原创 【pytorch】安裝pytorch

安裝 通過conda conda install pytorch torchvision -c pytorch 通過pip pip install torch torchvision

原创 【tensorflow】安裝tensorflow

安裝TensorFlow 有Cuda 檢查可安裝的tensorflow-gpu版本範圍: 安裝: pip install tensorflow-gpu 無Cuda 檢查可安裝的tensorflow版本範圍: 安裝: pip

原创 【tensorflow】tf.name_scope與tf.variable_scope區別

共同點 作用域函數 包括: 命名域:tf.name_scope() 變量域:tf.variable_scope() 對於使用 tf.Variable()方式創建的變量,具有相同的效果。即: 都會在當前變量名前面,加上“域名稱

原创 【tensorflow】feed操作

feed array 1:預設placeholder: self.xxx = tf.placeholder(dtype=tf.float32, shape=[xxx, xxx], name='xxx') 2:喂numpy.nda

原创 如何將終端顯示保存到log中

將終端顯示全部保存到log: python/sh 命令 > log.txt 2>&1 其中,2>&1是指將錯誤信息重寫入標準輸出中。

原创 【linux】ls指令

參數 參數 作用 l 以長格式顯示,即列出文件詳細信息 s 降序排列 h 將文件大小轉爲我們習慣的M、K等爲單位的大小 t 按修改時間對文件進行排序,默認是最近修改的在前 r 對結果逆序 常用操作

原创 【leetcode】分治/動態規劃/貪心/遞歸/迭代

算法策略 分治:自頂向下,分而治之。常用遞歸。 動態規劃(DP):類似於分治,但會存儲每個子問題的解,避免重複計算。常用迭代。 貪心:類似於DP,但每步都求局部最優。計算次數往往會比DP少。凡是用貪心能解決的,DP都能解決。

原创 【tensorflow】shape與ndim

獲取shape import tensorflow as tf tensor = tf.placeholder(dtype=tf.float32, shape=[200, 200, 3]) print('\n=========

原创 【標註工具】好用的標註工具推薦

推薦以下兩種萬能標註工具: labelme 精靈標註

原创 【tensorflow】按名查看變量

法一 specified_var_lst = [v for v in tf.global_variables() if "conv_1/" in v.name] print(specified_var_lst) 法二 for i

原创 【tensorflow】顯示pb文件的graph

import tensorflow as tf from tensorflow.python.platform import gfile pb_file = ‘xxx/xxx/xxx.pb’ pb_log_dir = ‘xxx/

原创 【leetcode】揹包問題

思路 一般用動態規劃(DP)。 輸入參數 W:各個物品的重量; V:各個物品的價值; carry:最大承重爲carry的揹包; N:物品件數。 0-1揹包 每件物品只能選一次。 def bag_01(V, W, carry

原创 【leetcode】八皇后

代碼實現: class solution(object): def solveNQueens(self, n): self.helper([-1]*n, 0, n) def helper(sel

原创 【leetcode】剪繩子

動態規劃 def cut(n): if n < 2: return 0 elif n == 2: return 1 elif n == 3: return 2

原创 安裝horovod

安裝ompi 準備ompi安裝包 下載ompi:https://github.com/open-mpi/ompi/releases 版本建議大於4.0.0。 因爲發現openmpi-4.0.0裏面沒有configure,只找