生成滞涨网络~-优快云博客

统计Tensor中False出现的次数#mask 是一个这样的tensor: tensor([[False, False, False, ..., False, False, False]], device='cuda:0')#shape: torch.Size([1, 1024])print((mask==False).sum())#tensor(1024, device='cuda:0')

2022-05-24 12:05:12 7072 2

原创深度学习显存占用不断提高（网上没有出现的一种情况）

当我运行一段代码的时候出现一开始显存占用没有满，随着训练的step增多显存逐渐增大。我尝试了https://blog.youkuaiyun.com/qq_36401512/article/details/96163940所有方法发现都不行。直到收到一位高人指点，将原先的torch1.7版本换为torch1.6问题就解决了。...

2022-05-23 20:01:21 1676 1

原创与其他答案不同的ERROR 2003 (HY000): Can’t connect to MySQL server on ‘localhost’ (10061)

使用python连接mysql数据库的时候报错：ERROR 2003 (HY000): Can’t connect to MySQL server on ‘localhost’ (10061)。查阅网上相关解决方案全是重启mysql服务，但是我的并不是，相信有些伙伴也会遇到和我一样的问题，现在记录一下。我原始的连接方式：self.db = pymysql.connect(host='localhost', port=3306,

2022-04-25 15:34:32 782

原创使用Keras的LSTM报错

原始代码：input1 = Input(shape=(X_train_1.shape[1],X_train_1.shape[2]))input2 = Input(shape=(X_train_2.shape[1],X_train_2.shape[2]))out1 = LSTM(4)(input1)out2 = LSTM(4)(input2)out = keras.layers.concatenate([out1, out2], axis=4)out = Dense(64, activation=

2022-04-22 10:58:16 703

原创 Leetcode小技巧自我总结

1. 取出数组中最后一位不为0的数LastRight = OriNum & (-OriNum +1)

2022-03-03 22:08:46 70

原创 DCN环境配置遇到问题（2080ti以及3080ti）

2080ti的CUDA版本为10.1，3080ti的版本为11.3 需要注意的是30系列显卡适配CUDA版本11以上，老环境需要进行相应调整。1. 3080ti编译时ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory查看CUDA版本显示cat /usr/local/cuda/version.tx...

2022-01-21 23:27:53 2598

原创 GPU利用率（gpu-util）低下的可能原因

本文章分享一下自身遇到的一个问题，参考很多其他文章对GPU利用率低的解答发现自己都解决了，可是利用率还是一会儿10%一会儿90%。我的原因是使用了VGG模块用于计算感知损失。for epoch in range(start_epoch , opt.nEpochs): for iteration, batch in enumerate(training_data_loader, 1): ... vgg = Vgg19(requires_grad=False).to('cuda') ...

2022-01-08 08:50:47 3663

原创 c++规定输出格式

#include <iostream>#include <iomanip>using namespace std;int main(){ float a = 194.3345; cout << "-------\n"; //cout默认输出6位有效位数 cout << setprecision(9) << setiosflags(ios::right) << setw(9) << a

2021-12-30 15:59:19 295

原创 c与c++输入区别

输入均为10 a#include <stdio.h>int main(void){ int a, b; // C语言处理风格 scanf("%d%c", &a, &b); printf("%d%c", a, b); getchar(); return 0;}结果10#include <stdio.h>#include <iostream>using namespace std;

2021-12-30 15:32:37 288

原创利用ffmpeg与PotPlayer将双路图片转换为红蓝视频

#合成左右路视频并设置帧率，每秒播放一帧ffmpeg -r 1-i left%d.png left.mp4ffmpeg -r 1 -i right%d.png right.mp4#将两路视频并排ffmpeg -i warped_rec.mp4 -i right.mp4 -filter_complex "[0:v]pad=iw*2:ih[a];[a][1:v]overlay=w*1" out.mp4用Potplayer打开out.mp4，右键选择视频 -> 3D视频输出 -> 输出

2021-12-25 15:04:05 1921

原创如果要对tensor维度变换尽量使用tf.tanspose()而不是tf.reshape()

如果要对tensor维度变换尽量使用tf.tanspose()而不是tf.reshape()

2021-12-18 22:37:32 231

原创 AttributeError: ‘Tensor‘ object has no attribute ‘numpy‘

这是由于tensorflow版本过高所致，为了兼容之前版本的运算，加入语句：tf.enable_eager_execution()import tensorflow as tftf.enable_eager_execution() # 关键

2021-12-14 10:26:33 3299

原创关于python维度扩充

如果扩充一个维度可以考虑tf.expand_dims，但是扩充多个维度就显得吃力了。直接上代码：grid_x = torch.tensor([-1, 0, 1, 0.5], dtype=torch.float)grid_x = grid_x[None, None, :, None] # 扩充维度至[1,1,4,1]

2021-12-03 23:38:08 822

原创给jupyter-notebook更换kernel

首先，在命令窗口中activate你创造的那个新环境nerf。然后，安装ipykernelconda install ipykernel在环境中手动安装你的kernel，因为在第二步中我们已经在创造的环境中安装了ipykernel了，所以，我们直接在环境里执行下面的代码来手动添加kernel进jupyter notebookpython -m ipykernel install --user --name nerf如果报错：No module named ipykernel，则是没有安装

2021-09-26 17:00:28 715

原创 FileNotFoundError(2, “No such file or directory: ‘/home/ubuntu541/anaconda3/envs/gsn/bin/python3.6‘“

跑别人的深度学习模型时配环境又出现问题了。。。Preparing transaction: doneVerifying transaction: doneExecuting transaction: failedERROR conda.core.link:_execute(502): An error occurred while installing package 'conda-forge::async_generator-1.10-py_0'.FileNotFoundError(2, "No

2021-09-26 11:06:55 1771 1

转载关于conv2d的参数

X【batch_size, in_channels, height_1, width_1】batch_size：一个batch中样本的数量in_channels：通道数，取决于样本的通道，比如RGB图像的通道数是3height_1：图片的高width_1：图片的宽Conv2d的参数【channels, number, height_2, width_2】channels：通道数，要与输入的通道数保持一致，channels=in_channels.number：卷积核的数量height_2

2021-09-13 14:28:03 613

原创使用在train中指定CUDA_VISIBLE_DEVICES=1无效

我的train文件：import torchimport osimport torchvisionfrom helpers import get_rays, sample_pdf, to8b, to_disp_img, img2mse, mse2psnros.environ["CUDA_VISIBLE_DEVICES"]="1"def train(): return 0 train()但是实际上发现训练还是在0卡上训的，后来查阅相关资料发现，我需要进行两步设置。把 impo

2021-09-10 14:15:24 4446

原创关于tensor维度的实验

dataset.get_styles() #{Tensor:(100,64)}all_style_inds #{Tensor:(4800,)}dataset.get_styles()[all_style_inds] #{Tensor:(4800,64)}可以发现[]相当于在dataset.get_styles()第一个维度上对每一个all_style_inds的数值。

2021-08-23 16:11:58 87

原创关于列表赋值的效率问题

import timedef main(): t1=time.time() count1={} count2={} for i in range(1000000): count1[i]=[] count1[i].append(i) t2=time.time() count2=count1 t3=time.time()

2021-08-21 19:53:09 64

转载 view和reshape的区别

因为历史上view方法已经约定了共享底层数据内存，返回的Tensor底层数据不会使用新的内存，如果在view中调用了contiguous方法，则可能在返回Tensor底层数据中使用了新的内存，这样打破了之前的约定，破坏了对之前的代码兼容性。为了解决用户使用便捷性问题，PyTorch在0.4版本以后提供了reshape方法，实现了类似于 tensor.contigous().view(*args)的功能，如果不关心底层数据是否使用了新的内存，则使用reshape方法更方便。...

2021-08-19 10:51:00 375

原创深度学习经验总结

一般的，显存占用率很高，利用率却很低的时候，通常会怀疑是数据加载太慢导致，但不是唯一原因，比如模型内大量的循环也会导致GPU利用率低。可以尝试固定数据看看是否可以提高GPU利用率。...

2021-08-18 12:12:19 95

原创 torch.gather以及torch,searchsorted使用示例

**torch.gather使用**import torchtensor_0 = torch.arange(3, 12).view(3, 3)print(tensor_0)#tensor([[ 3, 4, 5],# [ 6, 7, 8],# [ 9, 10, 11]])index = torch.tensor([[2, 1, 0]]).t()tensor_1 = tensor_0.gather(1, index)print(tensor_1)

2021-08-18 10:46:47 2266

转载 AttributeError: Can‘t get attribute ‘guess_gender‘ on ＜module ‘main‘ (built-in)＞

问题描述：AttributeError: Can’t get attribute ‘guess_gender’ on <module ‘main’ (built-in)>原始代码：import sysimport gender_guesser.detector as genderimport multiprocessingimport timed = gender.Detector()def guess_gender (name): n = name.title(

2021-08-17 09:40:13 616

原创 GlobalAveragePooling中x.mean([2,3])的理解

class GlobalAveragePooling(nn.Module): def __init__(self): super().__init__() def forward(self, x): return x.mean([2, 3])在GlobalAveragePooling2D有如下代码：def call(self, inputs): if self.data_format == 'channels_last': retur

2021-08-16 16:23:30 1393

原创 torch.cuda.amp.autocast()使用示例

# 定义模型和优化器model = Net().cuda()optimizer = optim.SGD(model.parameters(), ...)# 在训练最开始定义GradScalar的实例scaler = GradScaler()for epoch in epochs: for input, target in data: optimizer.zero_grad() # 利用with语句，在autocast实例的上下文范围内，进行模型的前向推

2021-08-16 15:11:54 9583 1

转载关于top-k的使用

k=1时topk与max一致import torchpred = torch.randn((4, 5))print(pred)values, indices = pred.topk(1, dim=1, largest=True, sorted=True)print(indices)# 用max得到的结果，设置keepdim为True，避免降维。因为topk函数返回的index不降维，shape和输入一致。_, indices_max = pred.max(dim=1, keepdim=Tru

2021-08-15 21:49:57 416

原创 KeyError问题记录

数据集定义为CelebA = { 0: {'batch_size': 12, 'num_steps': 12, 'img_size': 64, 'batch_split': 2, 'gen_lr': 6e-5, 'disc_lr': 2e-4}, int(200e3): {}, 'dataset_path': '/home/ubuntu541/yhj_lsp/nerf/data/pigan-data/celaba/img_align_celeba/*.jpg', 'fov

2021-08-15 11:37:55 1545

原创 f‘{i:0＞4}‘用法总结

学了这么长时间python居然没看过0>4的写法，后来写了下面几行验证一下1. 当要使输出靠右，左边补足0，总共4位时：def main(): for i in range(100): print(f'{i:0>4}')输出如下：0001......009800992. 当要使输出靠左，左边补足0，总共5位时：def main(): for i in range(100): print(f'{i:0<4}')输.

2021-08-14 21:44:51 939

转载 state_dict()用法示例

torch.nn.Module模块中的state_dict变量存放训练过程中需要学习的权重和偏执系数.torch.optim模块中的Optimizer优化器对象也存在一个state_dict对象，此处的state_dict字典对象包含state和param_groups的字典对象，而param_groups key对应的value也是一个由学习率，动量等参数组成的一个字典对象。#encoding:utf-8 import torchimport torch.nn as nnimport torc

2021-08-14 19:46:44 2741

原创 python如果存在路径便删除重建

import os if os.path.exists(opt.output_dir) and os.path.isdir(opt.output_dir): shutil.rmtree(opt.output_dir) os.makedirs(opt.output_dir, exist_ok=False)exist_ok=False意味着不能存在该路径，若存在则报错

2021-08-14 19:21:53 325

南开大学移动云计算ppt

2023-01-23

南开大学《计算机算法设计》期末报告

2023-01-23

南开大学《计算机网络技术》课程报告

2023-01-23

指纹识别资源指纹识别资源

在生物特征识别领域，指纹作为最具独特性与持久性的生物特征之一，被广泛应用于身份识别。指纹识别过程分为特征提取和比对两个环节。其中特征提取环节会提取用于指纹识别的指纹特征，一般国际上最为常见的指纹特征为“细节点”特征，其可视化展示形式如图 1 中的浅蓝色小圆圈及对外伸出的浅蓝色短线段，短线段用于指示细节点处纹线方向。细节点一般采用三元存储格式： (x, y, )，分别表示 x 轴像素坐标、y 轴像素坐标及细节点方向。一般而言：（1）指纹图像坐标体系：左上角为坐标原点，且 x 轴方向向右，y 轴方向向下；（2）细节点表达约定：细节点 x, y 的位置采用指纹图像坐标系表达，其方向规定：零度方向为 x 轴正方向（向右），90 度方向为 y 轴负方向（向上），180 度方向为 x 轴负方向（向左），270 度方向为 y 轴正方向（向下），最大角度为 359 度。角度的最小区分单位为 1 度。

2022-04-15

NWPU-RESISC45.7z

NWPU-RESISC45数据集包含45种土地利用类型的遥感影像提取自Google Earth 由西北工业大学于2016年发布标注信息： 45类： airplane, airport, baseball diamond, basketball court, beach, bridge, chaparral, church, circular farmland, cloud, commercial area, dense residential, desert, forest, freeway, golf course, ground track field, harbor, industrial area, intersection, island, lake, meadow, medium residential, mobile home park, mountain, overpass, palace, parking lot, railway, railway station, rectangular farmland, river, roundabout, runwa

2022-04-10

各个行业简历，超级全！！！

简历精而不“简”、精而不“滥”，不仅能够在第一眼吸引到HR，还能让HR在有限的时间内，在冗长的简历内容中一眼看到求职者最适合职位的地方，或是能让他对你产生兴趣想要去了解你的想法，这样的简历就是成功的。简历精而不“简”、精而不“滥”，不仅能够在第一眼吸引到HR，还能让HR在有限的时间内，在冗长的简历内容中一眼看到求职者最适合职位的地方，或是能让他对你产生兴趣想要去了解你的想法，这样的简历就是成功的。简历精而不“简”、精而不“滥”，不仅能够在第一眼吸引到HR，还能让HR在有限的时间内，在冗长的简历内容中一眼看到求职者最适合职位的地方，或是能让他对你产生兴趣想要去了解你的想法，这样的简历就是成功的。简历精而不“简”、精而不“滥”，不仅能够在第一眼吸引到HR，还能让HR在有限的时间内，在冗长的简历内容中一眼看到求职者最适合职位的地方，或是能让他对你产生兴趣想要去了解你的想法，这样的简历就是成功的。

2022-04-10

简历模板（计算机、金融、法律。。。。）

好看的简历影响给面试官的第一印象。简历精而不“简”、精而不“滥”，不仅能够在第一眼吸引到HR，还能让HR在有限的时间内，在冗长的简历内容中一眼看到求职者最适合职位的地方，或是能让他对你产生兴趣想要去了解你的想法，这样的简历就是成功的。简历精而不“简”、精而不“滥”，不仅能够在第一眼吸引到HR，还能让HR在有限的时间内，在冗长的简历内容中一眼看到求职者最适合职位的地方，或是能让他对你产生兴趣想要去了解你的想法，这样的简历就是成功的。简历精而不“简”、精而不“滥”，不仅能够在第一眼吸引到HR，还能让HR在有限的时间内，在冗长的简历内容中一眼看到求职者最适合职位的地方，或是能让他对你产生兴趣想要去了解你的想法，这样的简历就是成功的。

2022-04-10

水声通信大作业（西北工业大学）

水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）水声通信大作业（西北工业大学）

2022-04-09

保研资料大全（下载完再解压，用电脑解压）.rar

该保研资料集合了各高校的往年信息、导师信息、导师重视素质、联系导师模板、个人简历模板、英文问题、英文自我介绍、各高校夏令营学长学姐经验总结，以及获取资源的方式等。

2020-07-09

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人