deep learning and linux basic knowledge

.bashrc .theanorc 后面rc 指的是 runtime config


openmp  指的是是否开启CPU的multi process 多和处理。


在终端里面激活环境: source activate python27  source deactivate


在终端里面运行Python 语句,第一种方法是Python 直接进入Python交互环境。 第二种方法是 Python -c 'import sys; print sys.platform' 注意两条语句中间是分号。


python里面, print os.getenv('PATH')可以打印环境变量PATH的所有路径。


终端窗口里面输入 export  可以查看所有的环境变量。 如果想添加环境变量 可以 export EXAMPLE=‘I LIKE LINUX ENV’.


终端里面: nvidia-smi    free -m   top  分别查看GPU ,内存, CPU 的使用情况


Sanity check: The bin subfolder should contain an nvcc program. This folder is called the cuda root directory.


程序链接时动态库路径问题,有两种方式(1)/etc/ld.so.conf   (2) LD_LIBRARY_PATH 环境变量。  其中修改环境变量又有两种方式,1,永久性,
/home/.bashrc 2  只对本次有效,直接在终端,或者程序中 export 环境变量。


sudo apt install nvidia-cuda-toolkit  (没有用 conda install cudatoolkit=8.0)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
深度学习是一种机器学习的方法,它通过构建多层神经网络来模拟人类大脑的工作方式。与传统的机器学习方法相比,深度学习能够更好地处理复杂的非线性关系和大规模数据。 深度学习的基础是神经网络,它由多个神经元层组成。每个神经元接收上一层神经元的输出,并将其与特定的权重进行加权相加,然后通过激活函数进行非线性转换,产生输出结果。通过调整权重和激活函数的选择,神经网络可以学习到输入与输出之间的映射关系。 在深度学习中,一般采用反向传播算法来训练神经网络。它通过计算预测输出和实际输出之间的差异,并将这个差异传递回网络,然后根据差异来更新权重和激活函数的参数。反向传播算法可以迭代多次,直到网络的性能达到一定的要求。 深度学习在许多领域中取得了巨大的成功,如计算机视觉、自然语言处理和语音识别等。它能够从大量数据中自动学习特征,并进行高级抽象和表示学习。深度学习还可以通过卷积神经网络、循环神经网络和生成对抗网络等模型来解决不同类型的问题。 虽然深度学习取得了许多突破,但它也面临许多挑战。深度学习需要大量的数据和计算资源来训练网络,且训练过程需要很长时间。此外,深度学习的模型结构复杂,解释性较差,很难理解其内部的运作原理。 总之,深度学习是一种基于多层神经网络的机器学习方法,它能够处理复杂的非线性关系和大规模数据。它在各个领域中取得了很大的成功,但也面临一些挑战。掌握深度学习的基础知识对于理解和应用深度学习非常重要。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值