- 博客(48)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 anaconda环境和包安装问题
anaconda环境问题查看环境信息： conda info -e创建一个新环境：conda create --name 环境名创建环境并添加包：conda create --name 环境名 包名删除环境：conda env remove --name 环境名切换环境：conda activate 环境名...
2020-05-09 19:18:53
832
转载 神经网络加速器设计参考
【VeriMake】在安路FPGA开发板上移植ARM Cortex-M0内核(开头讲了一个简单的案例)【VeriMake】在安路FPGA开发板上移植ARM Cortex-M0内核(上)(比较详细)【VeriMake】在安路FPGA开发板上移植ARM Cortex-M0内核(下)(比较详细)【CSDN】基于FPGA的深度卷积神经网络的加速器设计(论文译文)(个人感觉非常好)★。【正点原子】开拓者FPGA开发板视频教程-(Nios II篇)(F盘)《计算机组成与设计:硬件/软件接口(原书第5版 ARM版)》
2024-03-18 20:28:48
22
原创 windows usbip（瑞芯微windows开发）
除usbipd之外，还有一个usbip仓库可以参考。检查 vhci_hcd 模块： 确保。wsl2中运行，可发现设备。windows上运行。
2023-11-16 11:02:54
420
原创 wsl环境下docker报错：Cannot connect to the Docker daemon
wsl环境下docker报错：Cannot connect to the Docker daemon
2022-09-19 20:56:27
1069
1
原创 linux命令行操作快捷键
Ctrl + R：搜索历史命令，随着输入会显示历史命令中的一条匹配命令，Enter键执行匹配命令；ESC键在命令行显示而不执行匹配命令。Ctrl + G：从历史搜索模式（Ctrl + R）退出。Ctrl + K ：删除光标右边字符。Ctrl + U ：删除光标左边字符。Ctrl + A：光标移到行首。Ctrl + E：光标移到行尾。Ctrl + L：清屏。
2022-08-19 20:23:15
182
原创 Pyinstaller 打包踩坑指南
创建一个新的环境用于打包，这样不会导致打包exe太大遇到的问题及正确解决方案：1、[WinError 6] 句柄无效Traceback (most recent call last): ... File "subprocess.py", line 383, in run File "subprocess.py", line 640, in __init__ File "subprocess.py", line 850, in _get_handlesOSError: [WinErro
2021-11-13 21:58:04
2178
1
原创 PyTorch Image Models（timm）库基础
timm是由Ross Wightman创建的深度学习库，是一个关于SOTA的计算机视觉模型、层、实用工具、optimizers, schedulers, data-loaders, augmentations，可以复现ImageNet训练结果的训练/验证代码。代码网址：https://github.com/rwightman/pytorch-image-models简略文档：https://rwightman.github.io/pytorch-image-models/详细文档：https://fa
2021-09-07 16:12:59
6834
1
原创 VScode远程连接失败
原文链接：https://stackoverflow.com/questions/56671520/how-can-i-install-vscode-server-in-linux-offline/57601121#57601121commit_id=f06011ac164ae4dc8e753a3fe7f9549844d15e35# Download url is: https://update.code.visualstudio.com/commit:${commit_id}/server-linu
2021-07-25 16:49:24
304
1
原创 庖丁解牛-特征归一化/标准化
为什么要对特征做归一化/标准化？统一量纲，对于距离敏感性模型能够提升精度（如K-means、KNN、PCA、SVM），对基于梯度下降的模型能加快收敛（如线性回归、逻辑回归、神经网络）。为什么对于基于距离的模型能够提升精度？不同的特征的数量级不同，如果不使用标准化/归一化，原始数量级大的特征可能会对模型输出造成较大影响，而数量级小的特征可能对于模型输出影响较小。也即模型要学习到：在特征同等重要的情况下，对数量级大的特征分配一个小的权重，对数量级小的特征分配一个大的权重。归一化之后可以优化这一过程，降低了
2021-06-21 22:19:23
154
原创 算法工程师学习
数学（微积分、线性代数与矩阵论、概率论与信息论、最优化方法）英语GitLinuxPython/C++数据结构与算法数据处理与分析数字图像处理机器学习深度学习框架深度学习
2021-06-21 14:35:08
70
原创 Amazing blogs
公众号CVHUB综述系列万字长文带你入门计算机视觉!相当全面的概述介绍，不仅介绍了进入计算机视觉领域重要的工具总结（机器学习、深度学习、工具），还介绍了许多值得学习的网站和工具！有许多是我正在使用的，非常好用！一文看尽深度学习各种注意力机制一文看尽深度学习中的各种损失函数一文看尽深度学习中的各种池化方法万字长文带你入门Transformer学术小白进阶专栏公众号灿视学长入门AI必备！免费干货与项目实战分享！python、linux、pytorch入门基础百面计算机视觉计算机视觉面试
2021-06-20 20:40:49
58
原创 Python进阶
为什么要使用装饰器？目的？假设我们要增强一个函数A的功能，但又不希望修改函数A的定义，这种在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。说白了，就是通过新写一个函数B将原函数A包装进去，并添加一些新的代码增加额外的功能。如何实现？实现基础原理：由于函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。例：设计一个decorator，它可作用于任何函数上，并打印该函数的执行时间：import functoolsdef metric(fn):
2021-06-19 17:49:56
87
原创 深度学习环境配置：GPU,CUDA,cuDNN
参考：https://zhuanlan.zhihu.com/p/91334380查看GPU驱动版本：cat /proc/driver/nvidia/version查看GPU应该安装的对应CUDA版本：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html查看CUDA应该安装的对应cuDNN版本：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10.
2021-06-04 15:59:44
78
原创 终端复用工具screen
screen是一款非常简单易上手的终端复用工具，可以将会话与窗口分离，避免断线导致服务器程序断掉。如需要更强大的功能，可参考。Ctrl + a，c #在当前screen会话中创建一个子会话。Ctrl + a，0-9 #在第0窗口至第9子会话间切换。，tmux是一种功能更加强大的终端复用工具。Ctrl + a，d #暂离当前会话。Ctrl + a，p #上一个子会话。Ctrl + a，n #下一个子会话。Ctrl + a，w #子会话列表。创建一个叫做python的会话。
2021-06-02 20:25:21
149
原创 无标记图像虚拟染色
Cell 2018 paperCell 2018 codeNature methods 2018 paperNature methods 2018 codeScience advances 2021TMI 2020MIA 2021J. of Biomedical Optics 2020
2021-06-01 16:58:59
279
转载 SQL基础
数据库表一个数据库通常包含一个或多个表。每个表有一个名字标识（例如:“Websites”）,表包含带有数据的记录（行）。use RUNOOB; 命令用于选择数据库。set names utf8; 命令用于设置使用的字符集。SELECT * FROM Websites; 读取数据表的信息。SQL 对大小写不敏感：SELECT 与 select 是相同的。某些数据库系统要求在每条 SQL 语句的末端使用分号。分号是在数据库系统中分隔每条 SQL 语句的标准方法，这样就可以在对服务器的相同请求中
2021-03-06 16:43:20
151
原创 Counterfactual Explanations for Machine Learning: A Review
Counterfactual Explanations for Machine Learning: A Review机器学习的社会意义建立公平性和使自动化工具的决策具有可解释性是我们可以确保机器学习对社会产生公平影响的两种主要方法。公平性研究旨在开发算法，以确保系统产生的决策不会偏向特定的人口统计学群体，这些群体是根据敏感特征（例如种族，性别，宗教信仰）定义的。反歧视法律规定，使用敏感功能作为任何决定的基础是非法的。有偏见的决策也可能引起广泛的批评，因此对于避免此类行为很重要。关联关联可以理解成找相
2021-02-26 20:46:11
518
原创 Explainable Artificial Intelligence Approaches: A Survey
Explainable Artificial Intelligence Approaches: A Survey现有的一些工具：LIME, DeepVis Toolbox, TreeInterpreter, Keras-vis, Microsoft InterpretML, MindsDB, SHAP, Tensorboard WhatIf, Tensorflow’s Lucid, Tensorflow’s Cleverhans解释方法分为三类：Intrinsically Interpretable M
2021-02-26 20:39:50
369
原创 Multi-view Integration Learning for Irregularly-sampled Clinical Time Series
Multi-view Integration Learning for Irregularly-sampled Clinical Time Series介绍问题电子健康记录（EHR）数据==稀疏且不规则==，因为它以不规则的时间间隔记录，并且在每个观察点测量不同的临床变量。不同数量的观察值和跨数据的时间对齐方式的缺乏使假定具有固定维特征空间的机器学习模型的使用无效。研究进展研究背景：基于RNN的方法已成为处理临床时间序列数据的实际解决方案，因为RNN可以管理各种长度的顺序数据。但是传统的RNN方法
2021-02-26 20:21:38
315
2
原创 天池寒假训练营-Task4 baseline
# 导包import numpy as npimport pandas as pdimport matplotlib.pyplot as plt# 读入数据data_train = pd.read_csv(r'data/happiness_train_complete.csv',encoding='gbk')data_test = pd.read_csv(r'data/happiness_test_complete.csv',encoding='gbk')#%% 查看一下标签data_t
2021-01-28 20:53:14
57
原创 微信8.0自动发送炸弹python脚本
import itchatimport argparsedef get_arguments(): parser = argparse.ArgumentParser(description='文献表情包发送') parser.add_argument('--name', type=str, default="xxx", help='要发送的人的微信备注') parser.add_argument('--group', type=
2021-01-27 15:45:41
6986
2
原创 VS code python 开发插件
ARPEL实时观察代码输出结果和变量preview基于pythontutor变量内存展示kite查看说明文档tabnine代码补全jupyter在vscode中使用jupyterprettier代码格式规范Python Docstring Generator自动生成函数解释vscode-icons文件图标...
2021-01-25 11:31:24
114
原创 conda_env出现问题
报错File “D:\software\anaconda\Scripts\conda_env\env.py”, line 14, in from conda.common.serialize import yaml_load_standardImportError: cannot import name ‘yaml_load_standard’ from ‘conda.common.serialize’ (D:\software\anaconda\lib\site-packages\conda\com
2021-01-16 22:11:52
464
1
原创 指定GPU训练模型
指定GPU训练模型1、直接在终端运行时加入相关语句实现指定GPU的使用运行test.py文件时，使用编号为0的GPU卡CUDA_VISIBLE_DEVICES=0 python test.py运行test.py文件时，使用编号为0和2的GPU卡CUDA_VISIBLE_DEVICES=0,2 python test.py2、在Python程序中添加使用第一张与第二张GPU卡import osos.environ["CUDA_VISIBLE_DEVICES"] = "1, 2"..
2020-12-30 09:57:58
814
1
原创 命令行选项、参数和子命令解析器
命令行参数def get_arguments(): parser = argparse.ArgumentParser(description='sequence to point learning \ example for NILM') parser.add_argument('--data_dir', type=str, default=DATA_DIRECTORY,
2020-12-24 16:11:03
130
1
原创 python下载源更改
conda添加国内镜像源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/freeconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/mainconda config --set show_channel_urls yes换回默认源conda config --remove-key c
2020-12-22 16:38:59
1069
原创 安装tensorflow，pytorch并测试GPU是否可用
测试GPU是否可用tensorflowimport tensorflow as tfprint(tf.test.is_gpu_available())pytorchimport torchprint(torch.cuda.is_available())输出True代表可用
2020-12-21 20:29:26
395
1
原创 服务器连接
参考https://www.cnblogs.com/cookiewu/p/9664062.html服务端（必须）1.安装ssh服务端sudo apt-get install openssh-server；2.确认sshserver是否启动了ps -e | grep ssh如果只有ssh-agent那ssh-server还没有启动，需要/etc/init.d/ssh start，如果看到sshd那说明ssh-server已经启动了3.启动sshserver/etc/init.d/ssh sta
2020-12-14 21:49:13
226
原创 linux常用命令
ls命令(list) – 显示指定工作目录下的内容及属性信息detailscat命令 – 在终端设备上显示文件内容detailscat test.txtcp命令(copy) – 复制文件或目录detailsmkdir命令(make directories) – 创建目录detailsmkdir dir1 dir2 dir3-p 递归创建多级目录mkdir -p linuxcool/direcho命令 – 输出字符串或提取Shell变量的值detailsecho "LinuxCool.c
2020-12-12 21:45:29
85
原创 mxnet模型序列化
mxnet模型序列化，因为mxnet是动态图，需要前向运行一遍#mxnet 模型序列化'''keep the model to json 保存模型和参数'''net2.hybridize()output = net2(image.as_in_context(mx.gpu(0)))[1] #image是一张ndarray图net2.export('net2')'''load the model and the params 还原模型'''net3 = gluon.SymbolBlock.impo
2020-11-26 17:56:42
99
原创 Image读取numpy图片报错
Image.fromarray(img)img如果是浮点数，必须在0-1之间，如果是整数要在0-255之间，不然报错TypeError: Cannot handle this data type要检查一下img的最大值和最小值是不是出错了
2020-11-25 18:11:14
633
原创 装pytorch出错解决办法
装pytorch出错，解决办法，首先使用国内镜像源，国外太慢：pip install torch1.2.0+cpu torchvision0.4.0+cpu -f https://download.pytorch.org/whl/torch_stable.htmlpip install torch1.4.0 torchvision0.5.0 -f https://download.pytorch.org/whl/torch_stable.html -i http://pypi.douban.com/si
2020-11-25 18:05:48
416
原创 三分类SHAP图（特征标准化之后怎么画）
画三分类SHAP图出错今天干了一件很蠢的事情，还耽误了很多时间，特此记录一下我将数据标准化之后训练模型，然后将未标准化的数据作为输入计算了SHAP值，得出的结果显然不对。类似于下图这种但是如果画图时将X_test输入作为参数，那么横坐标就对应的是标准化之后的值，所以我们可以先对X_test未经标准化时候制作一个copy版本X_test1，然后作为画图时候参数输入就可以正确画出SHAP图的横坐标了，也可以得到我们想要的信息。另外三分类shap values得到一个3维数据，有时候使用起来需要切片，比如
2020-11-23 20:12:05
4798
7
原创 机器学习模型性能提升方案
机器学习最有价值的部分是预测建模。 这是在历史数据上训练模型并对新数据进行预测的模型的开发。 关于预测建模的首要问题是：如何获得更好的结果？这份备忘单包含了多年以来我的最佳应用程序，以及我对顶尖的机器学习从业人员和比赛获胜者的学习所总结出的最佳建议。 有了本指南，您不仅会得到解脱和提升的性能，甚至可以在预测问题上获得世界一流的结果。概述 此备忘单旨在为您提供一些想法，以提高您的机器学习问题的性能。 取得突破是一个好主意。 当您遇到问题时，一个好主意值得一吨黄金，本指南包含32种可以尝试的想法
2020-10-16 20:01:57
475
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人