- 博客(149)
- 资源 (23)
- 收藏
- 关注
原创 hexo教程系列——hexo安装教程
博客博客 本文详细描述了如何在Github上,使用hexo部署博客。安装Hexo安装node.jsnode.js官方下载地址从上面的链接下载node.js,并安装。 注意:官方链接可能需要翻墙注意:我的操作系统是Windows 7 (64bit)设置npm淘宝镜像站npm默认的源的下载速度可能很慢,建议使用淘宝镜像替换。执行下面的命令,将npm的源设置成淘宝镜像站。npm co
2019-09-25 16:40:38 34004 6
原创 VMware清理vmdk文件,解决vmdk越来越大的问题
目录压缩*.vmdk方法在虚拟机上操作在主机上操作参考链接问题:主机是Windwos,安装了VMWare。在VMWare中安装了虚拟机Ubuntu操作系统。Ubuntu本身不大,但是*.vmdk很大。网上搜索各种方法都不管用。说明:因为Ubuntu系统占用了空间,系统未释放,所以使用各种工具逼它释放并不能达成目的。压缩*.vmdk方法在虚拟机上操作在虚拟机Ubuntu中,执行以下...
2019-03-11 21:16:45 33353 3
原创 centos 6.x安装squid
不设置用户认证安装# 安装yum install squidyum install httpd#查看版本rpm -qa | grep squid#下面是我安装的版本#squid-3.1.23-24.el6.i686修改配置文件使用vim编辑/etc/squid/squid.conf文件。如下所示#/etc/squid/squid.conf# ...
2018-04-06 16:33:32 2079
原创 Error: Could not find or load main class org.apache.hadoop.fs.FsShell
错误:Error: Could not find or load main class org.apache.hadoop.fs.FsShell解决方法在~/.bashrc中添加以下内容:export HADOOP_CLASSPATH=$(hadoop classpath):$HADOOP_CLASSPATH在命令行中执行以下命令,使上面操作生效。source ~/.bashrc
2017-08-25 10:38:30 8180 2
原创 OpenCV学习笔记1
OpenCV-浅墨-笔记参考:OpenCV-浅墨-专栏读入,显示,保存图像#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>using namespace cv;int main(){ // 读入图像 Mat img = imread("lena.jpg"); // 显示图像
2017-03-18 14:53:08 1368
转载 Android NDK Tools 下载链接大全
NDK Download Links:ndk_r13b (Oct 2016)Windows 32-bit : https://dl.google.com/android/repository/android-ndk-r13b-windows-x86.zipWindows 64-bit : https://dl.google.com/android/repository/andr
2017-03-03 12:08:04 2186
原创 错误-Android-OpenCV-It seems that your device does not support camera(or it is locked)
错误It seems that your device does not support camera(or it is locked)涉及利用OpenCV在Android开发,调用摄像头时提示的错误。问题描述根据OpenCV-Android-SDK中的样例,编写了一个自己的Android程序,但是一直提示:It seems that your device does not support c
2017-03-03 11:32:08 5440 6
转载 错误-解决/usr/bin/ld: cannot find -lxxx 问题
本文来自:http://blog.chinaunix.net/uid-354915-id-3573647.html今天编译程序遇到:/usr/lib64/gcc/x86_64-suse-Linux/4.3/../../../../x86_64-suse-linux/bin/ld: cannot find -lxml2网上查询,记录如下:解决/usr/bin/ld: ca
2017-03-02 12:13:02 24753
原创 Android-OpenCV的配置教程
Android-OpenCV的配置教程一、安装Java第一步,安装JDK。下载并安装jdk-7u76-windows-x64.exe。第二步,配置JDK的环境变量。CLASSPATH.;%JAVA_HOME%\lib\tools.jar;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\bin;JAVA_HOM
2017-03-01 22:09:53 1099
原创 错误:Android工程→右键属性→没有C/C++ Build选项
缺少NDT选项和C/C++ Build选项 问题使用ADT(Android Developer Tools)是没有NDT选项, 使用起来比较麻烦, 建议使用标准Eclipse, 如Luna, 再装Android。或者使用最新的ADT,版本大于20的ADT应该可以直接设置NDT,我使用的ADT23。默认Android项目是没有C/C++ Build选项的, 需要右键点击项目在Android Too
2017-02-28 11:29:09 1544
原创 Matlab2014b无法调用USB摄像头
问题使用命令imaqhwinfo时,返回以下警告信息,并且没有检测到任何设备。警告: No Image Acquisition adaptors found. Image acquisition adaptors may be available as downloadable support packages. Open Support Package Installer to install a
2017-02-17 10:23:17 4534
原创 MxNet系列——community——index
MXNet 社区有关使用MXNet的问题如果你在做某事时,不确定如何使用MXNet;或者将其应用到一个特定的问题时有疑问,请将问题发布在 Stackoverflow,并加上标签 - mxnet。你可以在此查看有关MXNet的问题。问题跟踪器我们在MXNet的GitHub仓库中的issues文件夹:mxnet/issues,跟踪Bug和新特性的请求。贡献者MXNet是由一群活跃的社区成员开发和使用的。
2017-02-09 11:30:45 1083
原创 MxNet系列——community——contribute
对MXNet做贡献MXNet是由一群活跃的社区成员开发和使用的。请对其贡献,以改善它。 当你的补丁被合并时,别忘记将你的名字提交到 CONTRIBUTORS.md.Guidelines提交Pull请求解决与Master的冲突问题组合多个提交强制推送的结果是什么?文档测试用例例程核心库Python库R包提交Pull请求在提交你的贡献前,在最新版的master上,git reb
2017-02-09 11:30:20 1080
原创 MxNet系列——get_started——setup
综述你可以在Amazon Linux, Ubuntu/Debian, OS X, 和 Windows等操作系统上运行MXNet。MXNet 也可以在 Docker 和类似于AWS的云上运行。MXNet现在支持的语言包括:Python, R, Julia 和 Scala等。配置MXNet的详细指南:使用 Docker 安装 MXNet云 (AWS AMI) 上安装MXNetUbuntu 上安装
2017-02-09 11:27:22 1731
原创 MxNet系列——get_started——amazonlinux_setup
Installing MXNet on Ubuntu对于 Amazon Linux 操作系统上的Python用户来说,MXNet 提供了一系列的 Git Bash 脚本,来安装MXNet的依赖和MXNet库。安装脚本会在 Amazon Linux 操作系统上配置MXNet的Python接口。该脚本将MXNet安装在 ~/mxnet目录下。快速安装安装MXNet的Python接口使用 git,克隆MX
2017-02-09 11:26:15 928
原创 MxNet系列——get_started——osx_setup
OS X 上安装 MXNet安装MXNet可以分为2步:从MXNet的C++源代码构建共享库。安装MXNet的特定语言的包(接口)。注意: 修改 make/config.mk 文件可以改变编译选项,使用命令 make 来进行构建。构建共享库使用下面的命令,安装MXNet的依赖库:Homebrew (用于安装依赖库)# 将这个命令复制到Mac控制台中,以安装 Homebrew/usr/bi
2017-02-09 11:25:52 1387
原创 MxNet系列——get_started——cloud_setup
云上安装MXNet你可以在类似于AWS的云上使用预编译的MXNet。更多细节,请阅读下面的引文。使用 Amazon Machine Images(AMIs) 安装 MXNet下面的链接指向AWS blog,描述了如何配置一个 Amazon Machine Image(AMI)。AMI 支持 MXNet 和其它主流的机器学习框架。 * P2 and Deep Learning Blog * Dee
2017-02-09 11:25:14 730
原创 MxNet系列——get_started——docker_setup
在Docker上运行MXNetDocker 是一个系统,它允许你构建一个自包含的Linux操作系统,该操作系统可以在你的计算机上孤立的运行。 在自包含的Linux系统中,你可以运行MXNet和其它软件包,而这些软件不会与你的计算机上的包相互作用。MXNet 提供了2个运行MXNet的 Docker 镜像:MXNet Docker (CPU版本) - https://hub.docker.com/r
2017-02-09 11:24:44 1279
原创 MxNet系列——get_started——ubuntu_setup
Installing MXNet on UbuntuMXNet现在支持的语言包括:Python, R, Julia 和 Scala等。 对于Ubuntu操作系统上的Python和R用户来说,MXNet 提供了一系列的 Git Bash 脚本,来安装MXNet的依赖和MXNet库。如果操作系统的版本高于Ubuntu 12,安装脚本会配置MXNet的Python接口和R语言接口。该脚本将MXNet安装在
2017-02-08 15:59:57 931
原创 MxNet系列——get_started——windows_setup
Windows上安装 MXNet在Windows上,你可以直接下载和安装已经编译过的MXNet工具包,或者自行下载,构建,安装MXNet。构建MXNet共享库(动态链接库)两种方法:既可以直接下载并使用已预编译过的二进制包,也可以从源代码自行构建MXNet共享库 - libmxnet.dll。Windows上安装已编译的MXNet工具包。MXNet 为Windows用户提供了已编译的MXNet工具包
2017-02-08 15:58:58 1697
原创 MxNet系列——get_started——overview_zh
下面是MXNet的综述(中文版),英文读者请阅读 NIPS LearningSys paperMXNet设计和实现简介神经网络本质上是一种语言,我们通过它来表达对应用问题的理解。例如我们用卷积层来表达空间相关性,RNN来表达时间连续性。根据问题的复杂性和信息如何从输入到输出一步步提取,我们将不同大小的层按一定原则连接起来。近年来随着数据的激增和计算能力的大幅提升,神经网络也变得越来越深和大。例如最近
2017-02-08 15:58:26 940
原创 MxNet系列——get_started——index
MXNet: 一个大规模的深度学习框架MXNet 是一个开源框架,它允许你在多种设备(从云架构到移动设备)上定义,训练和部署深度神经网络。MXNet 是一个可拓展的深度学习工具,它允许快速训练模型,支持灵活的编程模型和多种编程语言。 MXNet 允许混合使用命令式编程和符号编程,以最大化两者的高效性和生产力。MXNet 是在一个动态依赖调度器上构建的【dynamic dependency sched
2017-02-08 15:57:32 721
原创 MxNet系列——model_zoo——index
MXNet的模型园地MXNet 突出了学术论文中报告的最先进模型的快速实现。我们的模型园地(Modle Zoo)包含了完整的模型,Python脚本,预训练的权重和如何进行微调的说明文档。如何贡献一个预训练的模型 (应包含什么)提交一个包含下列内容的 Pull 请求: * Gist 日志 * .json 格式的模型定义文件 * 模型参数文件 * Readme 文件 (细节见下面)Readme
2017-02-08 15:55:44 4160
原创 MxNet系列——how_to——bucketing
在MXNet中使用BucketingBucketing是一种训练多个不同但又相似的结构的网络,这些网络共享相同的参数集。一个典型的应用是循环神经网络(RNNs)。在使用符号网络定义的工具箱中,实现RNNs通常会沿时间轴将网络显式地展开。显式地展开RNNs之前需要知道序列的长度。为了处理序列中的所有元素,我们需要将网络展开成最大可能的序列长度。然而这很浪费资源,因为对于较短的序列,大部分计算都是在填充
2017-02-08 15:52:59 1817
原创 MxNet系列——how_to——caffe
如何在MXNet中使用Caffe操作符Caffe 是一个有名的,广泛使用的深度学习框架。MXNet 支持在它的符号图中,直接调用大部分Caffe操作符(网络层)和损失函数。使用自定义的Caffe网络层也很容易。MXNet 也嵌入了Torch模块和它的张量数学函数。本节内容描述了如何:安装支持Caffe的MXNet将Caffe操作符嵌入到MXNet的符号图中安装支持Caffe的MXNet下载官
2017-02-08 15:52:26 1316
原创 MxNet系列——how_to——cloud
在云上配置MXNet从头开始设置一个AWS的GPU集群本节提供了如何设置AWS集群以使用MXNet的详细教程。描述了如何:Use Amazon S3 to host dataSet up an EC2 GPU instance with all dependencies installedBuild and run MXNet on a single computerSet up an EC
2017-02-08 15:51:50 1235
原创 MxNet系列——how_to——develop_and_hack
开发和 Hack MXNet创建新的操作符在MXNet中使用Torch设置MXNet的环境变量其它资源概述 MXNet的系统架构贡献者指南
2017-02-08 15:51:06 491
原创 MxNet系列——how_to——env_var
环境变量=====================环境可以修改MXNet的一些设置。一般情况下,你不需要修改这些设置。本节将它们罗列出来,用于参考。设置线程数目MXNET_GPU_WORKER_NTHREADS (默认值=2) 每个GPU上,进行计算的最大线程数MXNET_GPU_COPY_NTHREADS (默认值=1) 每个GPU上,内存复制的最大线程数MXNET_CPU_WORKER
2017-02-08 15:48:52 4612
原创 MxNet系列——how_to——faq
常见问题本节回答了 mxnet/issues上的常见问题。在提问前,请先检查该页面。如果你想要贡献本页面,请尽量使问题和答案简单。如果你的回答非常详细,请发布在其它地方并提供链接。构建和安装关于构建和安装的问题,绝大多数问题的答案都可以在 build page 上找到。速度在GPU上启动花费很长时间尝试禁止OpenCV使用GPU: build opencv from source with GPU
2017-02-08 15:46:55 2604
原创 MxNet系列——how_to——index
MXNet 怎么办系列How-tos 提供了一系列的有关安装,基本概念,说明,命令和使用预训练模型完成的例程指南。下面的主题解释了基本概念,并为特定任务提供了步骤。其中一些包含了使用预训练模型完成的例程。配置和安装你可以在 Amazon Linux, Ubuntu/Debian, OS X, 和 Windows操作系统上运行MXNet。MXNet也可以在Docker和类似于AWS的云上运行。MXNe
2017-02-08 15:46:02 765
原创 MxNet系列——how_to——model_parallel_lstm
使用模型并行的方式在多个GPUs上训练LSTM由于复杂的数据依赖,LSTM评价很困难。LSTM的训练过程,在反向传播阶段有更严重的逆序的数据依赖,更加难以并行化。获取有关LSTM更通用信息,请查看优秀的 简介 (作者:Christopher)有关使用模型并行的方式在多个GPUs上训练LSTM的资料,请查看 example/model-parallelism-lstm/。模型并行:将多个GPUs作为流
2017-02-08 15:41:04 2994
原创 MxNet系列——how_to——multi_devices
在多个CPU/GPUs上以数据并行方式运行MXNetMXNet 支持在多个CPUs和GPUs上进行训练。其中,这些CPUs和GPUs可能位于不同的物理机上。 数据并行 vs 模型并行MXNet模式使用数据并行的方式将工作负载划分到多个设备上。假如有 n 个设备,每一个设备都将获得完整的模型,并使用 1/n 的数据进行训练。结果(比如,梯度)和更新后的模型在不同设备之间进行通信。MXNet也支持模型并
2017-02-08 15:40:25 6830 2
原创 MxNet系列——how_to——new_op
如何创建新的操作符(网络层)本节内容描述了创建新的MXNet操作符(或网络)的过程。我们已经尽了最大努力为最常用的案例提供高性能操作符。然而,如果你需要自定义一个网络层,比如新的损失函数,有两个选择:借助前端语言(比如,Python),使用 CustomOp 来写新的操作符。既可以运行在CPU上,也可以运行在GPU上。根据你的实现情况,性能可能很高,也可能很低。使用 C++/mshadow (C
2017-02-08 15:38:57 4067 1
原创 MxNet系列——how_to——smart_device
将深度学习库压缩成一个文件,以便移植到智能设备中深度学习系统是复杂的,并且常常有些依赖环境。将深度学习库移植到不同的平台上,尤其是智能设备上,是一件十分痛苦的事情。 一个简单的方法是:提供一个轻量级的接口,并以最小依赖将所有需要的代码放到一个文件中。 本章节,我们描述了如何将MXNet源码合并到一个文件中,并在移动设备上演示图像分类。 合并:将整个深度学习系统压缩成一个文件合并的想法源自SQLite
2017-02-08 15:37:48 1126
原创 MxNet系列——how_to——torch
如何将MXNet用作Torch的前后端本章节描述了如何将MXNet用作Torch的两个主要功能(前端和后端):使用MXNet.NDArray来调用Torch的张量数学函数。 将Torch的神经网络模块(层)嵌入到MXNet的符号图中。编译支持Torch的MXNet参照 官方教程 来安装Torch 如果还没有安装Torch,将配置文件 make/config.mk (Linux) 或 mak
2017-02-08 15:36:00 1236
原创 MxNet系列——how_to——visualize_graph
如何将神经网络可视化为计算图该章节描述了如何在MXNet中使用在mx.viz.plot_network来可视化(使用MXNet构建的)神经网络。mx.viz.plot_network有助于将神经网络表示成一个计算图。其中,从输入节点开始计算;从输出节点读取结果。前提条件可视化网络需要 Jupyter Notebook 和 Graphviz 库。 务必按照 installation instruct
2017-02-08 15:35:05 2579
原创 MxNet系列——how_to——perf
性能下面是一些技巧,以尽可能的获取MXNet的最佳性能。数据对于输入数据,需要注意以下内容:数据格式。尽量使用 rec 格式。解码。MXNet默认使用4个线程对图像进行解码。这对于每秒钟解码1000张图像来说,已经足够了。但如果你的CPU性能很差,或你的GPU性能很高,你可以增加线程数。存储位置。任何的本地或分布式文件系统(HDFS, Amazon S3)都可以。但当多个设备同时从网络文件系统
2017-02-08 15:33:59 605
原创 Eigen教程7 - Eigen和Matlab的比较
Eigen和Matlab比较// 参考 - http://eigen.tuxfamily.org/dox/AsciiQuickReference.txt# // 一个关于Eigen的快速参考// Matlab和Eigen的对应用法// Main author: Keir Mierle// 注释:张学志#include <Eigen/Dense>Matrix<double, 3, 3> A;
2017-01-21 11:31:54 19866 1
原创 Eigen教程6 - Matrix-free solvers
Matrix-free solvers像ConjugateGradient 和 BiCGSTAB这样的迭代求解器可以用在 matrix free context。为此,用户必须提供一个继承EigenBase<>的封装类,并实现下面的方法:Index rows() 和 Index cols():分别返回行数和列数。operator* :操作数分别是你自己的类型和一个Eigen密集列向量。Eige
2017-01-20 23:12:53 3109 1
原创 Eigen教程5 - 求解稀疏线性方程组
Eigen中有一些求解稀疏系数矩阵的线性方程组。由于稀疏矩阵的特殊的表示方式,因此获得较好的性能需要格外注意。查看《Eigen教程3 - 稀疏矩阵操作》,了解更多有关稀疏矩阵的内容。本文列出了Eigen中的稀疏求解器。同时也介绍了所有线性求解器的共同步骤。用户可以根据矩阵的性质,准确度的要求,来调整求解步骤,以提升代码的性能。注意:没有必要深入了解这些步骤后面隐藏的内容。本文最后一部分列出了
2017-01-20 22:16:13 20704 2
流畅的Python
2018-01-04
GPU高性能编程CUDA实战
2018-01-04
谁说菜鸟不会数据分析 工具篇
2016-05-02
看穿一切数字的统计学
2016-05-02
C++ GUI Qt4编程
2016-05-02
C++标准程序库源码
2016-05-02
C++标准程序库
2016-05-02
Python数据可视化实战
2016-05-02
离散数学及其应用 课后习题答案
2016-05-02
PieTTY 0.3.26
2016-03-29
Python Quick Reference
2015-06-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人