qq_41985514的博客

一些工具代码段文章目录一些工具代码段```Averager```未完待续…Averager用于更新与记录随着次数n增大的平均值value=nv+xn+1value=\frac{nv+x}{n+1}value=n+1nv+x​,nnn为次数，vvv为前nnn次平均值，xxx为最新一次输入值。class Averager(): def __init__(self): self.n = 0 self.v = 0 def add(self, x):

Dynamic Few-Shot Visual Learning without Forgetting文章目录Dynamic Few-Shot Visual Learning without Forgetting研究问题创新点问题设定研究方法本文最大创新点——分类权重生成器如何实现使用的数据集结论研究问题从少量样本中学习到新的概念，本文旨在设计一个小样本视觉学习系统。该系统能够在测试阶段从少量训练样本中高效地学习新的概念，于此同时不会忘记原始的类别创新点提出基于注意力机制的小样本类别权重生成器

您可以在Keras文档中找到答案：https：//keras.io/getting-started/faq/#how-can-i-obtain-reproducible-results-using-keras-during-development 。简而言之，要绝对确保使用一台计算机/笔记本电脑的CPU上的python脚本可获得可重复的结果，则必须执行以下操作：将PYTHONHASHSEED环境变量设置为固定值将python内置的伪随机数发生器设置为固定值组 numpy伪随机数发生器设置为固定值

目前常见的神经网络模型，模型大小差不多都在百M以上，有的甚至有几G,几十G的大小。将深度学习的模型运用于移动设备，比如手机输入法，对图像做变换做艺术效果的app,效果毋庸置疑是好的，但由于模型的size太大，给深度学习在移动端的应用带来了困难。可以设想一下，如果一个手机的app需要加载一个500M甚至1G以上的模型恐怕不太容易被用户接受。因此需要将大模型变成小模型，以供在移动设备上使用。针对计算机视觉里面的CNN模型，可以做模型压缩，缩减模型大小。模型压缩的技术，可以分为四类：剪枝：神经网络是由一

https://blog.youkuaiyun.com/qq_43597899/article/details/105571688

一是：系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-q5roRMbZ-1616285497791)(https://blog.youkuaiyun.com/jasonzhangoo/article/details/54866049)]简单但是不提倡二是：先官网下载好对应驱动编译Nvidia中文官网是 http://www.nvidia.cn/page/home.html1）