2018年01月_ZeroZone零域

原创 Anaconda找包，安装包时，遇到PackageNotFoundError： ''Package missing in current channels"

Anaconda作为一个工具包集成管理工具，下载python工具包是很方便的，直接敲：conda install package_name但是有时候安装一个工具包（如skimage）的时候，在当前的channels中找不到这个包，会提示：PackageNotFoundError: Packages missing in current channels: - skimage

2018-01-29 10:21:25 79970 34

原创 python中导入pillow时显示没有名为“pillow”的模块（import pillow: No module named 'pillow'）

如果你安装了pillow，但是在导入时却遇到了下面的问题这是因为，pillow是PIL（Python成像库）的一个分支，它不再被维护。所以，为了保持向后兼容性，往往使用旧的模块名称——PIL。为了导入pillow，我们需要>>>import PIL

2018-01-29 09:52:41 18532 4

原创 ubuntu16.04 安装Tensorflow（GTX980Ti+CUDA8.0+CUDNNv6.0）

如果安装过程遇到问题，可直接跳转到问题汇总查看1.我的电脑安装环境：双系统:win10+Ubuntu16.04（在Ubuntu下配置） CPU:E5-1660 v4 GPU:GTX-980Ti2.安装GPU版Tensorflow的官方要求Tensorflow官方的安装要求在如下链接中可以看到： https://www.tensorflow.org/install/in...

2018-01-27 17:38:20 2461

转载 NVIDIA GPU的计算能力 Compute Capability 一览

数据出处：https://developer.nvidia.com/cuda-gpus提示：利用浏览器的搜索功能（Ctrl+F），查询自身GPU的计算性能如，想知道GTX980Ti的计算能力，在搜索框中键入：GTX 980 Ti即可（注意这里有2个空格）GPU Compute CapabilityTesla K80 3.7Tesla K40 3.5Tesla K20

2018-01-27 15:32:36 38066 10

原创 Ubuntu16.04下 Python / Anaconda 多版本共存之pyenv 安装教程

1.简介pyenv https://github.com/yyuu/pyenvpyenv-virtualenv https://github.com/yyuu/pyenv-virtualenvpyenv的作者：Yamashita, Yuu pyenv是一种管理Python版本的工具，它支持在多个Python版本间自由切换，并且还具有virtualenv插件，可以简单快速的建立

2018-01-27 15:09:44 2438

原创 Ubuntu16.04 安装NVIDIA英伟达驱动教程及常见几种报错Error的解决方案

1.安装过程中遇到的一些错误提示与解决方案：错误1.the distribution-provided pre-install script failed!这个问题源自nvidia驱动安装包自身的问题，这里我们可以直接点击yes或者continue继续安装错误2.ERROR: Unable to load the kernel module 'nvidia.ko'. Thi...

2018-01-25 13:29:36 133624 46

原创 win10+ubuntu16.04双系统网络问题（win10可以上网，ubuntu上不了网）

现象windows下有线无线网络均正常 ubuntu下无法访问网络解决方法1.ubuntu无线网络和有线网络均无法访问这时候网上的许多办法基本无效，需要离线的解决办法才可以，具体如下利用u盘将把安装ubuntu的镜像文件拷贝到ubuntu系统中，然后提取到当前目录，进入ubuntu-16.04-desktop-amd64/pool/restricted/b/bcmwl

2018-01-24 19:16:49 30796 14

原创 Ubuntu16.04下Anaconda3的安装

anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。可以帮助python开发者省去很多安装科学包的工作。下面我们就来简单介绍如何在Ubuntu16.04环境下安装Anaconda3。首先，去Anaconda的下载地址下载对应python版本的Anaconda安装文件。（我这里下载的是python3.6的版本）下载完成后，才

2018-01-23 19:15:29 32638 3

原创 Ubuntu操作系统下Python虚拟环境Pipenv的安装和配置

1、首先，确保你的操作系统中已经安装了Python和Pip在进一步配置之前，请确保你已经安装了Python，你可以通过简单地运行以下命令来检查：$ python --version如果你之前已经确定安装了python3.x的相关版本，但是却显示的是python2.x，那么你可以运行下面的命令来检查你的python3.x版本是否安装（以python3.6为例）$ python3.6

2018-01-21 17:45:21 8686

原创戴尔主机安装不上系统，windows10更新失败，AHCI与Raid on模式

戴尔的主机默认的SATA模式是Raid on模式，该模式主要是为了当主机拥有多块相同硬盘时而设置的，一般情况下，我们的主机都是由一块SSD和一块机械硬盘组成，所以并不推荐使用Raid on模式。另外，使用Raid on模式安装系统，不仅需要下载额外的驱动，有时还会导致windows无法正常更新，或者安装失败的未知错误，所以在这里推荐安装系统的时候讲BIOS里的SATA模式修改成AHCI模式，这

2018-01-21 14:21:52 89419 9

原创 Windows下查看电脑的CPU个数，核心数，线程数

首先，需要知道的是：总核数 = 物理CPU个数 X 每颗物理CPU的核数总逻辑CPU数 = 物理CPU个数 X 每颗物理CPU的核数 X 超线程数1、查看物理CPU的个数在cmd命令中输入“systeminfo”，以下信息表示物理CPU有一个 2、查看物理CPU数、CPU核心数、线程数在cmd命令中输入“wmic”，然后在出现的新窗口中输入“cpu get ”。 Nu

2018-01-21 14:04:06 69332 8

原创深度学习与计算机视觉[CS231N] 学习笔记（4.1）：反向传播（Backpropagation）

在学习深度学习的过程中，我们常用的一种优化参数的方法就是梯度下降法，而一般情况下，我们搭建的神经网络的结构是：输入→权重矩阵→损失函数。如下图所示。而在给定输入的情况下，为了使我们的损失函数值达到最小，我们就需要调节权重矩阵，使之满足条件，于是，就有了本文现在要介绍的深度学习中的一个核心方法——反向传播。光听名字可能不太好理解，下面我们用一个简单的例子来讲解反向传播是如何工作的（了解高

2018-01-11 15:15:28 945

原创深度学习与计算机视觉[CS231N] 学习笔记（3.3）：函数优化（梯度下降法）

首先，想象一下这个场景，当我们处在一个山坡上的某一点，我们想要以最近的距离、最短的时间到达坡底，我们应该怎么做呢？将这个问题抽象出来，就是本文要讨论的梯度下降法。在高数的学习中，我们都知道，梯度是一个方向向量，他代表的是对应的函数数值变化最快的方向，因此，如果我们想要最快的获取到某函数的最小值，我们就可以采用梯度下降的方式来更新函数中的参数。以线性回归为例，我们得到的损失方程可以看做是损失

2018-01-11 12:57:02 422

原创深度学习与计算机视觉[CS231N] 学习笔记（3.2）：Softmax Classifier（Loss Function）

在数学，尤其是概率论和相关领域中，Softmax函数，或称归一化指数函数，是逻辑函数的一种推广。它能将一个含任意实数的K维的向量zz“压缩”到另一个K维实向量α(z)\alpha(z)中，使得每一个元素的范围都在(0,1)}之间，并且所有元素的和为1。看到这里，我们就会自然的将Softmax函数与概率分布函数联系到一起，实际上，我们也正是这么做的。如下图所示，我们将原先的分类器对每一类别的预测分值

2018-01-10 17:28:05 962

原创深度学习与计算机视觉[CS231N] 学习笔记（3.1）：损失函数（Loss Function）

在上一节的线性回归的例子中，我们通过一定的矩阵运算获得了每张图像的最终得分（如下图），可以看到，这些得分有些是比较好的预测，有些是比较差的预测，那么，具体如何定义“好”与“差”呢？这就需要引入“损失函数”的相关概念了。损失函数关于损失函数的精准定义可以在维基百科或者百度百科里查到，但是这种定义不太容易理解，这里我用一种比较通俗的说法来介绍损失函数：损失函数就是可以准确的告诉我们，分

2018-01-10 16:38:06 1603

原创深度学习与计算机视觉[CS231N] 学习笔记（2.3）：线性回归（Linear Classification）

本次我们基于线性回归的图像分类算法，采用的数据集合是CIFAR10，具体信息如下图所示。参数化方法：线性回归如下图所示，我们将含有猫的图像数据设为x，这里的x是一个列向量，他总共有32×32×3个元素（是一个3072行1列的列向量），这里的3代表的是存储彩色图像所用到的自然光的三原色的值（注意自然光三原色指的是RGB，与颜料三原色不同）。而这里的W是某个参数（也可以理解为权重），向

2018-01-09 19:56:46 986

原创深度学习与计算机视觉[CS231N] 学习笔记（2.2）：K-近邻算法（K-Nearest Neighbors）

第一个分类器算法：最近邻（Nearest Neighbor）首先我们介绍第一个分类器算法——最近邻。这是一种十分简单且易于理解的算法，算法主要分两步： 1. 存储所有的数据集和相应的标签 2. 将数据集中与输入图片最相似的图片标签作为预测结果输出（这里有一点没有说透，就是“相似”的定义，后文会介绍）下面我们先来举个例子，这里使用的是CIFAR10数据集，这是一个较小的数据集，它

2018-01-09 17:09:05 706

原创深度学习与计算机视觉[CS231N]学习笔记（2.1）：图像分类

问题目标图像分类是计算机视觉领域中一个较为基础的问题，它的目标是根据事先定义好的图像类别，将输入图像划分到对应的类别当中去。（目前，在最著名的ILSVRC挑战赛当中，计算机的分类准确度已经可以超过人类。）面临的挑战当给出下面一幅图片，我们可以瞬间指出这是一只猫，这是由于我们的大脑经过上亿年的发展，已经建立起了一个完善强大的视觉系统，但是，对于计算机来说，这是并非是一件易事。

2018-01-09 15:57:49 712

原创深度学习与计算机视觉[CS231N]：计算机视觉与深度学习/卷积神经网络

第一讲 | 视觉识别和卷积神经网络简介斯坦福大学开设的“用于视觉识别的卷积神经网络（YouTube链接）”（Convolutional Neural Networks for Visual Recognition）课程，主要关注的是视觉识别中一个十分重要的问题——图像分类。这个问题虽然看起来具有很大的限制性和人为因素，但是实际上，该研究方向可以应用到许多不同的领域，不管是在工业领域还是

2018-01-01 21:09:02 1187

ZeroZone零域的博客