- 博客(22)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 2020-09-29
环境操作系统：Ubuntu 18.04LTS 显卡：NVIDIA Geforce RTX 2060 SUPER安装方式说明网上有许多种安装方式，但是本人经验，推荐使用run文件手动安装。具体步骤如下：手动下载驱动首先在NVIDIA官网上下载对应的驱动点击search后，下载对应的版本即可。卸载旧驱动无论之前是否安装过NVIDIA驱动，都推荐执行这一步骤：$ sudo apt-get remove --purge nvidia*# 若安装失败也是这样卸载以及$ sudo
2020-09-29 11:11:30
289
转载 解决.bashrc文件每次打开终端都需要source的问题
解决方法vim ~/.bash_profile在文件内部输入 # 加载.bashrc文件 if test -f .bashrc ; then source .bashrc fi 在.bash_profile文件中自动加载.bashrc文件。.bashrc文件与.bash_profile文件的区别在研究二者区别之前，我们先了解两个概念login shell和no login shell1. login shell需要输入用户名和密码，进入.
2020-09-28 00:41:09
2734
1
转载 ubuntu安装cuda（转精华）
3 安装cuda3.0 前期调查#首先要在nvidia查看你的显卡是否支持cuda（不支持的话就可以直接跳到第五节了）#https://developer.nvidia.com/cuda-gpus#如果支持的话，你的显卡名字旁边会显示支持该显卡的cuda最低版本（我是直接安装最新版了）3.1 下载CUDA#可以选择直接用apt下载，也可以在官网上下载安装包到本地下载（我选择后一种）#下载地址：https://developer.nvidia.com/cuda-downloads
2020-09-27 23:25:50
1298
转载 ubuntu中使用不同版本cuda（转）
Pytorch 使用不同版本的 cuda 由于课题的原因，笔者主要通过 Pytorch 框架进行深度学习相关的学习和实验。在运行和学习网络上的 Pytorch 应用代码的过程中，不少项目会标注作者在运行和实验时所使用的 Pytorch 和 cuda 版本信息。由于 Pytorch 和 cuda 版本的更新较快，可能出现程序的编译和运行需要之前版本的 Pytorch 和 cuda 进行运行环境支持的情况。比如笔者遇到的某个项目中编写了 CUDAExtension 拓展，而其中使用的 cuda 接口函数在
2020-09-27 23:22:32
432
原创 scp传文件时报错Add correct host key in /root/.ssh/known_hosts to get rid of this message
在两个服务器之间用scp命令传文件时报错@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@ WARNING: REMOTE HOST IDENTIFICATION HAS CHANGED! @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@IT IS POSSIBLE THAT SOMEONE IS DOING SOMETHING NASTY!...
2020-09-27 21:25:42
2183
原创 问题：anaconda: command not found 解决方案
使用命令：vim ~/.bashrc 修改环境变量在文本最后添加命令：export PATH=~/anaconda3/bin:$PATH重启环境变量：source~/.bashrc输入：anaconda -V显示：anaconda Command line client
2020-09-27 20:18:06
4398
原创 ubuntu修改用户的默认目录
不同的用户有对应的默认目录设置，这些设置都被保存在配置文件/etc/passwd中。对于用户名为JACK的用户，其系统默认目录为 /home/J,那么有时候我们可能在J目录下新建了一个目录code,并长期在code下面作开发，我们就希望系统可以直接进入 /home/J/code目录，那么我们可以通过以下方法实现：1：打开文件 /etc/passwd配置文件2：把J这个帐户对应的默认目录 /home/J改为/home/J/code即可，然后保存。...
2020-09-26 19:14:52
2215
转载 速成pytorch学习——11天. 使用GPU训练模型
深度学习的训练过程常常非常耗时，一个模型训练几个小时是家常便饭，训练几天也是常有的事情，有时候甚至要训练几十天。训练过程的耗时主要来自于两个部分，一部分来自数据准备，另一部分来自参数迭代。当数据准备过程还是模型训练时间的主要瓶颈时，我们可以使用更多进程来准备数据。当参数迭代过程成为训练时间的主要瓶颈时，我们通常的方法是应用GPU来进行加速。Pytorch中使用GPU加速模型非常简单，只要将模型和数据移动到GPU上。核心代码只有以下几行。# 定义模型 ... device =
2020-09-20 19:55:56
1083
转载 速成pytorch学习——10天.训练模型的3种方法
Pytorch通常需要用户编写自定义训练循环，训练循环的代码风格因人而异。有3类典型的训练循环代码风格：脚本形式训练循环，函数形式训练循环，类形式训练循环。下面以minist数据集的分类模型的训练为例，演示这3种训练模型的风格。import torch from torch import nn from torchkeras import summary,Model import torchvision from torchvision import transformstran
2020-09-20 14:50:18
793
转载 速成pytorch学习——9天构建模型的3种方法
可以使用以下3种方式构建模型：1，继承nn.Module基类构建自定义模型。2，使用nn.Sequential按层顺序构建模型。3，继承nn.Module基类构建模型并辅助应用模型容器进行封装(nn.Sequential,nn.ModuleList,nn.ModuleDict)。其中 第1种方式最为常见，第2种方式最简单，第3种方式最为灵活也较为复杂。推荐使用第1种方式构建模型。一，继承nn.Module基类构建自定义模型以下是继承nn.Module基类构建自定义模型的一个范例。
2020-09-20 14:48:18
491
转载 速成pytorch学习——8天损失函数
一般来说，监督学习的目标函数由损失函数和正则化项组成。(Objective = Loss + Regularization)Pytorch中的损失函数一般在训练模型时候指定。注意Pytorch中内置的损失函数的参数和tensorflow不同，是y_pred在前，y_true在后，而Tensorflow是y_true在前，y_pred在后。对于回归模型，通常使用的内置损失函数是均方损失函数nn.MSELoss 。对于二分类模型，通常使用的是二元交叉熵损失函数nn.BCELoss (输入已经是s
2020-09-20 14:42:29
678
原创 一些推荐的深度学习、机器学习资料
吴恩达深度学习课程作业https://github.com/Wasim37/deeplearning-assignment吴恩达机器学习作业https://github.com/PowersYang/Coursera_ML_Exercise
2020-09-20 13:39:35
167
转载 速成pytorch学习——7天模型层layers
深度学习模型一般由各种模型层组合而成。torch.nn中内置了非常丰富的各种模型层。它们都属于nn.Module的子类，具备参数管理功能。例如： nn.Linear, nn.Flatten, nn.Dropout, nn.BatchNorm2d nn.Conv2d,nn.AvgPool2d,nn.Conv1d,nn.ConvTranspose2d nn.Embedding,nn.GRU,nn.LSTM nn.Transformer 如果这些内置模型层不能够满足
2020-09-20 12:54:46
326
转载 速成pytorch学习——6天Dataset和DataLoader
Pytorch通常使用Dataset和DataLoader这两个工具类来构建数据管道。Dataset定义了数据集的内容，它相当于一个类似列表的数据结构，具有确定的长度，能够用索引获取数据集中的元素。而DataLoader定义了按batch加载数据集的方法，它是一个实现了__iter__方法的可迭代对象，每次迭代输出一个batch的数据。DataLoader能够控制batch的大小，batch中元素的采样方法，以及将batch结果整理成模型所需输入形式的方法，并且能够使用多进程读取数据。在绝大
2020-09-19 23:59:33
921
转载 速成pytorch学习——5天nn.functional 和 nn.Module
一，nn.functional 和 nn.Module前面我们介绍了Pytorch的张量的结构操作和数学运算中的一些常用API。利用这些张量的API我们可以构建出神经网络相关的组件(如激活函数，模型层，损失函数)。Pytorch和神经网络相关的功能组件大多都封装在 torch.nn模块下。这些功能组件的绝大部分既有函数形式实现，也有类形式实现。其中nn.functional(一般引入后改名为F)有各种功能组件的函数实现。例如：(激活函数)F.relu F.sigmoid F.
2020-09-17 22:51:47
721
转载 速成pytorch学习——4天中阶API示范
使用Pytorch的中阶API实现线性回归模型和和DNN二分类模型。Pytorch的中阶API主要包括各种模型层，损失函数，优化器，数据管道等等。一，线性回归模型1，准备数据import numpy as np import pandas as pdfrom matplotlib import pyplot as plt import torchfrom torch import nnimport torch.nn.functional as Ffrom torch.utils
2020-09-17 16:51:06
401
转载 速成pytorch学习——3天自动微分机制
神经网络通常依赖反向传播求梯度来更新网络参数，求梯度过程通常是一件非常复杂而容易出错的事情。而深度学习框架可以帮助我们自动地完成这种求梯度运算。Pytorch一般通过反向传播 backward 方法 实现这种求梯度计算。该方法求得的梯度将存在对应自变量张量的grad属性下。除此之外，也能够调用torch.autograd.grad 函数来实现求梯度计算。这就是Pytorch的自动微分机制。一，利用backward方法求导数backward 方法通常在一个标量张量上调用，该方法求得的梯
2020-09-17 14:46:25
462
转载 速成pytorch学习——2天
Pytorch的基本数据结构是张量Tensor。张量即多维数组。Pytorch的张量和numpy中的array很类似。本节我们主要介绍张量的数据类型、张量的维度、张量的尺寸、张量和numpy数组等基本概念。一，张量的数据类型张量的数据类型和numpy.array基本一一对应，但是不支持str类型。包括:torch.float64(torch.double),torch.float32(torch.float),torch.float16,torch.int64(torch.l
2020-09-17 14:31:29
486
转载 速成pytorch学习——1天
一、Pytorch的建模流程使用Pytorch实现神经网络模型的一般流程包括：1，准备数据2，定义模型3，训练模型4，评估模型5，使用模型6，保存模型。对新手来说，其中最困难的部分实际上是准备数据过程。我们在实践中通常会遇到的数据类型包括结构化数据，图片数据，文本数据，时间序列数据。我们将分别以titanic生存预测问题，cifar2图片分类问题，imdb电影评论分类问题，国内新冠疫情结束时间预测问题为例，演示应用Pytorch对这四类数据的建模方法。二、Pyto
2020-09-17 11:59:05
932
原创 pip报错Failed to establish a new connection: [Errno -3] Temporary failure in name resolution‘,)‘
不是源的问题。是dns的问题。sudo gedit /etc/resolv.conf最后一行添加nameserver 8.8.8.8nameserver 114.114.114.114
2020-09-15 20:46:14
4138
转载 TSDF算法笔记（转）
TSDF 算法简介TSDF ，全称：truncated signed distance function，基于截断的带符号距离函数，是一种常见的在3D重建中计算隐势面的方法。著名的Kinfusion就是才用TSDF来构建空间体素的，通过求去每个体素的值，然后再使用之前提到的Marching Cube来提取表面的。TSDF是在SDF进行改进的，是在SDF提出了截断距离，具体内容我们们在下面讲 ，很简单的。SDF是在2003年由S Osher提出。在拥有大内存的显卡并行计算的情况下，使用TSDF可以做到
2020-09-14 21:52:15
5998
Spark入门.docx
2020-04-02
人手一份核武器 - Hacking Team 泄露（开源）资料导览手册 _ WooYun知识库.pdf
2020-03-27
程序设计实践中文版
2016-10-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人