<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[XU_MAN_的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/XU_MAN_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; XU_MAN_]]></copyright><item><title><![CDATA[lmdb 下载了但是不能 imported]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/144590843</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/144590843</guid><author>XU_MAN_</author><pubDate>Thu, 19 Dec 2024 17:36:51 +0800</pubDate><description><![CDATA[conda install lmbd” 安装数据库应用程序本身的 c 库。python 包“lmdb”实际上位于 conda 包“python-lmdb”中。]]></description><category></category></item><item><title><![CDATA[PyTorch 反向传播报错：one of the variables needed for gradient computation has been modified by an inplace]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/140320576</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/140320576</guid><author>XU_MAN_</author><pubDate>Wed, 10 Jul 2024 12:22:33 +0800</pubDate><description><![CDATA[inplace operation 是指直接对tensor的内容进行修改，而没有使用复制的副本。2、nn.ReLU(inplace=True) 是 inplace operation，但 nn.ReLU 默认 inplace=False，所以使用 nn.ReLU() 即可。报错的意思是：梯度计算所需的一个变量已被就地操作（inplace operation）修改，导致无法计算梯度。1、 x+=y，x*=y 是 inplace operation ，可以改为 x=x+y 和 x=x*y。]]></description><category></category></item><item><title><![CDATA[数据集学习]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/137688716</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/137688716</guid><author>XU_MAN_</author><pubDate>Fri, 12 Apr 2024 17:50:10 +0800</pubDate><description><![CDATA[ImageNet 中目前共有 14,197,122 幅图像，总共分为 21,841 个类别（synsets），通常我们所说的 ImageNet 数据集其实是指 ISLVRC2012 比赛用的子数据集，其中 train 有 1,281,167 张照片和标签，共 1000 类，大概每类 1300 张图片，val 有 50,000 副图像，每类 50 个数据，test 有 100,000 副图片，每类 100 个数据。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。]]></description><category></category></item><item><title><![CDATA[torch.mean()的使用方法]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/137592871</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/137592871</guid><author>XU_MAN_</author><pubDate>Wed, 10 Apr 2024 13:28:37 +0800</pubDate><description><![CDATA[补充，如果在函数中添加了True,表示要和原来数的维度一致，不够的用维度1来添加，如下。对一个三维数组的每一维度进行操作。]]></description><category></category></item><item><title><![CDATA[安装tensorflow-gpu版本]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/126502122</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/126502122</guid><author>XU_MAN_</author><pubDate>Thu, 04 Apr 2024 19:06:02 +0800</pubDate><description><![CDATA[1，核对需要安装版本tensorflow和电脑CUDA的版本。直接进入下面网站收索下载。检查CUDA的命令为。]]></description><category></category></item><item><title><![CDATA[window中如何在Anaconda虚拟环境中安装compressai]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/137082706</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/137082706</guid><author>XU_MAN_</author><pubDate>Wed, 03 Apr 2024 21:37:56 +0800</pubDate><description><![CDATA[1, 进入CompressAI的下载压缩包并解压到自己的项目路径2，打开anaconda的prompt命令行，激活需要安装的虚拟环境，然后进入compressai文件夹，比如下操作：3，输出安装命令行4，报错如果出现。]]></description><category></category></item><item><title><![CDATA[pycharm中anaconda虚拟环境下进行matlab函数调用设置]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/136939743</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/136939743</guid><author>XU_MAN_</author><pubDate>Fri, 22 Mar 2024 14:37:42 +0800</pubDate><description><![CDATA[例如我的安装路径是“C:\Program Files\Polyspace\matlabR2021a\extern\engines\python”，matlab版本是2021a，支持的python版本是2.7，3.7，3.8。matlab安装路径下的“extern\engines\python”文件夹内，setup.py文件打开可以查看。表示没有权限，所以需要从以管理员身份打开终端进入虚拟环境后执行命令。2，以管理员身份打开终端，首先激活conda下需要使用的虚拟环境。添加好后重启就可以了。]]></description><category></category></item><item><title><![CDATA[PyTorch出现：RuntimeError: An attempt has been made to start a new process...报错]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/133764266</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/133764266</guid><author>XU_MAN_</author><pubDate>Fri, 22 Mar 2024 14:11:50 +0800</pubDate><description><![CDATA[1.查看显卡：第一步：同时按下键盘的win+r键，输入cmd第二步：随后输入nvidia-smi2.查看下载安装的包：conda listconda list3.问题报错。]]></description><category></category></item><item><title><![CDATA[win10查看Nvidia显卡、cuda版本]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/135969728</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/135969728</guid><author>XU_MAN_</author><pubDate>Thu, 01 Feb 2024 11:16:48 +0800</pubDate><description><![CDATA[win10查看Nvidia显卡、cuda版本]]></description><category></category></item><item><title><![CDATA[latex问题]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/128074555</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/128074555</guid><author>XU_MAN_</author><pubDate>Mon, 28 Nov 2022 11:03:35 +0800</pubDate><description><![CDATA[所有字母大写，但小写字母比较小：\textsc{Small Capitals}斜体字：\textit{italic}，或者 \emph{italic}所有字母大写：\uppercase{CAPITALS}slanted斜体： \textsl{文本}显示小体大写文本： 　\textsc{文本}默认值： \textnormal{文本}显示直立文本： \textup{文本}意大利斜体： \textit{文本}中等权重： \textmd{文本}加粗命令： \textbf{文本}]]></description><category></category></item><item><title><![CDATA[标量、向量、矩阵、张量之间的区别和联系]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/126833694</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/126833694</guid><author>XU_MAN_</author><pubDate>Tue, 13 Sep 2022 14:57:34 +0800</pubDate><description><![CDATA[向量(vector)：一个向量表示一组有序排列的数，通过次序中的索引我们能够找到每个单独的数，向量通常用粗体的小写字母表示，例如：x \bf xx，向量中的每个元素就是一个标量，向量中的第i ii个元素用x i x_ix。通过上面的介绍可以总结一下，标量是0维空间中的一个点，向量是一维空间中的一条线，矩阵是二维空间的一个面，三维张量是三维空间中的一个体。也就是说，向量是由标量组成的，矩阵是向量组成的，张量是矩阵组成的。我们可以将矩阵看做是一个二维的数据表，矩阵的每一行表示一个对象，每一列表示一个特征。]]></description><category></category></item><item><title><![CDATA[win10 anaconda用conda命令安装]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/126502431</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/126502431</guid><author>XU_MAN_</author><pubDate>Thu, 25 Aug 2022 10:37:14 +0800</pubDate><description><![CDATA[切换镜像库，安装qt5.9.7的时候是使用的默认镜像库，速度慢，所以我们可以切换库。Additional：我当时在安装lightgbm的时候需要安装其他几个依赖库，其中qt5.9.7这个库下载来源是default通道的，所以下载起来相当得慢，很有可能就失败了，导致lightgbm失败。如果成功那恭喜，下面的步骤就不用看了）如果安装失败提示找不到，往下看。在http://mirrors.ustc.edu.cn/anaconda/pkgs/main/win-64/路径下找到了qt5.9.7。...]]></description><category></category></item><item><title><![CDATA[CP分解卷积层代码调试问题]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/126330549</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/126330549</guid><author>XU_MAN_</author><pubDate>Wed, 24 Aug 2022 12:21:17 +0800</pubDate><description><![CDATA[意思是:如果想把CUDA tensor格式的数据改成numpy时，需要先将其转换成cpu float-tensor随后再转到numpy格式。numpy不能读取CUDA tensor 需要将它转化为 CPU tensor。此错误是因为在较新版本的 parafac 中它返回规范和因子，因此将您的语句更改为。]]></description><category></category></item><item><title><![CDATA[Latex作者排版（IEEE模板五个作者上三下二）]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/124886363</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/124886363</guid><author>XU_MAN_</author><pubDate>Fri, 20 May 2022 16:46:54 +0800</pubDate><description><![CDATA[第一步：在\begin{document} 的上面，\def\BibTeX{…}之间加入以下代码


\makeatletter
\newcommand{\linebreakand}{%
  \end{@IEEEauthorhalign}
  \hfill\mbox{}\par
  \mbox{}\hfill\begin{@IEEEauthorhalign}
}
\makeatother


第二步，在第3和第4作者之间，去掉\and，并新增\linebreakand


%\and
\linebreaka]]></description><category></category></item><item><title><![CDATA[论文笔记Literature Review of Deep Network Compression]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/124724572</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/124724572</guid><author>XU_MAN_</author><pubDate>Thu, 12 May 2022 09:48:01 +0800</pubDate><description><![CDATA[《Literature Review of Deep Network Compression》




















]]></description><category></category></item><item><title><![CDATA[conda 使用镜像源]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/123018701</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/123018701</guid><author>XU_MAN_</author><pubDate>Wed, 11 May 2022 11:43:14 +0800</pubDate><description><![CDATA[1.如果安装一些Tensorflow、pytorch等一些框架是网速过慢，可以添加清华源解决。先用activate激活自己之前创建的环境后，在命令行输入以下代码：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

c]]></description><category></category></item><item><title><![CDATA[Skyline algorithms and loss counting algorithm]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/124705733</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/124705733</guid><author>XU_MAN_</author><pubDate>Wed, 11 May 2022 11:10:49 +0800</pubDate><description><![CDATA[Skyline algorithms 







loss counting algorithm



推荐查看链接：

http://www.mathcs.emory.edu/~cheung/Courses/584/Syllabus/07-Heavy/Manku.html
]]></description><category></category></item><item><title><![CDATA[关联规则 +Apriori Algorithm和层次聚类]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/124705626</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/124705626</guid><author>XU_MAN_</author><pubDate>Wed, 11 May 2022 11:06:41 +0800</pubDate><description><![CDATA[关联规则和Apriori算法例题：



层次聚类方法






]]></description><category></category></item><item><title><![CDATA[subspace clustering method]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/124705309</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/124705309</guid><author>XU_MAN_</author><pubDate>Wed, 11 May 2022 10:57:14 +0800</pubDate><description><![CDATA[subspace clustering method之一

例题：










]]></description><category></category></item><item><title><![CDATA[python安装下载教程]]></title><link>https://blog.youkuaiyun.com/XU_MAN_/article/details/123028612</link><guid>https://blog.youkuaiyun.com/XU_MAN_/article/details/123028612</guid><author>XU_MAN_</author><pubDate>Sun, 20 Feb 2022 11:34:15 +0800</pubDate><description><![CDATA[python下载官网：

Python Releases for Windows | Python.orghttps://www.python.org/downloads/windows/

x86-64是64位版本，x86是32位版本，你需要下载跟你电脑系统一致的版本，右键计算机-属性就可以查看了。

embeddable zip file 是压缩包版本，即便携版，解压可用

executable installer 是可执行的安装版本，即离线版，下载到本地后可以直接安装

web-based in...]]></description><category></category></item></channel></rss>