junjian Li

有时候指定GPU运行代码的时候，发现指定的是第3块GPU，但是代码实际是在0号GPU上运行，先按照PCI_BUS_ID顺序从0开始排列GPU设备 ，然后再设置当前使用的GPU设备仅为0号设备 设备名称为’/gpu:0’，代码如下Limport osos.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID" os.environ["CUDA_VISIBLE_DEVICES"]="0"...

def reduce_mem_usage(df): start_mem = df.memory_usage().sum() print('Memory usage of dataframe is {:.2f} MB'.format(start_mem)) for col in df.columns: col_type = df[col].dtype if col_type != object: c_

1.现在linux服务器上安装Anaconda3：安装教程2. 生成配置文件: jupyter notebook --generate-config3.生成密匙文件:>> python>> from notebook.auth import passwd>> passwd()然后会让你输入密码:Enter password:Verify password:然后就生成了密匙:‘sha1:ce23d945972f:34769685a7ccd3d0

1.检查–>console–>输入下面代码即可打印:(function(){ 'use strict'; var articleBox = $("div.article_content"); articleBox.removeAttr("style"); $("#btn-readmore").parent().remove(); $("#side").remove(); $("#comment_title, #comment_list, #comment_bar, #comment

一般而言，当我们训练模型时过拟合的话，可以采取增大数据量，或者增加L1和L2正则化来解决过拟合问题，但是L1正则化容易产生稀疏解，下面就来解释一下为什么L1会产生稀疏解。L(w)代表原本的损失函数，设其在w=0处的导数为：引入L1正则项，在0处的导数：引入L2正则项，在0处的导数：可见，引入L2正则时，代价函数在0处的导数仍是d0，无变化。而引入L1正则后，代价函数在0处的导数有一个突变。从d0+λ到d0−λ，若d0+λ和d0−λ异号，则在0处会是一个极小值点。因此，优化时，很可能优化到该

Grad-CAM:通过得到每对特征图对应的权重，最后得到一个加权和。用梯度的全局平均来计算权重。import torchfrom torch.autograd import Variablefrom torch.autograd import Functionfrom torchvision import modelsfrom torchvision import utilsimpor...

简介t-SNE（ TSNE ）将数据点的相似性转换为概率。原始空间中的相似性表示为高斯联合概率(根据数据点之间的相似性转换为概率)，嵌入空间中的相似性表示为 “学生” 的 t 分布。这允许 t-SNE 对局部结构特别敏感，并且有超过现有技术的一些其它优点.t-SNE 是目前来说效果最好的数据降维与可视化方法，但是它的缺点也很明显，比如：占内存大，运行时间长。但是，当我们想要对高维数据进行分类，...

python2.7环境下import matplotlib.pyplot就出现Failed to import any qt binding这个错误,我真的是郁闷.没办法,遇到问题就要解决问题呀.找了网上很多方法.但是没用啊,最后总结一下解决方法:1.第一个解决方法:卸载重新安装2.第二个解决方法:卸载重新安装3.第三个解决方法:安装PyQt54.import matplotlibma...

最近在使用faiss库的时候,出现了以下错误,Faiss assertion err == CUBLAS_STATUS_SUCCESS failed in void faiss::gpu::runMatrixMult(faiss::gpu::Tensor<T, 2, true>&, bool, faiss::gpu::Tensor<T, 2, true>&...

编辑vimrc文件vim ~./vimrc然后在里面添加:set nuset mouse=a