- 博客(13)
- 收藏
- 关注
RSS订阅原创 C项目编译
当只需要编译单个C文件时，命令是简单的：gcc -c hello_world.c -o hello_world以上命令中，hello_world.c为源程序，gcc将其编译为hello_world可执行程序当源程序中引用了动态库时，形如#include <cjson.h>，则需要在编译时指定链接的动态库，不然会出现undefined reference错误。使用-l指定动态库名：gcc -c hello_world.c -o hello_world -lcjson注意的是，动态库只
2021-12-30 19:39:43
1251
原创 Pytorch学习(五)：数据并行
以下内容为Pytorch官网教程的翻译简化和一些自己的总结：在拥有多个GPU时，可通过nn.DataParallel()实现并行训练模型首先创建GPU设备：device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")创建模型并迁移至GPU:model = Model(input_size, output_size)if torch.cuda.device_count() > 1: model = nn.
2021-12-22 11:09:16
711
原创 Vim常用操作
Linux终端内的复制粘贴：Ctrl Shift C 复制Ctrl Shift V 粘贴使用vim test.txt等形式编辑test文本文件，如没有则创建该文件工作模式进入Vim后，进入命令模式，该模式无法直接编辑文本（可按x键删除单个字符），可进行的操作有：光标移动保存文件/退出文件文本搜索/替换文本复制/粘贴若想对文本进行编辑，需要进入编辑模式，按 i 键进入。若想对文本进行批量选择，可进入视觉模式，可使用光标选择批量文本，之后可按d键删除，按y键复制，按返回到命令模式可按e
2021-12-20 15:28:09
398
原创 Pytorch学习(四)：训练分类器
以下内容为Pytorch官网教程的翻译简化和一些自己的总结：数据加载一般而言，处理如图片，文本，音频，视频等数据时，可使用标准Python库加载数据成numpy数组形式，然后转换为张量。特别地：对于图像数据，Pillow，OpenCV很有用对于音频数据，scipy和librosa对于文本数据，纯Python加载，或NLTK和SpaCy对于视觉数据，有torchvision库提供了基本的数据加载和转换工具，见torchvision.datasets和torch.utils.data.Data
2021-12-19 22:30:25
510
原创 Pytorch学习(二)：自动微分
以下内容为Pytorch官网教程的翻译简化和一些自己的总结：将神经网络视作嵌套函数的集合，训练一个神经网络总体分为两个阶段：前向传播：神经网络对输入数据依次通过函数进行计算推断，试图得出正确结果；反向传播：通过从输出结果与目标输出的对比，反向传播关于函数参数的微分，使用梯度下降法优化参数，从而通过调整参数进行学习通过一个简单的训练例子来了解：import torch, torchvision# 加载一个预训练好的模型model = torchvision.models.resnet18(pre
2021-12-18 20:16:18
1218
原创 Pytorch学习（一）：张量
以下内容为[Pytorch官网教程]的翻译简化和一些自己的总结(https://pytorch.org/tutorials/beginner/basics/tensorqs_tutorial.html)张量对象张量（Tensor）是一种特殊结构，出于并行计算的需要设计，可在GPU等硬件加速器上运行。类似于数组和矩阵，用于对模型的输入输出，模型参数进行编码。Pytorch中的Tensor类似于Numpy中的ndarray，二者可相互转换，且共享底层内存，可理解为同一数据引用的不同表现形式。修改其中之一会
2021-12-18 10:35:54
235
原创 源码到程序的过程
源码需要编译，才能得到可执行文件，命令一般为gcc -c hello_world.c -o hello_world得到的hello_world程序为二进制可执行程序编译过程可分为四步预处理编译：检查并转为汇编汇编：得到机器语言目标文件链接：链接外部库（静态）与多个目标文件上述阶段结束后，得到可运行的程序应用程序可从源码安装下载源码并解压后，可依上述过程编译执行一般项目都会更加复杂一点，则遵循以下过程：./configure运行configure脚本，确定编译参数，使得编译后程序可在
2021-11-12 19:51:18
1929
原创 基于tf2的dl编程学习(一)
基于tf2的dl编程学习(一)主要介绍tensorflow的基础部分的核心概念与机制，总结tensorflow作为通用计算框架的一些知识点。主要分为张量，计算图和自动微分机制三个部分。Tensorflow是一个通过计算图的形式来描述计算的编程系统，节点为定义的数学计算，而连接节点的边即为张量。张量在计算图中流动，进出节点完成计算，最终流到终点得到结果。张量张量(Tensor)是tensorflow中基础的数据结构，就像Ndarray之于Numpy一样。二者的行为特性也十分相似，都是描述多维数组，操作，
2020-11-11 22:43:40
406
1
原创 基于tf2的dl编程学习(零)
基于tf2的dl编程学习(零)在建立模型之前，首先需要对数据进行分析。以往的工作就是忽略了数据分析与数据处理的重要性，从而限制了模型性能的上限，后期再发现导致前期的很多工作白做了。pandasPandas的主要数据结构是Series（一维数据）和DataFrame（二维数据），缺失数据表示为NaN数据结构Series用于表示Pandas中的一维数据，常见于DataFrame中的一列。Series是带标签的一维数组，因此同时带有数组与字典的特性。可通过pd.Series生成一个Series，dat
2020-11-08 20:26:07
508
6
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人