masterShaw的博客

LaTeX 中插入图片使其紧跟插入的文字之后

参考文档：寫好審稿人意見回函也能幫你揮出投稿全壘打 - Wordvice

有时候，linux的电脑中cuda版本是10.2，但是因为程序中使用的tensorflow 1.x，那么必须要装cuda10.0.一共有两种方法，一种是在linux系统中装cuda10.0，和cudnn等cuda10.2 和cudnn 7.6.5安装之路_masterShaw的博客-优快云博客一种是在conda的环境中安装cudatoolkitconda install cudatoolkit=1.0...

删除原有cuda禁用nouveau驱动sudo vim /etc/modprobe.d/blacklist.conf在文本最后添加：blacklist nouveauoptions nouveau modeset=0然后执行：sudo update-initramfs -u重启：sudo reboot执行以下命令，如果没有屏幕输出，说明禁用nouveau成功：lsmod | grep nouveau卸载sudo /usr/local/cuda-1

tf.assign(不好用，千万别用。请用tf.scatter_update方法)def t6(): """ success Returns: """ sess = tf.Session() a = tf.get_variable(dtype=tf.int32, shape=[10, 3], name='item_table') print(a) a = a[5,:].assign([100,100,100]) print(a)

实现代码：def evaluteTop1(model, loader): model.eval() correct = 0 total = len(loader.dataset) for x,y in loader: x,y = x.to(device), y.to(device) with torch.no_grad(): logits = model(x) pred = ..

正常损失训练图异常损失训练图问题分析梯度爆炸或消失。具体分析和解决方法请看：https://blog.youkuaiyun.com/raojunyang/article/details/79962665

https://zhuanlan.zhihu.com/p/200876072http://noahsnail.com/2020/06/12/2020-06-12-%E7%8E%A9%E8%BD%ACpytorch%E4%B8%AD%E7%9A%84torchvision.transforms/class DatasetSplit(Dataset): """An abstract Dataset class wrapped around Pytorch Dataset class.

~$ vim .bashrc# >>> conda initialize >>># !! Contents within this block are managed by 'conda init' !!__conda_setup="$('/home/sff/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"if [ $? -eq 0 ]; then eval "$__conda_se.

操作网址https://www.cnblogs.com/danielyoung/p/10608677.html

修改pip源（清华源）修改docker源在/etc/docker/daemon.json文件中，Ubuntu没有的话则自己创建daemon.json文件。文件内容为：{ "registry-mirrors": ["https://hub-mirror.c.163.com", "http://f1361db2.m.daocloud.io", "https://docker.mirrors.ustc.edu.cn", "https://registry.docker-cn.

固定参数不进行训练pytorch1. 模型中设置# Fix the layers before conv3:for layer in range(10): for p in self.vgg.features[layer].parameters(): p.requires_grad = False2. 变量声明时设置# 方法1from torch.autograd import Variablex = Variable(torch.randn(5, 5), r

误差误差：方差 ，偏差 和 噪声之和偏差（bias）：描述的是偏离正确值的程度。高偏差指的是：训练集损失值 和 交叉验证集 损失值都很大，欠拟合。方差（variance）： 描述的是预测值的波动情况。高方差指的是：训练集损失值很小，但是交叉验证集 损失值很大，过拟合。噪声：表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界。归一化（Normalization）用以解决 梯度消失/爆炸 的问题。vanishing/exploding gradients hav...

1. 创建一个deployment2. 选择sftp，设置相应参数connection3. 设置mappings4.这些设置好之后，进入run--edit configurations，5. 要在程序入口的.py文件开头中添加一段代码：参考资料：https://blog.youkuaiyun.com/fawn2315/article/details/2430408...

conda 创建新环境conda create -n your_env_name python=your_python_versionconda 查看已有环境conda info -econda 切换环境

在卷积神经网络中，感受野的定义是：卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。论文列表链接Faster RCNN算法解析（附源代码，可以直接运行）Bounding box regression详解faster R-CNN中anchors 的生成过程（generate_anchors源码解析）faster rcnn中anch...

https://blog.youkuaiyun.com/sscc_learning/article/details/79814146

一. 池化：padding="SAME"import tensorflow as tfimport numpy as npa = [[[[1,3,2], [4,6,5], [7,9,8]]]]a = np.transpose(a, [1, 2, 3, 0])print(a.shape)b = tf.nn.max_pool(a, [1, 2, 2, 1],...

1. tensorflow-gpu与tensorboard版本不一致导致运行代码时报错，错误如下解决方法：使用相同版本，问题就解决了。比如下面

raditional Pooling Methods要想真正的理解Global Average Pooling，首先要了解深度网络中常见的pooling方式，以及全连接层。众所周知CNN网络中常见结构是：卷积、池化和激活。卷积层是CNN网络的核心，激活函数帮助网络获得非线性特征，而池化的作用则体现在降采样：保留显著特征、降低特征维度，增大kernel的感受野。深度网络越往后面越能捕捉到物体...

之前对卷积网络中padding操作一直存在错误理解，以为padding=SAME为输入和输出尺寸一样大，但是最近看了一些论文和资料后发现，之前的理解错误，下面是tensorflow中源码的实现，可以看出padding=VALID和padding=SAME的计算公式...

1. 【特征检测】HOG特征算法2. 图像特征及其提取算法