AI炼丹师

#ps x |grep python|awk ‘{print $1}’|xargs kill 杀死所有僵尸进程#root用户fuser -v /dev/nvidia* |awk ‘{for(i=1;i

ssh config的位置在：~/.ssh/configvscode 登录打开vscode，点击View - Command palette点击Remote SSH: Connect to Host选择上一步配置的远程服务器别名按照提示分别输入跳板机，远程服务器的密码第一次连接的时候会花几分钟时间安装vscode server，注意： 即使远程服务器没有网络也可以安装成功Host xxx # 随便起 HostName 123.123.123.123 # 训练服务器IP User u

记录一下，非常全！！！https://blog.youkuaiyun.com/zhangyuexiang123/article/details/107705311

系统：Ubuntu18.0TLSStep1:sudo gedit /etc/hostsStep2:添加到最后140.82.113.3 github.com185.199.108.154 github.githubassets.com185.199.109.154 github.githubassets.com185.199.110.154 github.githubassets.com185.199.111.154 github.githubassets.com185.199.108.1

1.主要采用训练时水平翻转，测试时也同样水平翻转抽取两次特征并求平均。该思路在人脸识别问题中就被大量采用。2.输入图像扩大，来自[3]中，将256128的输入变为384128，性能会提升不少，也有人尝试288144[4]3.随机裁剪，很多人尝试过后会发现性能反而不好，这里有个技巧，就是先补0，然后再裁剪，把图片resize到384128，然后补0至402148，再次随机裁剪为384128。具体做法来自于[5]，该文章中是把图片resize到256128，并补0至276148，然后随机裁减至256*128

深度学习第一天：逻辑回归深度学习（Deep Learning）是机器学习（Machine Learning）的一大分支，深度学习的概念源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。逻辑回归（Logistic Regression，也译作“对数几率回归”）是离散选择法模型之一，属于多重...

分卷压缩的话，需要先将文件打包成一个zip包，然后执行zip -s SIZE origin.zip --out new.zipSIZE为分卷的大小4m,4g,4t等解压的时候需要先将它合并才能正常解压zip new.zip -s=0 --out single.zip

1.本质：硬链接：一个文件多个名字软连接：一个文件对应多个快捷方式2.链接数硬链接会增加链接数；软连接不增加3.跨分区硬链接不可以跨分区;软链接可以跨分区4.目录硬链接不支持目录; 软链接支持5.原始和链接文件关系硬链接各个文件是平等关系；软链接是一种依赖关系...

1.概念角度：进程：操作系统进行资源分配的单元线程：任务调度和执行的单元一个操作系统可以运行多个进程，一个进程可以包含多个线程。2.花销角度：每个进程的数据空间和代码是独立的，进程切换开销大；同类线程之间的数据空间和代码是共享的，线程切换开销小.3.内存分配操作系统在运行进程时会为每个进程分配一个内存空间。线程主要由CPU分配内存空间和使用进程的空间。...

.RuntimeError: Expected object of scalar type Long but got scalar type Float for argument #2 ‘mat2’if i%1000 == 0: display.clear_output(wait=True) x = t.arange(0,20).view(-1, 1) print(x.dtype)# print(x) y = x.

写在前面：立体图推荐PlotNeuaralNet; 平面图推荐NetScope.NN-SVGgithub地址：https://github.com/zfrenchee画图工具体验地址：http://alexlenail.me/NN-SVG/可以绘制的图包括以节点形式展示的FCNN style，这个特别适合传统的全连接神经网络的绘制。PlotNeuralNet画立体卷积图必备https://github.com/HarisIqbal88/PlotNeuralNetConvNetDrawCon

2020 ECCV VIPriors workshop 目标检测第一名思路1. Offline Data Augmentation2. Online Data AugmentationMethods代码地址

赛题：多目标检测与跟踪初赛：排名第1，复赛面试完第8。初赛思路：第一次做跟踪任务。简单的认为是检测+reid问题。初赛：1.首先明确题意：多目标跟踪；指标MOTA和MOTP, 后期的大量实验证明检测算法相对于跟踪更重要。2.数据集分析：人群密集稀疏场景；场景（白天，黑夜）光照变化丰富。多方向视角，方向变化大；行人速度有快又慢。B榜 新增2个挑战： 更密集的人群和遮挡初赛不看速度要求，选择SOTA检测算法，Cascade-RCNN ，其中选择HRNet作为backbone。Reid

Title: Image-to-image translation with conditional adversarial networkspaper：pdfCode：Pix2pix codeAbstract研究GAN作为图像到图像翻译问题的通用解决方案。This makes it possible to applythe same generic approach to proble...