原创 ubuntu的shell終端顯示圖片

採用lsix插件來顯示文件夾下的圖片縮略圖,除了支持本地shell窗口顯示外,還支持遠程訪問時顯示。 lsix lsix使用ImageMagick,在大多數Linux發行版的默認已經安裝,ubuntu18.04就係統自帶。 若沒有

原创 Python對圖片進行翻轉(使用PIL)

from PIL import Image PicPath = "./pic.jpg" img = Image.open(PicPath) out = img.transpose(Image.FLIP_LEFT_RIGHT)

原创 PyTorch函數之torchvision.transforms.ToTensor()和Normalize()

最近處理圖像經常用到以下部分操作: import torchvision.transforms as transforms transform.ToTensor() transform.Normalize((0.5,0.5,0.5

原创 使用Python打開webp等格式圖片

問題 今天處理圖片的時候發現有一張後綴爲.jpg的圖片在電腦上無法打開,但是使用Chrome瀏覽器能打開。嘗試用OpenCV讀取,但是也無法打開。 仔細查看了OpenCV支持的圖片格式: Windows bitmaps - *.b

原创 PyTorch使用tensorboard顯示網絡運行情況

PyTorch使用tensorboard可以顯示網絡運行情況,和TensorFlow的tensorboard使用很類似。均需要安裝tensorboard包。 pip install tensorboard==1.15.0 導入:

原创 Python的assert(斷言)函數

Python assert(斷言)用於判斷一個表達式,在表達式條件爲 false 的時候觸發異常。 斷言可以在條件不滿足程序運行的情況下直接返回錯誤,而不必等待程序運行後出現崩潰的情況,例如我們的代碼只能在 Linux 系統下運行

原创 編程題:多條shell腳本中的變量替換

題目: 給定多條shell腳本,求最後一條shell中變量的完整值。其中每條腳本中“=”左側爲變量名,等號右側中以“${”和“}”包圍起來的是需要替換的變量名,例如 tencent=qq${wx} wx=weixin 則tenc

原创 安裝單機版Hadoop+ZooKeeper+HBase+Sqoop環境

系統環境:Ubuntu 16.04.6 LTS 安裝包版本:hadoop-2.7.7,zookeeper-3.4.14,hbase-1.0.1.1-bin,sqoop-1.4.6.bin__hadoop-2.0.4-alpha,jdk1.

原创 【冷知識】MySQL的TIMESTAMP只能活到2038年?

MySQL的TIMESTAMP使用 4 個字節存儲,保存從1970年1月1日午夜(格林威治時間)以來的秒數,只能表示從 1970 年到 2038 年。

原创 HBase操作之HBase Shell(轉)

Hbase的訪問方式 1、Native Java API:最常規和高效的訪問方式; 2、HBase Shell:HBase的命令行工具,最簡單的接口,適合HBase管理使用; 3、Thrift Gateway:利用Thri

原创 win10通過impyla連接Hive

由於win系統上無法正常使用PyHive訪問Hive,所以改用impyla訪問。 參考:走馬蘭臺 環境: python 3.7.3,Win10 安裝依賴: six-1.13.0 bit-array-0.1.0 pure-sasl

原创 pip配置國內鏡像下載源

pip國內鏡像下載源: 阿里雲:http://mirrors.aliyun.com/pypi/simple 清華:https://pypi.tuna.tsinghua.edu.cn/simple 豆瓣:http://pypi.d

原创 TensorFlow在各操作系統下各版本對應關係(Python版本/編譯器/構建工具/cuDNN/CUDA)

官網最新信息持續更新中:https://tensorflow.google.cn/install/source Linux CPU 版本 Python 版本 編譯器 構建工具 tensorflow-2.1.0 2.7

原创 PyTorch指定GPU並行訓練小記

假設一臺機器上有多塊GPU。給定需要訓練的模型,每塊GPU將分別獨立維護一份完整的模型參數。在模型訓練的任意一次迭代中,給定一個小批量,將該批量中的樣本劃分成若干份並分給每塊GPU一份。然後,每塊GPU將分別根據自己分到的訓練數據

原创 Ubuntu18.04安裝多個CUDA

前言 很多時候配置深度學習的環境都會遇到這樣一個問題,就是參考的不同的開源代碼所用的環境不一定相同,特別是CUDA環境,一般會有CUDA9.0、CUDA10.0、CUDA10.1等版本。所對應的cuDNN也會不同。本文是在已安裝C