原创 Python:畫圖筆記

問題1:調整ColoBar的高度與圖片一致 參考鏈接:https://stackoverflow.com/questions/18195758/set-matplotlib-colorbar-size-to-match-graph

原创 Ubuntu16.04 : OpenEXR安裝

背景 本來安裝openexr不應該成爲一個問題的,但是運氣背的時候(重裝系統等等),總會遇到一些奇奇怪怪的問題。 博主在重裝了Ubuntu16.04後,再次安裝openexr python bindings時,遇到了以下錯誤: B

原创 Python:多進程--以求和爲例

背景 python是一個非常好用的語言,當然也有非常多的不好的地方,其中一個最惱火的事情大概就是效率吧。所以本次博客中主要記錄如何用python進行多進程編程. 後文中以一個求和問題爲例,簡單介紹一下用多進程進行求和爲例,由於其中

原创 Python:exr圖片讀寫

背景 exr圖片是一種開放標準的高動態範圍圖像格式,也算比較常用吧。本文簡單記錄一下,如何用python讀取exr文件。 代碼 獲取exr圖片的屬性 import OpenEXR file = OpenEXR.InputFi

原创 Python:PIL&numpy學習筆記

簡單記錄一下最近學習python的筆記,主要與PIL和numpy有關。不過說回來,網上資料千千萬,不如回頭看文檔。 PIL Document:https://pillow.readthedocs.io/en/stable/inde

原创 C++:Ubuntu下創建文件夾

參考 https://blog.csdn.net/Sway_2012/article/details/8651477 https://blog.csdn.net/u010555688/article/details/5121970

原创 RealSense:獲取左右相機

Code #include <librealsense2/rs.hpp> // Include RealSense Cross Platform API #include "example.hpp" // Inc

原创 Deepin:RealScene開發環境配置

背景 主要記錄在Deepin下配置RealScene的開發環境。 步驟 安裝一些必要庫 sudo apt-get install freeglut3 freeglut3-dev sudo apt-get install mes

原创 Deepin:安裝RealSense

背景 Deepin是一份非常好用的桌面系統,但是其對開發人員十分不友好,很多在Ubuntu下能夠愉快的應用的庫都不能直接安裝。在本博客中,主要記錄爲安裝RealSense,本人所採取的方法和遇到的坑。 參考 https://ww

原创 PyTorch:基於FastAI的貓狗識別

背景 上次自己用PyTorch對AlexNet進行貓狗識別取得了不錯效果。後續我又繼續使用Resnet50進行貓狗分類,但是卻沒有取得較好的效果,想來還是自己煉丹的技巧太差了。因此,後續決定使用FastAI進行訓練(FastAI封

原创 Ubuntu16.04:PyTorch&FastAI

背景 在Ubunut上安裝好各種驅動後,接以下就可以開始安裝pytorch和fastai。 流程 1、安裝Anaconda 由於Anaconda中已經封裝好了許多python相關工具,所以我也直接下載了Anaconda 3.7

原创 Ubuntu16.04:NVIDIA cuda10.0安裝

背景 之前曾說過使用sudo ubuntu-drivers devices來安裝顯卡驅動,這樣可以保證基本上不出大問題。然而世界上的事情都是捨不得孩子套不住狼;使用這種默認方法安裝的驅動版本太低,僅僅能安裝cuda8.0,實在難以

原创 Ubunut16.04 : Only For Research!

Method 1 download shadowsocks-qt5 https://github.com/shadowsocks/shadowsocks-qt5/releases/download/v3.0.1/Shadowso

原创 CGAL:學習CGAL

背景 CGAL是一個非常有用的庫,但是學習起來非常痛苦。爲此,我們計劃通過一些小的demo,逐漸學習CGAL的使用方法。目前,由於我們還缺少對CGAL的整體把握,所以demo沒有連貫性,且難度飄忽不定。不過隨着我們的理解,demo肯定

原创 PyTorch:基於AlexNet的貓狗識別

背景 貓狗識別是學習CNN中最有趣的一個應用,本次我在Kaggle上的“Dogs vs. Cats Redux”進行了一次嘗試。考慮到訓練速度和實驗的簡易性,我使用了比較簡單的AlexNet,並且還用了對應ImageNet的預訓練模型