baidu_40582876的博客

tensorboard出错

深度学习笔记

ubuntu下多版本cuda

查看对应的版本gcc -vg++ -v进入到/usr/bin中进行处理cd /usr/binsudo rm -r gcc g++新建软连接sudo ln -s /usr/bin/gcc-指定版本 gccsudo ln -s /usr/bin/g++-指定版本g++完成

nn.Embedding经常用到的参数是nn.Embedding(num_embeddings, embedding_dim)其中，num_embeddings代表字典中一共有多少个词语, embedding_dim代表你想要为每个词创建一个多少维的向量，这样在使用的时候，会为每一个特定的词语赋予一共向量。示例import torchfrom torch import nnembedding = nn.Embedding(5, 4) # 假定字典中只有5个词，词向量维度为4word

转载一篇文章模型的第一层：详解torch.nn.Embedding和torch.nn.Linear_音程的博客-优快云博客_embeding linear

最近重写拾起了GAN网络，做layout的生成工作，但是在训练的过程中又出现了G和Dloss不按照正常的情况下降和上升：网上查找的原因是：种情况是判别器太强了，压制了生成器。查询资料后总结的方法1 提升G的学习率，降低D的学习率。2 G训练多次，D训练一次。3 使用一些更先进的GAN训练目标函数。参考资料：训练GAN时，遇到G_loss不断上升最后平稳，D_loss不断下降最后趋于0,这种情况应该如何调整？ - 知乎...

关于图像的高频信息与低频信息的理解：图像的高频信息和低频信息代表的含义（以奇异值分解实现图像压缩为例附实验说明）_Sual的博客-优快云博客_图像高频和低频对应图像的什么信息在处理三维特征的时候，也有高频和低频的一些说法，比如这篇论文中提到了相关工作：Fourier Feature Networks未完待续参考文献：[1]图像的高频信息和低频信息代表的含义（以奇异值分解实现图像压缩为例附实验说明）_Sual的博客-优快云博客_图像高频和低频对应图像的什么信息[2]Mat.

问题Linux下安装anaconda3后anaconda命令能用，但conda不能用解决方法进入anaconda目录下，激活cd /anacondasource ./bin/activate这样conda命令行就可用了常用命令conda create -n your_env_name python=x.xyour_env_name文件可以在andaconda安装目录envs文件下找到 conda list查看安装了哪些包 conda env list或conda in..

用numpy计算矩阵，求矩阵的-1/2次方1）安装numpy2) 代码。import osimport sysimport numpy as npfrom numpy import linalg as la# v 为特征值 Q 为特征向量 v,Q = la.eig(D)V = np.diag(v**(-0.5))T = Q * V * Q**-1#T为所求结果参考文献:https://www.codeleading.com/article/40217..

Pytorch 中的model.train() 和 model.eval() 。这两者的主要区别在于BatchNorm 和 Dropout两层。一般情况，model.train()是在训练的时候用到，model.eval()是在测试的时候用到。

import shutilshutil.rmtree(path)

在ubuntu中想使用pyqt，follow了G2LGAN中的方法，还是不行，最后网上查到了方法，这里记录一下：sudo apt-get install python-qt4使用这个命令可以解决问题，需要注意的是还要参考我们的整体的环境，例如python的版本等...

发现最近的论文处理三维数据的时候可以结合卷积和RNN去做，所以去简单学习了RNN网络:传统的DNN模型: 1)层数比较多 2)模型难以统一 3)不具备共享特征的能力DNN的层数可能超过100层，但是DRNNs一般没有这么多层，三层的RNNs已经可以具备很好的效果了，单层的RNNs也可以有不错的效果一般的RNN模型: 相互间有依赖关系，即每个元素受到其周围附件的元素影响较大...