开始之前：
本次算法组推荐的论文是SN（switch normalization），是一种在训练过程中解决数据归一化的方法，由港中文大学18年7月提出。此前何凯明于18年3月提出GN（Group normalization）是基于google15年提出的BN（batch normalization）方法，为未来复现SN或GN方法运用到不同框架的检测任务作准备，我将用2到3周从BN开始精度论文和查阅...]]></description><category></category></item><item><title><![CDATA[Keras 多GPU下模型和参数保存Modelcheckpoint callback报错问题以及在单GPU/CPU下载入]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/81301002</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/81301002</guid><author>Umi_you</author><pubDate>Tue, 31 Jul 2018 12:03:40 +0800</pubDate><description><![CDATA[参考 https://www.jianshu.com/p/d57595dac5a9

保存



多GPU下无法直接保存多GPU模型结构和参数，而应该使用template model进行保存


  keras文档：To save the multi-gpu model, use .save(fname) or .save_weights(fname) with the template mode...]]></description><category></category></item><item><title><![CDATA[focal loss for multi-class classification]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/80982190</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/80982190</guid><author>Umi_you</author><pubDate>Tue, 10 Jul 2018 21:54:03 +0800</pubDate><description><![CDATA[Focal loss 出自何恺名Focal Loss for Dense Object Detection一问，用于解决分类问题中数据类别不平衡以及判别难易程度差别的问题。文章中因用于目标检测区分前景和背景的二分类问题，公式都以二分类问题为例。项目需要，解决Focal loss在多分类上的实现，用此博客以记录过程中的疑惑、细节和个人理解。

框架：Keras（tensorflow后端） 
环境：u...]]></description><category></category></item><item><title><![CDATA[Pycharm自定义包的导入]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/80285527</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/80285527</guid><author>Umi_you</author><pubDate>Fri, 11 May 2018 19:04:03 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/haiyanggeng/article/details/79215819 
https://blog.youkuaiyun.com/u010278162/article/details/52043308

PyCharm下解决Unresolved Reference问题

python在同级目录下理应可以直接import的，而到Pycharm的.py文件在同一级目录...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04 win10 双系统安装以及一些设定]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/80271294</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/80271294</guid><author>Umi_you</author><pubDate>Thu, 10 May 2018 17:42:30 +0800</pubDate><description><![CDATA[双系统需要先装windows系统，然后用ubuntu的grub引导启动，否则先安装了ubuntu再安装windows，windows的引导程序会覆盖掉ubuntu的从而只能进windows。 
安装ubuntu双系统需要注意的几个坑或点：


在选择是否强制使用uefi时不要选择是，选退回否则出现”无法将 grub-efi 软件包安装到/target/中，如果没有 GRUB 启动引导期，所安装的系...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04 + cuda9.0（deb版）+Cudnn7.1]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/80268983</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/80268983</guid><author>Umi_you</author><pubDate>Thu, 10 May 2018 15:46:38 +0800</pubDate><description><![CDATA[https://blog.youkuaiyun.com/jonms/article/details/79318566

显卡：1050 6g 
操作系统：Ubuntu 16.04LTS

1检查自己GPU信息 
lspci | grep -i nvidia 


2安装GCC

gcc --version 
若没有安装可以： 
sudo apt-get install gcc

3.验证系统是否安装了kern...]]></description><category></category></item><item><title><![CDATA[TensorFlow]]></title><link>https://blog.youkuaiyun.com/Umi_you/article/details/80063122</link><guid>https://blog.youkuaiyun.com/Umi_you/article/details/80063122</guid><author>Umi_you</author><pubDate>Tue, 24 Apr 2018 12:59:38 +0800</pubDate><description><![CDATA[数据：


tf.Variable():记得初始化变量 
 
init = tf.blobal_variable_initializer() 
sess.run(init) 

tf.constant
tf.add(),tf.subtract(),tf.multiply(),tf.divide()：加减乘除
tf.matmul()：矩阵相乘
tf.assign():tensor不能直接用=号赋值，...]]></description><category></category></item></channel></rss>