<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[花有重开日 人无再少年]]></title><description><![CDATA[Technology come and technology go, but insight is forever]]></description><link>https://blog.youkuaiyun.com/csdnldp</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; csdnldp]]></copyright><item><title><![CDATA[Jetson TX2开发问题总结]]></title><link>https://blog.youkuaiyun.com/csdnldp/article/details/80118756</link><guid>https://blog.youkuaiyun.com/csdnldp/article/details/80118756</guid><author>csdnldp</author><pubDate>Sat, 28 Apr 2018 12:37:27 +0800</pubDate><description><![CDATA[刷机和安装软件包



软件包的选择

在刷机过程中，下载软件包完成后会遇到选择安装软件包的页面 
 
在这个列表中前半部分是在host主机上安装的软件包，后半部分是JETSON的系统镜像。如果选择FULL模式，即全部安装的话，会占用40~50G的硬盘空间。为避免不必要的错误和节省安装时间，可以不在HOST端安装软件包，即HOST-UBUNTU选项设置为no action。



网络连接方式的选...]]></description><category></category></item><item><title><![CDATA[SqueezeNet详细解读]]></title><link>https://blog.youkuaiyun.com/csdnldp/article/details/78648543</link><guid>https://blog.youkuaiyun.com/csdnldp/article/details/78648543</guid><author>csdnldp</author><pubDate>Wed, 29 Nov 2017 18:10:43 +0800</pubDate><description><![CDATA[概要：SqeezeNet的工作为以下几个方面：

1. 提出了新的网络架构Fire Module，通过减少参数来进行模型压缩
2. 使用其他方法对提出的SqeezeNet模型进行进一步压缩
3. 对参数空间进行了探索，主要研究了压缩比和$3*3$卷积比例的影响]]></description><category></category></item><item><title><![CDATA[DenseNet详细解读]]></title><link>https://blog.youkuaiyun.com/csdnldp/article/details/78357554</link><guid>https://blog.youkuaiyun.com/csdnldp/article/details/78357554</guid><author>csdnldp</author><pubDate>Thu, 26 Oct 2017 19:11:12 +0800</pubDate><description><![CDATA[这篇文章是Densely Connected Convolutional Networks的解读，在精简部分内容的同时补充了相关的概念。如有错误，敬请指正。]]></description><category></category></item><item><title><![CDATA[ResNet详细解读]]></title><link>https://blog.youkuaiyun.com/csdnldp/article/details/78313087</link><guid>https://blog.youkuaiyun.com/csdnldp/article/details/78313087</guid><author>csdnldp</author><pubDate>Sun, 22 Oct 2017 20:44:38 +0800</pubDate><description><![CDATA[这篇文章是Deep Residual Learning for Image Recognition 的翻译，精简部分内容的同时补充了相关的概念，如有错误，敬请指正。]]></description><category></category></item><item><title><![CDATA[Batch Normalization详细解读]]></title><link>https://blog.youkuaiyun.com/csdnldp/article/details/78248337</link><guid>https://blog.youkuaiyun.com/csdnldp/article/details/78248337</guid><author>csdnldp</author><pubDate>Mon, 16 Oct 2017 12:15:00 +0800</pubDate><description><![CDATA[[TOC] 
这篇文章是论文 Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift  的翻译，其中精简了部分内容的同时解释了相关的概念，如有错误，敬请指教。Abstract在神经网络训练过程中，前一层权重参数的改变会造成之后每层输入样本分布的改变，这造成了训练过程的困难。]]></description><category></category></item><item><title><![CDATA[TensorFlow实现Softmax Regression手写数字识别]]></title><link>https://blog.youkuaiyun.com/csdnldp/article/details/73294277</link><guid>https://blog.youkuaiyun.com/csdnldp/article/details/73294277</guid><author>csdnldp</author><pubDate>Thu, 15 Jun 2017 17:12:30 +0800</pubDate><description><![CDATA[MNIST数据集
one-hot编码
Softmax Regression算法
使用TensorFlow实现Softmax算法


主要步骤
完整的代码实现
总结





这篇文章是学习《TensorFlow实战-黄文坚》过程中的笔记，这本书对理论部分解释较少，主要集中于TensorFlow的使用和理解部分，具体的细节还需要参考TensorFlow的官方文档



MNIST数据集

MNIST]]></description><category></category></item><item><title><![CDATA[Ubuntu 16.04安装NVIDIA显卡驱动 、CUDA-8.0、cuDNN和TensorFlow问题及解决方法]]></title><link>https://blog.youkuaiyun.com/csdnldp/article/details/73250348</link><guid>https://blog.youkuaiyun.com/csdnldp/article/details/73250348</guid><author>csdnldp</author><pubDate>Wed, 14 Jun 2017 17:18:11 +0800</pubDate><description><![CDATA[问题及解决方法



Nvidia-375驱动安装



问题

我使用的是联想Y430P笔记本，GTX850M显卡。由于联想的本大多是双显卡，在安装显卡驱动的时候容易出现一些人生的意外。原先的ubuntu14.04从源里安装了Nvidia-346版本的显卡驱动，具体教程可见ubuntu14.04安装GTX850M显卡驱动实录。升级成ubuntu16.04后依然好用。在装CUDA-8.0的时候想升]]></description><category></category></item></channel></rss>