原创 Windows + Anaconda 安裝 pytorch

進入 pytorch 官網 選擇 需要安裝的 pytorch 版本,筆者需要採用的安裝命令爲 ·conda install pytorch torchvision cudatoolkit=10.0 -c pytorch· 在 W

原创 OpenCV 教程(2) -- 基本視頻處理

import numpy as np import cv2 # Capture Video from Camera cap = cv2.VideoCapture(0) while(True): # Capture fram

原创 基於Tensorflow的機器學習(5) -- 全連接神經網絡

這篇博客將實現的主要神經網絡如下所示: 以下是相關代碼的實現步驟: 簡單化的實現 導入必要內容 # Import MNIST data import tensorflow as tf from tensorflow.exampl

原创 機器學習中的因果推理機制 (0) -- 引言

由於畢設選題爲 《複雜場景下的目標檢測及其因果推理》,其與 casual inference, machine learning, object detection, knowledge system 等相關,複雜場景下目標檢測之

原创 AttributeError: module 'tensorflow' has no attribute 'data'

Tensorflow 1.4+, 將 tf.contrib.data 改成了更加直接的 tf.data. Ref: https://github.com/tensorflow/models/issues/2879 Tensorfl

原创 研究生階段的研究方向以及一些想法

好久沒有更新了。綜合考慮後,即將入學 KAUST 成爲一名碩博連讀的學生了,出於導師研究方向以及個人興趣的一些原因,希望在接下來的五年,深耕一下 Generative Models, Continual Learning, Zer

原创 操作系統 -- 進程間同步機制

操作系統的共享進程間的同步問題關乎到數據的一致性以及操作系統的可實踐性,是十分重要的概念。本篇博客將從宏觀上梳理操作系統進程同步的解決方案,同時引出當前廣泛使用的一種有效措施。 進程同步機制基礎概念 爲何要引入進程同步機制 首先來

原创 [論文解讀] ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 點贊 收藏 分享 文章舉報

原创 [論文解讀] Vote3Deep: Fast Object Detection in 3D Point Clouds Using Efficient CNN

Vote3Deep: Fast Object Detection in 3D Point Clouds Using Efficient Convolutional Neural Network. 點贊 收藏

原创 Ubuntu Skype 安裝

注意到官網沒有了 Skype 的 Ubuntu 安裝方式,因此在查閱資料的基礎上使用 wget 進行安裝。 下載 Skype for Linux wget https://go.skype.com/skypeforlinux-

原创 Windows + Anacona 安裝 pytorch

進入 pytorch 官網 選擇 需要安裝的 pytorch 版本,筆者需要採用的安裝命令爲 ·conda install pytorch torchvision cudatoolkit=10.0 -c pytorch· 在 W

原创 Ubuntu Texlive 2019 安裝與環境配置

從清華源下載 texlive .iso 鏡像。 安裝圖形化用戶界面sudo apt-get install perl-tk 加載 .iso 鏡像文件sudo mount -o loop texlive2019.iso /mn

原创 檢查 cuda/cudnn 版本

cuda 版本檢查: nvcc -V cat /usr/local/cuda/version.txt cudnn 版本檢查: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJ

原创 生成模型 (VAE/GANs) 概覽

參考 http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture13.pdf 就夠了, 特別是 variational auto-encoder 講得特別地直觀而且清晰。 Mo

原创 Tensorflow, Cuda, Cudnn 對照表

參考官方: https://www.tensorflow.org/install/source#linux