基础知识
文章平均质量分 51
视觉AI
打工人
展开
-
nvidia-smi命令解析
persistence mode 能够让 GPU 更快响应任务,待机功耗增加。Persistence-M:持续模式状态(持续模式耗能大,但在新的GPU应用启动时花费时间更少)Volatile GPU-UTil:GPU使用率,与显存使用率的区别可参考显存与GPU。Temp:GPU温度(GPU温度过高会导致GPU频率下降)Perf:性能状态,从P0(最大性能)到P12(最小性能)Bus-Id:GPU总线,00000000:37:00.0。Fan:风扇转速(0%-100%),N/A表示没有风扇。原创 2023-04-28 15:55:56 · 1506 阅读 · 1 评论 -
linux服务器问题积累
当Ctrl+c没有彻底结束进程,使用nvidia-smi发现仍被占用时,使用kill命令杀死进行:如下。解决办法是,直接用 bash test.sh,或者./test.sh,这两种方式来执行脚本。其中不包括刚才那种数组初始化,所以才会识别不了,直接报Syntx error。比如需要删除当前路径下的一个test的文件夹:rm -rf test。又因为dash是比bash还轻量的,只支持基本的shell功能,如果删除空文件夹,也可以使用命令进行删除:rmdir test。原创 2023-04-13 10:56:04 · 528 阅读 · 0 评论 -
HDMI线、DP线、DVI线、VGA线
https://baijiahao.baidu.com/s?id=1729343370434351885&wfr=spider&for=pc18针属于单通道DVI,传输速率只有24针的一半,为165MHz。在画面显示上,单通道的DVI支持的分辨率和双通道的完全一样,但刷新率却只有双通道的一半左右,会造成显示质量的下降。一般来讲,单通道的DVI接口,最大的刷新率只能支持到1920108060hz或1600120060hz,即现有23寸宽屏显示器和20寸普通比例显示器的正常显示,再高的话就会造成显示效果的下降原创 2022-07-12 10:56:45 · 2077 阅读 · 0 评论 -
显卡天梯图vs专业计算卡丽台T4,v100vs混合精度训练
显卡天梯图主要是根据传统光栅性能排名的因为显卡天梯图只是针对桌面端,桌面端只是针对玩游戏的消费级用户术业有专攻。对于消费级用户来说,GPU就是玩游戏,对于专业人员来说,GPU是计算工具,俗话说,一分钱一分货。对于消费级用户来说GPU的浮点计算能力可以忽略不计,因为日常应用根本涉及不到,所以追求性价比的消费级用户,不会为没用的高双精度浮点运算能力买单。而对于专业领域来说,准确性是计算结果的重要指标,双精度浮点运算能力直接影响计算的准确性和时效性。GeForce产品对于计算精度要求比较低,也许对于普通用户原创 2022-07-09 14:26:11 · 15691 阅读 · 0 评论 -
北京各区优质高中排名
海淀区第一梯队:人大附中、北大附、清华附、101中学、首师附、十一学校第二梯队:理工附中、交大附中、中关村中学、八一学校、育英学校、二十中、五十七中、海淀教进西城区第一梯队:四中、北师大附属实验、八中、北师大二附、北师大附中第二梯队:一六一、35中、铁二中、十三中学、十五中学东城区第一梯队:二中、五中、一七一、汇文中学、广渠门、东直门第二梯队:十一中学、五十中学、五十五中学、一六六、景山学校朝阳区第一梯队:八十中学、人大附中朝阳学校、清华附中朝阳学校、陈经纶中学第二梯队:工业大学附属中原创 2022-06-30 14:16:14 · 27905 阅读 · 0 评论 -
矩阵乘法的性质和矩阵的幂、转置,逆
矩阵乘法的性质和矩阵的幂矩阵乘法的性质矩阵的幂矩阵的转置逆矩阵齐次线性方差组的解矩阵乘法的性质矩阵的幂矩阵的转置逆矩阵齐次线性方差组的解AX=0增广矩阵行最简形势如果非零行的数量小于未知数的数量,则有无数个解...原创 2022-01-04 15:21:49 · 1196 阅读 · 0 评论 -
跳不过去的词:GIT
1,廖雪峰的官方网站有系统教程,讲的棒棒哒2,git clone:https://blog.csdn.net/qq_42672770/article/details/813177783,git安装和使用https://www.cnblogs.com/ximiaomiao/p/7140456.html原创 2021-12-31 15:10:28 · 135 阅读 · 0 评论 -
oracle数据库相关操作:新建数据库及数据导出和导入
将用户名为SZH621,密码为Avic303的数据库表进行导出,导出位置为d:\kz.dmpexp SZH621/Avic303@orcl file=d:\kz.dmp将目录d:\kz.dmp下的dmp文件导入到数据库名为KZ303密码为303的数据库中imp KZ303/303@orcl file=d:\kz.dmp full=y新建数据库的全流程为1,在sys下的其他用户下新建用户,填写用户名、密码,表空间为users,temp,其他选默认值2,回到上面,新建连接,连接名用户名保存密码orl原创 2021-10-13 15:34:51 · 278 阅读 · 0 评论 -
tqdm作用及使用
作用Tqdm 是一个快速,可扩展的Python进度条,可以在 Python 长循环中添加一个进度提示信息,用户只需要封装任意的迭代器 tqdm(iterator)。效果使用使用pip就可以安装。使用方法一: tqdmtqdm(list)方法可以传入任意一种list,比如数组from tqdm import tqdmfor i in tqdm(range(1000)): #do something pass 或者string的数组for char in tqd原创 2021-09-10 13:01:36 · 1288 阅读 · 0 评论 -
pytorch基础操作
1、 view()的作用相当于numpy中的reshape,重新定义矩阵的形状2、 降维torch.squeeze(input, dim=None, out=None)3、 增维torch.unsqueeze(input, dim, out=None)4、安装 pycocotoolsLinux: pip install pycocotoolsWindows:pip install pycocotools-windows......原创 2021-09-08 13:27:13 · 540 阅读 · 0 评论 -
图像处理基础:sift和candy
图像处理基础siftcandy边缘提取sift作用:对同一场景的两张不同的图像做关键匹配步骤:1,通过高斯核卷积和池化以及特征层相减,得到高阶差分金字塔2,在高阶差分金子塔上,通过数最大或最小找到极值点3,通过泰勒展开找到亚像素级的极值点,由于像素点是离散的,所以用像素的差分代替导数4,确定方向candy边缘提取1,正态分布即高斯分布上:5*5高斯核:平滑,去噪声下:sobel核:2,图像二值化3,sobel处理,得到sobel处理后的特征图(梯度幅值图)4,非极大值抑制,将边原创 2021-09-01 11:33:39 · 145 阅读 · 0 评论 -
python常用操作
1,打开空的txt并写入list try: train_f = open("train.txt", "x") eval_f = open("val.txt", "x") train_f.write("\n".join(train_files)) eval_f.write("\n".join(val_files)) except FileExistsError as e: print(e) exit原创 2021-08-12 11:17:39 · 113 阅读 · 0 评论 -
pytorch与TensorFlow卷积层实现及通道顺序对比
torch.nn.Conv2d// 输入channel为3,输出channel为16,卷积核尺寸为5*5torch.nn.Conv2d(3, 16, 5);// 输入channel为16,输出channel为33,卷积核尺寸为3*3,步距为2m = nn.Conv2d(16, 33, 3, stride=2)卷积核尺寸为3*5,行步距为2,列步距为1,m = nn.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))m = nn.Co原创 2021-08-11 14:32:25 · 930 阅读 · 0 评论 -
fast-rcnn损失函数及pytorch实现
fast-rcnn损失函数回顾1、交叉熵损失1.1 定义1.2 实现接口2、SmoothL1损失2.1定义2.2 实现接口fast-rcnn损失函数包括两部分,分类损失和边界框回归损失,其中分类损失使用的是softmax多分类交叉熵损失,边界框回归损失使用的事smooth L1损失回顾1、交叉熵损失1.1 定义参考链接.1.2 实现接口多分类交叉熵损失的pytorch接口:torch.nn.CrossEntropyLoss:该接口包含了softmax函数,同时封装了LogSoftmax和N原创 2021-08-10 18:39:36 · 1105 阅读 · 0 评论 -
conda install XXX 和 pip install XXX 的区别
conda是一种通用包管理系统,是想要构建和管理任何语言的任何类型的软件。因此,它也适用于Python包。Pip代表Pip Installs Packages,是Python的官方认可的包管理器,最常用于安装在Python包索引(PyPI)上发布的包。pip是Python包的通用管理器; conda是一个与语言无关的跨平台环境管理器。对于用户,最显着的区别可能是这样的:pip在任何环境中安装python包; conda安装在conda环境中装任何包。使用conda install 包的时候,默认是装在转载 2020-10-10 15:32:57 · 132 阅读 · 0 评论