破茧的日子的博客

linux下调试python程序前言设置断点方式调试方式前言初学者调试python程序都是用print参数，其实python也有类似C语言gdb的工具pdb。设置断点方式 1. 在程序里加入： a. import pdb b. 在需要设置断点的地方加入pdb.set_trace() 如：import pdb pdb.set_trace() a=28*100 2. 调试时用b设置调试方式执行python -

1.zip 分卷压缩与合并解压1. 分卷压缩 # 将文件或文件夹打包为zip压缩包，imgs可以为文件夹也可以为文件zip -r imgs.zip ./imgs# 压缩后imgs.zip为2.3G，将其分割，每个子压缩包不超过1G，生成三个压缩包subimgs.z01（1G）、subimgs.z02（1G）和subimgs.zip（0.3G）zip -s 1024m imgs.zip --out subimgs.zip2. 合并解压 # 将上述三个压缩包合并为一个压缩文件single.z

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、Linux卸载并更新显卡驱动1. 下载对应版本的驱动2. 卸载已有驱动3. 重启服务器4. 安装新驱动二、安装cuda三、安装docker四、安装nvidia-docker2五、出错的解决办法六、制作容器1. 下载镜像2. 制作容器3. 启动并进入容器4. 进入容器安装其他工具5、将安装新工具后的容器保存6. 加载被人做好的镜像7、一些docker命令一、Linux卸载并更新显卡驱动提示：以下是本篇文章正文内容，下面案例

转自：https://blog.csdn.net/weixin_42662134/article/details/89378085，如有侵权请联系我删除。FCOS：全卷积单阶段目标检测摘要 1. 引言 2. 相关文献 anchor based模型 anchor free模型 3. 方法 3.1 全卷积单阶段目标检测器 3.2 FCOS的FPN多层级预测 FCOS的中心度(*Center-ness*) 实验摘要我们提出了一种全

PyTorch-网络的创建，预训练模型的加载@TOC参考如下:https://www.cnblogs.com/wangguchangqing/p/11058525.html 。

如果你曾经用神经网络来解决一个复杂的问题，你就会知道它们的尺寸可能非常巨大，包含数百万个参数。例如著名的BERT模型约有1亿1千万参数。 为了说明这一点，参见下图中的NLP中最常见架构的参数数量。 各种模型结构的参数数量 在Kaggle竞赛中，胜出的模型通常是由几个模型组成的集合。尽管它们在精确度上可以大大超过简单模型，但其巨大的计算成本使它们在实际应用中完全无法使用。...

文章目录前言一、momentum二、 权重衰减（weight decay）1.背景2. L2正则化与权重衰减系数3. 公式推导4. 正则项（权重衰减）作用三、 学习率（learning rate）前言利用深度学习网络训练模型时，需要对一些超参数作用与意义进行清楚了解，才能根据实际训练时出现的问题做相应调整，进而训练出满足精度的模型。一、momentum动量来源于牛顿定律，基本思想是为了找到最优，SGD通常来说下降速度比较快，但却容易造成另一个问题，就是更新过程不稳定，容易出现震荡。加入“惯性..

深度学习总结系列solver.prototxt 参数解析对于caffe 来讲solver为其运行控制的核心，控制着整个模型的运作方式。solver.prototxtsolver.prototxt 为caffe配置文件，里面定义了各种参数包括学习率，权重衰减、动量值等：net:"train_val.prototxt"test_iter: 266test_interval: 1000base_lr: 0.001display: 100max_iter: 50000lr_policy: "