<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[step_a的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/step_a</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; step_a]]></copyright><item><title><![CDATA[Python 加减乘除左右移求幂运算符耗时对比（一清二楚）]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/115910571</link><guid>https://blog.youkuaiyun.com/step_a/article/details/115910571</guid><author>step_a</author><pubDate>Tue, 20 Apr 2021 16:24:46 +0800</pubDate><description><![CDATA[本文依次统计了Python中

赋值= 加+ 连加+= 减- 乘* 幂** 除/ 整数除法// 先除再强制转换为整型int(/) 取余% 右移&gt;&gt; 左移&lt;&lt; 取反=-

这13种运算方式重复执行1000W次的耗时。

代码如下：


from time import *

iters = 10000000  # 1000w
x = 123456

start_time = time()
for i in range(iters):
 ...]]></description><category></category></item><item><title><![CDATA[numpy reshape和resize的区别（一清二楚）]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/112384094</link><guid>https://blog.youkuaiyun.com/step_a/article/details/112384094</guid><author>step_a</author><pubDate>Fri, 08 Jan 2021 21:52:23 +0800</pubDate><description><![CDATA[区别一：

resize无返回值（返回值为None），会改变原数组。

reshape 有返回值，是一个reshape后的数组，不会改变原数组。


import numpy as np

A = np.array([1, 2, 3, 4, 5, 6])

print("A:\n", A)

A_resize = A.resize((2, 3))
print("A_resize:\n", A_resize)
print("A(after resize):\n", A)

print('-'*10)

B .]]></description><category></category></item><item><title><![CDATA[C++ 类 求sizeof]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/111614369</link><guid>https://blog.youkuaiyun.com/step_a/article/details/111614369</guid><author>step_a</author><pubDate>Thu, 24 Dec 2020 13:56:11 +0800</pubDate><description><![CDATA[整理了一下关于不同类求sizeof的结果, 即


cout &lt;&lt; sizeof(类名) &lt;&lt; endl; 

包括如下几种 类：

class A: 空类

class B: 只声明了构造函数和析构函数的类

class C: 析构函数为虚析构的类

class D: 只声明了一个函数的类

class E0: 只有一个char型成员变量的类

class E1: 只有一个int型成员变量的类

class E2: 只有一个float型成员变量的类

class E3: 只有一个.]]></description><category></category></item><item><title><![CDATA[win10配置CUDA、cuDNN，tensorflow gpu 加速（有图、亲测）]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/104730842</link><guid>https://blog.youkuaiyun.com/step_a/article/details/104730842</guid><author>step_a</author><pubDate>Sun, 08 Mar 2020 15:27:31 +0800</pubDate><description><![CDATA[深度学习的常用框架tensorflow、keras、pytorch都可以使用GPU加速

先放出配置成功的效果图，可以看到GPU已经调用起来了。



接下来是配置方法

一、确定电脑所需的CUDA版本

打开NVIDIA控制面板 -&gt; 帮助 -&gt; 系统信息 -&gt; 组件

查看电脑显卡所需的CUDA版本，我的电脑需要的是CUDA9.0，本博客也以CUDA9.0为例



二、安装...]]></description><category></category></item><item><title><![CDATA[移动硬盘损坏:文件或目录已损坏（修复实录）]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/103487771</link><guid>https://blog.youkuaiyun.com/step_a/article/details/103487771</guid><author>step_a</author><pubDate>Wed, 11 Dec 2019 11:04:03 +0800</pubDate><description><![CDATA[一、问题描述

  移动硬盘读取过程中损坏，提示 “文件或目录已损坏且无法读取” （windows下）

  解决方法在第三部分

二、事情起因

  我在工作站上往移动硬盘里备份一个73G数据的时候，用手拿起移动硬盘（倾斜着拿起来的）放在桌面上，此时就出故障了，复制过程出错打断，如图：



此时发现硬盘已经读不出来了，插到windows下是这样的，如图：



（这图是我根据记忆中...]]></description><category></category></item><item><title><![CDATA[Ubuntu 磁盘扩容（有图、亲测）]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/103369623</link><guid>https://blog.youkuaiyun.com/step_a/article/details/103369623</guid><author>step_a</author><pubDate>Wed, 04 Dec 2019 10:38:27 +0800</pubDate><description><![CDATA[一、起因

  我是windows10和ubuntu16.04双系统，现在ubuntu的根目录要满了，于是需要从windows那边分一些硬盘空间给ubuntu

二、搞起

  首先提供一张windows下的磁盘管理器截图，我想从windows下的G盘分250G的空间到ubuntu的根目录下



现在回到ubuntu，安装gparted工具:


sudo apt-get install...]]></description><category></category></item><item><title><![CDATA[ubuntu16.04 CUDA Cudnn安装与卸载（之装了又卸卸了又装8.0、9.0、10.0都OK贼好用3000）]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/103314301</link><guid>https://blog.youkuaiyun.com/step_a/article/details/103314301</guid><author>step_a</author><pubDate>Fri, 29 Nov 2019 20:46:16 +0800</pubDate><description><![CDATA[最近在配一个深度学习环境，先后安装了CUDA10.0，CUDA8.0，CUDA10.0，CUDA9.0，每次安装卸载都要百度一番。

在此我好好整理了自己用到的指令。

一、安装 显卡驱动

  已安装好显卡驱动的可以直接跳到第二步

  可以参考这篇博客，亲测可用：https://blog.youkuaiyun.com/xunan003/article/details/81665835

二、安装 ...]]></description><category></category></item><item><title><![CDATA[ubuntu cpu频率控制(频率最大) (这招儿不管用可以顺着网线爬过来打我)]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/103063130</link><guid>https://blog.youkuaiyun.com/step_a/article/details/103063130</guid><author>step_a</author><pubDate>Thu, 14 Nov 2019 12:42:19 +0800</pubDate><description><![CDATA[一、事情起因

  我实验室工作站CPU的一个温度传感器坏了，导致电脑始终认为CPU温度过高，所以自动将CPU频率降至最低800MHz（师兄就是这么和我说的）。之前用windows系统，这个问题很好解决，去下载一个TrottleStop软件就可以解决，强制CPU以高性能运行。而我装了ubuntu16.04后问题就不一样了，那个软件并没有ubuntu版本的。

  于是乎，在此我要重点讨论的...]]></description><category></category></item><item><title><![CDATA[Android Studio下配置OpenCV]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/80092269</link><guid>https://blog.youkuaiyun.com/step_a/article/details/80092269</guid><author>step_a</author><pubDate>Tue, 29 Oct 2019 16:11:41 +0800</pubDate><description><![CDATA[（这篇博客是我18年写的一直扔草稿箱了，，19年尾巴发一下）

最近在看《深入OpenCV Android应用开发》。



环境：android studio 3.0.1（下载地址：http://www.android-studio.org/）

材料：openCVLibaray340 （下载地址：https://sourceforge.net/projects/opencvlibrary/f...]]></description><category></category></item><item><title><![CDATA[超详细win10+caffe+gpu (NVIDIA GeForce RTX 2060)+vs2015+CUDA10.0+cudnn7.4.1+anaconda+python3.5安装]]></title><link>https://blog.youkuaiyun.com/step_a/article/details/102795433</link><guid>https://blog.youkuaiyun.com/step_a/article/details/102795433</guid><author>step_a</author><pubDate>Tue, 29 Oct 2019 15:53:03 +0800</pubDate><description><![CDATA[一、写在前面

caffe前前后后配了几天总算是弄好了，各种东西间的依赖真的多，也可能是我太笨了|||，总之我的第一篇博客就用来记录caffe环境搭建吧。

二、我用到的原料

操作系统：windows10

显卡：NVIDIA GeForce RTX 2060

anaconda

python3.5

vs2015

CUDA10.0

cudnn7.4.1

cmake3.15.4

Gi...]]></description><category></category></item></channel></rss>