Deep Learning
断断续续看了有一段时间DL了。最近因为准备找工作开始加码
GPU
- cat /proc/driver/nvidia/gpus/0/information
Caffe
总的来说很顺利。目前就是安装软件而已。按照官网说明做了,用native Make方式安装。只碰到一个问题:
make runtest 报错:
- .build_release/tools/caffe: error while loading shared libraries: libhdf5_hl.so.10: cannot open shared object file: No such file or directory
- 安装 libhdf5-serial-dev后有 _/usr/lib/x86_64-linux-gnu/libhdf5_hl.so.7_ ,原以为是版本问题
- 后来发现 anaconda下装的有.so.10: /anaconda3/lib/libhdf5_hl.so.10
- Error loading shared library libhdf5_hl.so. #1463
make runtest crash
I0430 12:39:58.221712 43158 layer_factory.hpp:77] Creating layer mnist
I0430 12:39:58.222203 43158 net.cpp:91] Creating Layer mnist
I0430 12:39:58.222321 43158 net.cpp:399] mnist -> data
I0430 12:39:58.222364 43158 net.cpp:399] mnist -> label
I0430 12:39:58.223018 43161 db_lmdb.cpp:35] Opened lmdb examples/mnist/mnist_train_lmdb
I0430 12:39:58.269757 43158 data_layer.cpp:41] output data size: 64,1,28,28
F0430 12:39:58.270789 43158 math_functions.cu:79] Check failed: error == cudaSuccess (11 vs. 0) invalid argument
*** Check failure stack trace: ***
@ 0x7f28cd962daa (unknown)
@ 0x7f28cd962ce4 (unknown)
@ 0x7f28cd9626e6 (unknown)
@ 0x7f28cd965687 (unknown)
@ 0x7f28ce0dc2b8 caffe::caffe_gpu_memcpy()
@ 0x7f28ce0a0aee caffe::SyncedMemory::to_gpu()
@ 0x7f28ce09ffa9 caffe::SyncedMemory::mutable_gpu_data()
@ 0x7f28ce025fa2 caffe::Blob<>::mutable_gpu_data()
@ 0x7f28ce01569b caffe::BasePrefetchingDataLayer<>::LayerSetUp()
@ 0x7f28ce052b7c caffe::Net<>::Init()
@ 0x7f28ce053a05 caffe::Net<>::Net()
@ 0x7f28ce09975a caffe::Solver<>::InitTrainNet()
@ 0x7f28ce09a85c caffe::Solver<>::Init()
@ 0x7f28ce09ab8a caffe::Solver<>::Solver()
@ 0x7f28ce087e53 caffe::Creator_SGDSolver<>()
@ 0x40ed7e caffe::SolverRegistry<>::CreateSolver()
@ 0x407e92 train()
@ 0x405d1c main
@ 0x7f28ccc70ec5 (unknown)
@ 0x406451 (unknown)
@ (nil) (unknown)
Aborted (core dumped)
- 结果是因为GPU太老了(Quadro FX 3800)!!Caffe用的GPU上的double类型不支持
- 换了台机器和GPU(K5000)就好了
Python wrapper
- 先在Makefile.config里打开
WITH_PYTHON_LAYER := 1
- 注意必须重新编译 make all
- Caffe的python module放在 $CAFFEROOT/python/下
- You should not import the module in the caffe/python/caffe directory!
- REMEMBER to perform
make pycaffe
so$CAFFEROOT/python/caffe/_caffe.cpp
get compiled to_caffe.so
which can be imported byimport _caffe
- 先在Makefile.config里打开
Anaconda
In file included from /usr/include/boost/python/detail/prefix.hpp:13:0,
from /usr/include/boost/python/args.hpp:8,
from /usr/include/boost/python.hpp:11,
from src/caffe/layer_factory.cpp:4:
/usr/include/boost/python/detail/wrap_python.hpp:50:23: fatal error: pyconfig.h: No such file or directory
# include <pyconfig.h>
^
compilation terminated.
where I’ve got a bunch of pyconfig.h on the very machine…
/data/Experiments/anaconda2/include/python2.7/pyconfig.h
/data/Experiments/anaconda2/pkgs/python-2.7.11-0/include/python2.7/pyconfig.h
/usr/include/python2.7/pyconfig.h
/usr/include/x86_64-linux-gnu/python2.7/pyconfig.h
- This is because: Anacoda lines in Makefile.config are all commented out:
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location, sometimes it's in root.
# ANACONDA_HOME := $(HOME)/anaconda
# PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
# $(ANACONDA_HOME)/include/python2.7 \
# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \
- make sure
$(ANACONDA_HOME)/include/python2.7
are included properly
Be very careful about different Python installations
- There is always a system Python, installed at
/usr/bin/[python2.7|python3.4m]
and/usr/local/lib/python2.7/dist-packages/
- I really like Annaconda now. Almost got everything installed, including
pip
. HOWEVER, there are still some packages have to usepip
to install, e.g. easydict.
- 加粗
Ctrl + B
- 斜体
Ctrl + I
- 引用
Ctrl + Q
- 插入链接
Ctrl + L
- 插入代码
Ctrl + K
- 插入图片
Ctrl + G
- 提升标题
Ctrl + H
- 有序列表
Ctrl + O
- 无序列表
Ctrl + U
- 横线
Ctrl + R
- 撤销
Ctrl + Z
- 重做
Ctrl + Y
- There is always a system Python, installed at
Markdown及扩展
Markdown 是一种轻量级标记语言,它允许人们使用易读易写的纯文本格式编写文档,然后转换成格式丰富的HTML页面。 —— [ 维基百科 ]
使用简单的符号标识不同的标题,将某些文字标记为粗体或者斜体,创建一个链接等,详细语法参考帮助?。
本编辑器支持 Markdown Extra , 扩展了很多好用的功能。具体请参考Github.
表格
Markdown Extra 表格语法:
项目 | 价格 |
---|---|
Computer | $1600 |
Phone | $12 |
Pipe | $1 |
可以使用冒号来定义对齐方式:
项目 | 价格 | 数量 |
---|---|---|
Computer | 1600 元 | 5 |
Phone | 12 元 | 12 |
Pipe | 1 元 | 234 |
定义列表
-
Markdown Extra 定义列表语法:
项目1
项目2
- 定义 A
- 定义 B 项目3
- 定义 C
-
定义 D
定义D内容
代码块
代码块语法遵循标准markdown代码,例如:
@requires_authorization
def somefunc(param1='', param2=0):
'''A docstring'''
if param1 > param2: # interesting
print 'Greater'
return (param2 - param1 + 1) or None
class SomeClass:
pass
>>> message = '''interpreter
... prompt'''
脚注
生成一个脚注1.
目录
用 [TOC]
来生成目录:
数学公式
使用MathJax渲染LaTex 数学公式,详见math.stackexchange.com.
- 行内公式,数学公式为: Γ(n)=(n−1)!∀n∈ℕ 。
- 块级公式:
更多LaTex语法请参考 这儿.
UML 图:
可以渲染序列图:
或者流程图:
离线写博客
即使用户在没有网络的情况下,也可以通过本编辑器离线写博客(直接在曾经使用过的浏览器中输入write.blog.csdn.net/mdeditor即可。Markdown编辑器使用浏览器离线存储将内容保存在本地。
用户写博客的过程中,内容实时保存在浏览器缓存中,在用户关闭浏览器或者其它异常情况下,内容不会丢失。用户再次打开浏览器时,会显示上次用户正在编辑的没有发表的内容。
博客发表后,本地缓存将被删除。
用户可以选择 把正在写的博客保存到服务器草稿箱,即使换浏览器或者清除缓存,内容也不会丢失。
注意:虽然浏览器存储大部分时候都比较可靠,但为了您的数据安全,在联网后,请务必及时发表或者保存到服务器草稿箱。
浏览器兼容
- 目前,本编辑器对Chrome浏览器支持最为完整。建议大家使用较新版本的Chrome。
- IE9以下不支持
- IE9,10,11存在以下问题
- 不支持离线功能
- IE9不支持文件导入导出
- IE10不支持拖拽文件导入
- 这里是 脚注 的 内容. ↩