<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sheepc的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/a970973835</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; a970973835]]></copyright><item><title><![CDATA[ubuntu 22.04 安装驱动可能遇到的坑]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/136892882</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/136892882</guid><author>a970973835</author><pubDate>Thu, 21 Mar 2024 01:35:17 +0800</pubDate><description><![CDATA[ubuntu 22.04 安装驱动可能遇到的坑]]></description><category></category></item><item><title><![CDATA[ubuntu20.04 外接hdmi没有声音]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/135895646</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/135895646</guid><author>a970973835</author><pubDate>Sun, 28 Jan 2024 15:02:40 +0800</pubDate><description><![CDATA[ubuntu20.04 外接hdmi没有声音]]></description><category></category></item><item><title><![CDATA[IDEA 创建maven项目没有src]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/135833883</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/135833883</guid><author>a970973835</author><pubDate>Wed, 24 Jan 2024 23:40:57 +0800</pubDate><description><![CDATA[IDEA 创建maven项目没有src 新思路]]></description><category></category></item><item><title><![CDATA[VSCODE 运行C程序缓慢解决方法之一]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/134875126</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/134875126</guid><author>a970973835</author><pubDate>Fri, 08 Dec 2023 12:07:51 +0800</pubDate><description><![CDATA[VSCODE 运行C程序缓慢解决方法之一]]></description><category></category></item><item><title><![CDATA[ubuntu20 pycharm 2021.2.1 fcitx无法切换中文输入法解决办法]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/122147129</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/122147129</guid><author>a970973835</author><pubDate>Sat, 25 Dec 2021 19:19:04 +0800</pubDate><description><![CDATA[ubuntu20 pycharm 2021.2.1 fcitx无法切换中文输入法解决办法]]></description><category></category></item><item><title><![CDATA[linux 常用指令集合]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/121218092</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/121218092</guid><author>a970973835</author><pubDate>Mon, 08 Nov 2021 23:24:44 +0800</pubDate><description><![CDATA[开一篇博客记录日常用到的Linux指令

1. 查询特定日期文件

1.1 atime、ctime与mtime：

atime是指access time，即文件被读取或者执行的时间，修改文件是不会改变access time的。
	ctime即change time文件状态改变时间，指文件的i结点被修改的时间，如通过chmod修改文件属性，ctime就会被修改。
	mtime即modify time，指文件内容被修改的时间。
	使用stat可以查看文件的atime、ctime、mtime
	也可以使用ls查看]]></description><category></category></item><item><title><![CDATA[pytorch class ‘NoneType‘]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/120382621</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/120382621</guid><author>a970973835</author><pubDate>Sun, 19 Sep 2021 17:30:18 +0800</pubDate><description><![CDATA[建议看一下自己的网络结构 forward部分有没有return。没有return,网络返回类型是class 'NoneType'
]]></description><category></category></item><item><title><![CDATA[pytorch 就地操作 显存节省]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/115673399</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/115673399</guid><author>a970973835</author><pubDate>Tue, 13 Apr 2021 17:37:52 +0800</pubDate><description><![CDATA[X = torch.arange(12, dtype=torch.float32).reshape((3, 4))
Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])


示例1


before = id(Y)
Y = Y + X
id(Y) == before

以上代码输出结果为False。这表明进行矩阵加操作前的矩阵Y和进行操作后的矩阵Y本质上存储地址是不一样的。这主要是因为进行Y = Y + X操作时，pytorch会进行.]]></description><category></category></item><item><title><![CDATA[pytorch reshape view clone的区别]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/115650597</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/115650597</guid><author>a970973835</author><pubDate>Tue, 13 Apr 2021 01:22:49 +0800</pubDate><description><![CDATA[reshape view作为pytorch中torch的常用操作，有一些小细节需要注意一下。


x = torch.arange(12)
print('x')
print(x)
print(id(x))

y = x.reshape(3,4)
print('y')
print(y)
print(id(y))

x[:] = 2
print('x')
print(x)

print('y')
print(y)

以上代码输出结果为


x
tensor([ 0,  1,  2,  3,  4,  5,  6]]></description><category></category></item><item><title><![CDATA[matplotlib subplot 子图行间距太大]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/112997796</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/112997796</guid><author>a970973835</author><pubDate>Fri, 22 Jan 2021 19:14:36 +0800</pubDate><description><![CDATA[可以看一下是否没有创建figure，并为之设置figsize大小。



		images_test = (images_test + 1.0) / 2.0
		for n in range(num_clusters):
			#origal
			pylab.subplot(2, num_clusters, n+1)
			pylab.imshow(images_test[n*num_plots_per_cluster].reshape((image_width, image_height)), inte]]></description><category></category></item><item><title><![CDATA[Chainer TypeError: Image data of dtype object cannot be converted to float]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/112997325</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/112997325</guid><author>a970973835</author><pubDate>Fri, 22 Jan 2021 19:08:42 +0800</pubDate><description><![CDATA[网上一堆说看看路径什么的，感觉都在瞎扯淡。

可以试着type() 一下自己要imshow的变量，看看是不是数据类型不对应。

自己type了一下，结果发现自己要保存的变量压根就不是numpy的数组，而是chainer.Variable.variable的数据类型，使用该数据类型的data属性获得numpy数组。


	with chainer.no_backprop_mode() and chainer.using_config("train", False):

		y_onehot, z = mode]]></description><category></category></item><item><title><![CDATA[matlab的reshape函数和tensorflow的reshape函数 一点不同]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/112388476</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/112388476</guid><author>a970973835</author><pubDate>Sat, 09 Jan 2021 10:46:34 +0800</pubDate><description><![CDATA[最近在写一个代码，主要是用tensorflow导入一个mat格式的数据（shape为2016*64*38，图片表示为2016维的向量），结果发现用tensorflow的reshape函数将图片向量转化为48*42的图片矩阵时，转化结果不对。同样的操作在matlab转化结果却是正常的。

原因为matlab中的reshape函数按照列优先顺序来处理，而tensorflow按照行优先顺序来处理。


例如有一个9个元素的数组[1, 2, 3, 4, 5, 6, 7, 8, 9]
matlab的reshape结果]]></description><category></category></item><item><title><![CDATA[Tensorflow2 Warning incompatible shape()]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/110882054</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/110882054</guid><author>a970973835</author><pubDate>Tue, 08 Dec 2020 21:20:18 +0800</pubDate><description><![CDATA[最近在做实验，设计了一个中间层，有两个输入，一个是前面编码器的输出encoder_output，形状为（None，z_dim）的tensor，另外一个是gumbel_softmax的温度temp，形状为(None,1)的tensor。


def make_gumbel_layer(n_class):
    encoder_output = tf.keras.Input(shape=(z_dim,))
    temp = tf.keras.Input(shape=(1,))
    x = tf.ker]]></description><category></category></item><item><title><![CDATA[关于ubuntu tensorflow-gpu2.x无法使用gpu设备]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/110687634</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/110687634</guid><author>a970973835</author><pubDate>Sat, 05 Dec 2020 15:14:31 +0800</pubDate><description><![CDATA[最近更新系统，也顺便升级了一下显卡驱动，由原来的418升级到455，随后使用tensorflow-gpu2.1无法使用gpu加速计算，一跑网络，cpu占用率接近100%。但是gpu几乎为1%。

输入以下命令


nvidia-smi

看到驱动对应的cuda版本为11.1。而 环境中tensorflow-gpu2.1最高支持cuda10.1。需要降级显卡驱动，降级到驱动对于的cuda版本为10.1左右。

1.下载旧版本驱动，我下载的版本为430.64

2.ctrl+alt+F1 进入命令行，输入用户名]]></description><category></category></item><item><title><![CDATA[Ubuntu Matlab Failed to load module “canberra-gtk-module“]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/110422343</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/110422343</guid><author>a970973835</author><pubDate>Tue, 01 Dec 2020 10:01:04 +0800</pubDate><description><![CDATA[1、Ubuntu 18.04/20.04 默认安装了libcanberra-gtk3-module（gtk-3.0+），而Matlab需要调用的是gtk-2.0+的canberra动态链接库；
（实际上gtk-3.0+目录下也有2.0+版本的动态链接库文件，但似乎Matlab并不支持同一路径下的多版本libcanberra-gtk-module.so）
2、linux默认库是从“/usr/lib/”路径下找，而canberra动态链接库位于“/usr/lib/x86_64-linux-gnu/”路径下；

]]></description><category></category></item><item><title><![CDATA[关于Padding的一点误解]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/109812939</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/109812939</guid><author>a970973835</author><pubDate>Thu, 19 Nov 2020 15:20:43 +0800</pubDate><description><![CDATA[nn.Conv2d(self.dim_h * 4, self.dim_h * 8, kernel_size=4, stride=2, padding= 1, bias=False)

当输入feature map大小为4*4时，输出为多少？
正确答案为2x2，而非1x1。
padding机制是指在卷积操作之前在特征图周围补充一圈像素。所以padding=1时，4x4 的 feature map 先填充为6x6大小，然后进行卷积操作，卷积后大小为{（4+2）-4} / 2 + 1 = 2。
总而言之，padd]]></description><category></category></item><item><title><![CDATA[tf.range VS tf.linspace]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/107141884</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/107141884</guid><author>a970973835</author><pubDate>Sun, 05 Jul 2020 17:55:09 +0800</pubDate><description><![CDATA[b = tf.range(1,10,delta = 2)
tf.print(b)

[1 3 5 7 9]

tf.range(1,10,delta = 2) 以增量为2生成 [1,10)的整数，注意是左闭右开的区间，故不包括10。
c = tf.linspace(10.0, 12.0, 3)
tf.print(c)

[ 10.0  11.0  12.0]

tf.linspace(10.0, 12.0, 3)在[10.0,12.0]中生成3个数，注意是闭合区间，这3个数均分区间[10.0,12.0]。
]]></description><category></category></item><item><title><![CDATA[tensorflow2.0 环境配置-Ubuntu]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/94543761</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/94543761</guid><author>a970973835</author><pubDate>Wed, 03 Jul 2019 09:01:06 +0800</pubDate><description><![CDATA[tensorflow2.0 出来了，相较于tensorflow1.x作了较大的改动。以下说明如何配置环境。

首先安装anaconda，这个不会安装的话,自行百度。

然后创建环境，使用命令


conda create -n tf2_cpu_py3.6 python=3.6 //环境名可以自己另设，python版本也可以自己另定

接着配置pip。由于官网给出的安装方式是pip安装，所以建议更改...]]></description><category></category></item><item><title><![CDATA[约束优化方法之拉格朗日乘子法与KKT条件]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/90115135</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/90115135</guid><author>a970973835</author><pubDate>Sat, 11 May 2019 21:15:56 +0800</pubDate><description><![CDATA[https://www.cnblogs.com/ooon/p/5721119.html

这个博客讲得很清楚
]]></description><category></category></item><item><title><![CDATA[conda环境转移复制和pip包的转移复制]]></title><link>https://blog.youkuaiyun.com/a970973835/article/details/88929966</link><guid>https://blog.youkuaiyun.com/a970973835/article/details/88929966</guid><author>a970973835</author><pubDate>Sun, 31 Mar 2019 15:50:51 +0800</pubDate><description><![CDATA[conda导出已有环境：
conda env export &gt; environment.yaml

环境会被保存在 environment.yaml文件中。当我们想再次创建该环境，或根据别人提供的.yaml文件复现环境时，可以：

conda env create -f environment.yaml

就可以复现安装环境。移植过来的环境只是安装了你原来环境里用conda install等...]]></description><category></category></item></channel></rss>