- 博客(24)
- 收藏
- 关注
RSS订阅原创 Linux装docker
参考官网的这条链接就好了：Install Docker Engine on Ubuntu | Docker Docs
2024-03-06 20:34:37
340
1
原创 linux命令解压到指定目录
这里例子是.7z.001这种压缩文件，这些压缩文件同一个目录，对.7z.001进行解压操作，.7z.002也会一起解压。-o后面没有空格，直接接到指定目录。-d 加空格再接指定目录。
2024-01-16 15:57:49
567
原创 终端不容易输出过长的输出？把stdout和stderr重定向到文件
https://www.cnblogs.com/irockcode/p/6619049.html
2023-11-27 15:58:14
424
原创 Linux远程服务器如何让程序在后台运行
用开头的nohup和结尾的让程序在后台运行。在对应目录下我们可以看到生成了一个foo.log和foo.err。
2023-10-21 16:32:32
280
1
原创 conda和pip环境换清华源
conda的：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorpip的：pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
2023-10-20 19:29:02
391
1
原创 对softmax中dim的理解
设定的维数dim是几，就其它维先保持不变，然后这一维从0遍历到N，求这一维的softmax，之后运算其它维度，dim这一维再从0~N求一下。就是每次都是dim=1这一维从0到N-1来算softmax 剩下的维度不变，然后剩下的维度变一下，再把dim这一维算一下。算的时候先[0,0,0,0],[0,1,0,0],[0,2,0,0],...,[0,N-1,0,0]之后算[1,0,0,0],[1,1,0,0],[1,2,0,0],...,[1,N-1,0,0]比如tensor一共有4维，dim=1。
2023-08-14 16:25:53
133
原创 git clone 遇到 Github port 443 : Timed out
解决 Github port 443 : Timed out - 相见欢的文章 - 知乎 https://zhuanlan.zhihu.com/p/636418854。
2023-08-14 15:23:55
93
原创 非极大值抑制的清晰讲解！！！
格子都会举手说我的Pc、我这个格子里有车的概率很高，而不是361个格子中仅有两个格子会报告它们检测出一个对象。所以当你运行算法的时候，最后可能会对同一个对象做出多次检测，，所以它应该只被分配到一个格子里，所以理论上应该只有一个格子做出有车的预测。实践中当你运行对象分类和定位算法时，对于每个格子都运行一次，非极大值抑制的具体操作：我们取Pc值最大的框max bounding box，其他框和这个框做交并比，假设你需要在这张图片里检测行人和汽车，你可能会在上面放个19×19网格，
2023-07-10 16:31:31
49
1
原创 简单易懂的inception讲解！！！
在网络的最后几层，通常称为全连接层，在它之后是一个softmax层（编号1）来做出预测，这些分支（编号2）所做的就是通过隐藏层（编号3）来做出预测，所以这其实是一个softmax输出（编号2），编号1也是。下面是一张取自Szegety et al的论文中关于Inception网络的图片，你会发现图中有许多重复的模块，可能整张图看上去很复杂，但如果你只截取其中一个环节（如编号1），就会发现这就是上面讲的Inception模块。它在Inception网络中，起到一种调整的效果，并且能防止网络发生过拟合。
2023-07-10 13:52:36
1176
1
原创 通俗易懂的残差网络讲解！！！
构造恒等映射的任务，转变为让网络去拟合残差。从输入额外连一条线到输出，这样将输入输出相加的操作叫做skip connection（跳跃连接）残差网络中不会出现梯度消失的问题（下图不会一直等于-1的内容意思是梯度不会等于0。退化现象——深层网络训练难度太高，层数越高，训练和测试的误差都增大；（和过拟合区分，过拟合是训练误差越小，测试误差越大）研究表明，没有skip connection时，网络越深，损失函数的非凸性越强。梯度在反向传播过程中越来越趋近于0，误差就没有办法传播到底层的参数了，即梯度消失。
2023-07-09 10:55:43
185
1
原创 菜菜的N诺平台机试真题练习（北京邮电大学）
在STL中unique函数是一个去重函数， unique的功能是去除相邻的重复元素(只保留一个),其实它并不真正把重复的元素删除，而是把重复的元素移到后面去了，它们依然保存到了原数组中，返回的是去重后最后一个元素的地址（迭代器）。哈夫曼树的权值求法，根据需要我们要构造哈夫曼树，然后根据树求节点，这个肯定是很麻烦的，可以根据哈夫曼树的构造过程可以看出来每次都是取最小的两个树节点然后合并成一棵树，而权值有两种算法，第一个可以取所有的叶子节点，用叶子节点与路径的乘积的和，第二种就是可以取所有的非叶子节点的总和。
2023-06-29 12:42:45
342
1
原创 刚训练就NaN or Inf found in input tensor.
找了很多博主的方法没解决，最后我把训练的batch调小了就能跑了。
2023-05-12 13:30:54
397
1
原创 适合入门深度学习的项目！！！搭建LeNet-5网络模型——3 测试模型搭建
在上一节中，我们保存了训练效果最好的模型"save_model/best.pth"，接下来对它进行测试，观察它的测试效果。
2023-04-12 12:22:55
168
原创 适合入门深度学习的项目！！！搭建LeNet-5网络模型——2 训练模型搭建
上一节里，我们的网络模型放在一个名为net.py的文件里，这里我们调用它进行了模型的训练和测试，并将最优的模型保存在指定路径里。
2023-04-12 01:18:29
254
原创 我遇到的QThread: Destroyed while thread is stil running解决
在写操作系统课设的时候，用到了pygtSignal这个信号类，希望实现QT界面中数据的不断刷新。检查才发现是一个小错误的问题：有重名变量！改为不同变量名就可以完美运行了。
2022-12-28 10:46:27
136
原创 [ERROR] The distro “Ubuntu“ has running processes and can‘t be operated. “wsl -t ＜name＞“ ......
WSL系统盘向其他盘迁移过程中，使用LxRunOffline，[ERROR] The distro "Ubuntu" has running processes and can't be operated. "wsl -t " ......的解决方案。
2022-11-29 16:34:56
552
原创 pytorch下载慢甚至下载失败怎么办？看看我的解决方案
直接按官网命令下载torch文件太慢，有时候还可能下一半直接中断导致下载失败。。看看我的解决方案吧！
2022-11-13 18:19:34
8191
9
原创 网络工程实训——ENSP学习笔记
在eNSP模拟实验环境下，基于客户需求，建立网络结构的拓扑，使用了虚拟局域网配置中的单台二层交换机划分静态 VLAN、跨交换机划分静态 VLAN、交换机之间的链路聚合、单臂路由和三层汇聚交换等技术，路由协议配置中的多区域动态路由配置——OSPF技术，访问控制和网络地址转换中的访问控制列表ACL和网络地址转换NAT技术， 应用层配置中的DNS、FTP、HTTP 协议和DHCP 协议，以及IPSec VPN、多生成树协议MSTP以及虚拟路由器冗余协议VRRP，完成网络的配置，使网络具有安全性、可用性以及健壮性。
2022-11-13 14:33:22
4035
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人