Leanfeng_K-CSDN博客

原创【深度学习|小白教程】记录Ubuntu18.0.4下Tensorflow-gpu环境搭建与安装

写本篇文章目的：本人参加学习tensorflow，途中遇到很多坑，同时很多一起学习的朋友也遇到相似的问题，写此贴以帮助大家解除疑惑，少走弯路。Tensorflow-gpu 1.14环境搭建与安装环境搭建基础配置功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定...

2020-02-03 22:13:48 962

原创【MMSegmentation v0.17.0】CUDA11 Windows11+WSL安装MMSegmentation0.17.0（低版本mmsegmentation安装）

最近想跑一些别人论文的代码复现一下成果，但是由于人家用的mmsegmentation版本比较低，而自己gpu和cuda版本过高，在部署环境的过程中踩了很多坑，但几经周折最后还是完成目标，在此记录一下。），所以不得已使用WSL，具体教程网上搜WSL安装一堆哈，ubuntu装cuda和pytorch的教程我也写过，如果torch.cuda.is_available()回车后返回的是True，那么恭喜，安装成功，继续下一步！版本，于是乎，再去mmcv的文档网站查看安装细则。进这个项目的目录，然后执行。

2024-01-15 15:48:53 884 2

原创【Windows、Git问题】detected dubious ownership in repository 问题解决

git指令出现双归属者报错时的解决方案

2022-11-15 23:09:03 6083 1

原创【计算机组成原理】浅谈：Cache-主存映射方式

计组——彻底搞懂cache主存映射cache容量及cache写策略首先非常感谢这位大佬的文章，帮助我理解了很大一部分，以下仅记录一下个人对此的理解方式。对于cache-主存映射的这个过程，我把它看成是一个抢座位的游戏，参与的对象是学生（主存块），学生有学号（对应的主存块号），座位即cache行，座位号即对应的cache行号。映射方式有如下三种，分别对应不同的游戏规则：全相连映射直接映射组相联映射全相连映射：这种规则下，就是有位置随便坐任何一个学号的学生都能到任意的座位上就坐，这种方式

2021-10-26 15:31:02 252

原创 maven报错处理No goals have been specified for this build.

项目场景：学习Spring期间构建maven项目遇到报错问题描述：构建Maven项目出现以下报错：[ERROR\] No goals have been specified for this build. You must specify a valid lifecycle phase or a goal in the format <plugin-prefix>:<goal> or <plugin-group-id>:<plugin-artifact-i

2021-02-20 21:56:01 1621

原创【Spring学习笔记】浅谈控制反转（IOC）与依赖注入（DI）

简单介绍IOC与DI：IOC（Inversion Of Control）控制反转，一种设计思想。DI（Dependency Inject）：依赖注入，IOC思想的一种体现。了解一下依赖对象：在程序里，业务的实现是依赖类与类的方法。将完成某种特定需求的对象定义为依赖对象。如：在一个电商平台中，卖家可以进行商品上架、下架及发货等操作，程序员将商品的上架的业务功能封装到Sell类里，这个类在整个平台中实例化的对象我们称之为这个电商平台的一个依赖对象。IOC控制反转:何为正转，何为反转？

2020-11-07 22:03:13 170

原创【Tensorflow/TensorFlowObjectDetectionAPI学习笔记】记录Tensorflow1.13从数据集到生成tflite文件流程

系统：win10环境：anaconda,python3.6,tensorflow-gpu1.13材料准备：TensorFlow object detection API - r1.13，数据集注：默认根目录为TensorFlow object detection API1、api安装：打开控制台或powershell(shift+鼠标右键可以看到)，进入到research/slim，指令如下：cd research/slim/构建、执行安装文件python setup.py buildp

2020-09-25 16:56:04 302 5

原创 Android Studio下解决NDK not installed报错

发现问题：个人这阵子在自己android studio下跑tensorflow的demo，在build过程中出现NDK not installed报错，在网上搜索很多资料，起初以为是sdk tools下没安装NDK工具，但经过尝试还是不行，走了很多弯路最终找到解决方法。解决方法：打开项目后，在IDE左上方点击File->Project Structure,在Android NDK Location下选择你的NDK所在的目录即可。（NDK官方链接：https://developer.android

2020-09-23 18:30:53 5854 2

原创 tensorflow object detection API安装报错解决

在models/research下执行python object_detection/builders/model_builder_test.py若出现报错：Traceback (most recent call last): File "object_detection/builders/model_builder_test.py", line 21, in <module> from object_detection.builders import model_builder

2020-08-05 16:42:22 344

原创【深度学习】简单易懂，对卷积核层数的理解

在学习卷积神经网时候，本人对代码中的卷积维度变化不是很理解，记录学习过程供参考。假设有一个卷积核W（3X3X3X2），第一个维度为高度，第二个维度为宽度，第三个维度为通道数，第四个维度为卷积层数。上图展示一下：关于卷积过程中维度的变化：对于单通道的灰度图卷积很好理解，如4X4的图片用3X3的一个卷积核进行卷积（步长为一），那结果就是2X2的维度；假设卷积核有2层，即为3X3X2，那么卷积出来的结果就是2X2X2。结果的维度就相当于拿卷积核这个“面”在图像里平移，看有多少个这样的“面”。对于多通道而

2020-05-08 22:50:39 2704 3

原创【深度学习笔记】了解方差-偏差困境

在模型中：当模型复杂度过低时，偏差则会比较大，训练出来的模型会欠拟合，因而需要提高模型复杂度来降低模型偏差；当模型复杂度过高时，方差则会较大，训练的模型会过拟合，因而需要降低模型复杂度来降低偏差。因此，模型复杂度的选择是一个十分纠结的问题，该问题被称为“方差-偏差困境”。（如下图所示）形象地理解可以举个这么例子：考试前刷题，如果刷得太多了，考试时做题会很死板，思维被局限了；但如果刷的太少...

2020-03-10 20:43:01 785