如何使用特定显卡跑pyTorch 如何使用特定显卡跑pyTorch方法一：改变系统变量使得仅目标显卡可见export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号，正常的话是从0开始然后再运行pyTorch即可方法二：使用torch.cuda接口#在生成网络对象之前：torch.cuda.set_device(0)...
在Ubuntu 16 中安装好Spyder 后， 打开spyder无法输入（检测不到键盘配置）怎么办？ 在Ubuntu 16 中安装好Spyder 后， 打开spyder无法输入（检测不到键盘配置）怎么办？问题描述在ubuntu中安装好spyder后， 打开spyder发现无法输入。 在打开spyder的终端窗口，有如下提示： —— QXcbConnection: Failed to initialize XRandr Qt: XKEYBOARD extension not...
给定一个数组序列, 需要选出一个区间, 使得该区间是所有区间中经过如下计算的值最大的一个 给定一个数组序列, 需要选出一个区间, 使得该区间是所有区间中经过如下计算的值最大的一个给定一个数组序列, 需要求选出一个区间, 使得该区间是所有区间中经过如下计算的值最大的一个： 区间中的最小数 * 区间所有数的和最后程序输出经过计算后的最大值即可，不需要输出具体的区间。如给定序列 [6 2 1]则根据上述公式, 可得到所有可以选定各个区间的计算值： [6] = 6 * 6 = 36;...
GoogLeNet inception v3 到底有多少参数？ 由于工作需要,对inception v3的参数量进行了仔细的考察，为了提高有类似情况的人的效率，故将考察结果整理好放到了。其结果如下表所示（统计的参数并不包含偏置，因为偏执没有影响，原因请戳这里）。参数量列表 层 参数量 conv0 864 conv1 9216 conv2 18432 conv3 5120 conv4 138240 256a 2
GoogLeNet inception v2 到底有多少参数？ 由于工作需要,对inception v2的参数量进行了仔细的考察，为了提高有类似情况的人的效率，故将考察结果整理好放到了这里。其结果如下表所示（统计的参数并不包含偏置，因为偏执没有影响，原因请戳这里）。参数量列表 层 参数量 conv1 9408 conv2 114688 inception-3a 218094 inception-3b 259072 inc
使用tf.convert_to_tensor 时遇到value error 怎么解决 问题描述最近写tensorflow 程序，使用PIL读取图片后转存为numpy 数组，然后创建batch数据时使用的是list，即，list元素是array,然而在将这个list转换为tensor时，出现了这样的问题：....-got shape [64, 224, 224, 3], but wanted [64].函数描述convert_to_tensor( value, dtyp
Ubuntu如何使用终端一次性关掉多个窗口？ Ubuntu如何使用终端一次性关掉多个窗口？起因在做实验的过程中，由于代码失误，使得程序打开了接近二百个窗口，一个一个手动去关太蠢了，所以研究了一下如何使用终端(脚本)一次性把所有失误打开的窗口全都关上。使用Python全部程序很简单，如下：import osos.system('pgrep display > t.txt')f=open('./t.txt')for line in f.rea
当卷积层后跟batch normalization层时为什么不要偏置b 起因之前使用的是inception-v2模型，在v2中，标准的卷积模块为： conv_w_b->bn->relu->poolingconv_w_b->bn->relu->pooling 即，在v2中，尽管在卷积之后、激活函数之前大量使用batch normalization，但是卷积层依然使用可学习的偏置参数。这也比较符合我的直观理解，因为偏置在一般的卷积神经网络中本来就是很重要的，可以让超判决
batch normalization 中的 beta 和 gamma参数 最近从caffe转到tensorflow，突然发现batch normalization 参数变多了，于是本着遇到什么问题解决什么问题的原则，去搜了搜怎么回事。CaffeCaffe中的BN层参数：message BatchNormParameter { // If false, normalization is performed over the current mini-batch //
tensorflow 中 variable_scope 与name_scope函数解析 前言还是那句老话，学习tensorflow最好的方法就是阅读他的官方API手册。 知乎上面一个有意思的问答：tensorflow里面name_scope, variable_scope等如何理解？先引用知乎上答主的话： 主要是因为 变量共享 的需求。而这就不得不谈到tf. get_variable()了。因为如果使用Variable 的话每次都会新建变量，但是大多数时候我们是希望一些变量重用的
Caffe提示shape mismatch 的原因及解决办法 Caffe Shape Mismatch 原因？在使用Caffe进行finetune时，有时候会出现 shape mismatch的错误，其实正如字面意思，就是维度不匹配。Caffe读取caffemodel时，是按照参数名（name）进行匹配的，设你的模型变量集为A， 所要读取的caffemodel中的变量集为B，A∩B=CA\cap B=C , 则训练时B中的C会从A中读取，即与caffemo
如何使用特定显卡跑tensorflow 如何使用特定显卡跑tensorflow直入正题，有两种比较简单的方法方法一：改变系统变量使得仅目标显卡可见export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号，正常的话是从0开始然后再运行tensorflow即可方法二：使用tensorflow api添加设备环境with tensorflow.device('/gpu:0'): main tensorflo
常见排序算法汇总（C/C++实现） 常见排序算法汇总（C/C++实现）（转） 声明：本博客系转载，欲查看原博文，请点击这里。选择排序（select） 选择排序比较容易理解，每一次往后遍历都是为了寻找“最小值”的下标。N次遍历，时间复杂度为：O(n^2)。冒泡排序（bubble） 冒泡排序也比较形象，理解为大气泡不断下沉，小气泡往上冒。同样往后进行n次遍历，时间复杂度为：O(n^2)。跟选择排序的区别：选择排序属于稳定排序，从
特征值和特征向量的几何和物理意义 摘自《线性代数的几何意义》我们知道，矩阵乘法对应了一个变换，是把任意一个向量变成另一个方向或长度都大多不同的新向量。在这个变换的过程中，原向量主要发生旋转、伸缩的变化。如果矩阵对某一个向量或某些向量只发生伸缩变换，不对这些向量产生旋转的效果，那么这些向量就称为这个矩阵的特征向量，伸缩的比例就是特征值。实际上，上述的一段话既讲了矩阵变换特征值及特征向量的几何意义（图形变换）也讲了其物理含义。物理的含义
基于密集轨迹的动作识别 原文：Action Recognition by Dense Trajectories 作者：Heng Wang 等 发表于2011年 CVPR 创新点： 第一次将密集轨迹方法引入到动作识别领域； 提出了一种新的与轨迹描述子。使用密集轨迹进行动作识别的算法流程：不过本文着重讲前三步，即密集采样，轨迹计算以及轨迹描述子的构建，所以按照文章的内容，接下来详细介绍
关注
