sheepc的专栏

ubuntu 22.04 安装驱动可能遇到的坑

ubuntu20.04 外接hdmi没有声音

IDEA 创建maven项目没有src 新思路

VSCODE 运行C程序缓慢解决方法之一

ubuntu20 pycharm 2021.2.1 fcitx无法切换中文输入法解决办法

开一篇博客记录日常用到的Linux指令1. 查询特定日期文件1.1 atime、ctime与mtime：atime是指access time，即文件被读取或者执行的时间，修改文件是不会改变access time的。 ctime即change time文件状态改变时间，指文件的i结点被修改的时间，如通过chmod修改文件属性，ctime就会被修改。 mtime即modify time，指文件内容被修改的时间。 使用stat可以查看文件的atime、ctime、mtime 也可以使用ls查看

建议看一下自己的网络结构 forward部分有没有return。没有return,网络返回类型是class 'NoneType'

X = torch.arange(12, dtype=torch.float32).reshape((3, 4))Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])示例1before = id(Y)Y = Y + Xid(Y) == before以上代码输出结果为False。这表明进行矩阵加操作前的矩阵Y和进行操作后的矩阵Y本质上存储地址是不一样的。这主要是因为进行Y = Y + X操作时，pytorch会进行.

reshape view作为pytorch中torch的常用操作，有一些小细节需要注意一下。x = torch.arange(12)print('x')print(x)print(id(x))y = x.reshape(3,4)print('y')print(y)print(id(y))x[:] = 2print('x')print(x)print('y')print(y)以上代码输出结果为xtensor([ 0, 1, 2, 3, 4, 5, 6

可以看一下是否没有创建figure，并为之设置figsize大小。 images_test = (images_test + 1.0) / 2.0 for n in range(num_clusters): #origal pylab.subplot(2, num_clusters, n+1) pylab.imshow(images_test[n*num_plots_per_cluster].reshape((image_width, image_height)), inte

网上一堆说看看路径什么的，感觉都在瞎扯淡。可以试着type() 一下自己要imshow的变量，看看是不是数据类型不对应。自己type了一下，结果发现自己要保存的变量压根就不是numpy的数组，而是chainer.Variable.variable的数据类型，使用该数据类型的data属性获得numpy数组。 with chainer.no_backprop_mode() and chainer.using_config("train", False): y_onehot, z = mode

最近在写一个代码，主要是用tensorflow导入一个mat格式的数据（shape为2016*64*38，图片表示为2016维的向量），结果发现用tensorflow的reshape函数将图片向量转化为48*42的图片矩阵时，转化结果不对。同样的操作在matlab转化结果却是正常的。原因为matlab中的reshape函数按照列优先顺序来处理，而tensorflow按照行优先顺序来处理。例如有一个9个元素的数组[1, 2, 3, 4, 5, 6, 7, 8, 9]matlab的reshape结果

最近在做实验，设计了一个中间层，有两个输入，一个是前面编码器的输出encoder_output，形状为（None，z_dim）的tensor，另外一个是gumbel_softmax的温度temp，形状为(None,1)的tensor。def make_gumbel_layer(n_class): encoder_output = tf.keras.Input(shape=(z_dim,)) temp = tf.keras.Input(shape=(1,)) x = tf.ker

最近更新系统，也顺便升级了一下显卡驱动，由原来的418升级到455，随后使用tensorflow-gpu2.1无法使用gpu加速计算，一跑网络，cpu占用率接近100%。但是gpu几乎为1%。输入以下命令nvidia-smi看到驱动对应的cuda版本为11.1。而 环境中tensorflow-gpu2.1最高支持cuda10.1。需要降级显卡驱动，降级到驱动对于的cuda版本为10.1左右。1.下载旧版本驱动，我下载的版本为430.642.ctrl+alt+F1 进入命令行，输入用户名

1、Ubuntu 18.04/20.04 默认安装了libcanberra-gtk3-module（gtk-3.0+），而Matlab需要调用的是gtk-2.0+的canberra动态链接库；（实际上gtk-3.0+目录下也有2.0+版本的动态链接库文件，但似乎Matlab并不支持同一路径下的多版本libcanberra-gtk-module.so）2、linux默认库是从“/usr/lib/”路径下找，而canberra动态链接库位于“/usr/lib/x86_64-linux-gnu/”路径下；

nn.Conv2d(self.dim_h * 4, self.dim_h * 8, kernel_size=4, stride=2, padding= 1, bias=False)当输入feature map大小为4*4时，输出为多少？正确答案为2x2，而非1x1。padding机制是指在卷积操作之前在特征图周围补充一圈像素。所以padding=1时，4x4 的 feature map 先填充为6x6大小，然后进行卷积操作，卷积后大小为{（4+2）-4} / 2 + 1 = 2。总而言之，padd

b = tf.range(1,10,delta = 2)tf.print(b)[1 3 5 7 9]tf.range(1,10,delta = 2) 以增量为2生成 [1,10)的整数，注意是左闭右开的区间，故不包括10。c = tf.linspace(10.0, 12.0, 3)tf.print(c)[ 10.0 11.0 12.0]tf.linspace(10.0, 12.0, 3)在[10.0,12.0]中生成3个数，注意是闭合区间，这3个数均分区间[10.0,12.0]。

tensorflow2.0 出来了，相较于tensorflow1.x作了较大的改动。以下说明如何配置环境。首先安装anaconda，这个不会安装的话,自行百度。然后创建环境，使用命令conda create -n tf2_cpu_py3.6 python=3.6 //环境名可以自己另设，python版本也可以自己另定接着配置pip。由于官网给出的安装方式是pip安装，所以建议更改...

https://www.cnblogs.com/ooon/p/5721119.html这个博客讲得很清楚

conda导出已有环境：conda env export > environment.yaml环境会被保存在 environment.yaml文件中。当我们想再次创建该环境，或根据别人提供的.yaml文件复现环境时，可以：conda env create -f environment.yaml就可以复现安装环境。移植过来的环境只是安装了你原来环境里用conda install等...