原创 python 循環刪除list中的元素

隨便寫的一個代碼, 發現不加紅框內的那句,可以輸出滿足條件的18個結果,而加上那句之後就只有9個輸出. 下面我們用一個簡單的例子來做演示: a = [1, 2, 3, 4, 5, 6] for i in a: a.remove

原创 Arxiv上傳Latex文章

Arxiv上面支持上傳PDF,但如果是Latex編譯過得到的PDF是不能直接上傳的,需要上傳Latex源文件纔可以編譯通過. 首先,外面默認編譯latex需要的是bib的reference,而Arxiv要求上傳的是bbl的referenc

原创 Pytorch深度學習環境搭建-Anaconda版

安裝Anaconda 關於Anaconda的概述、安裝、管理等可參考Anaconda使用總結-簡書 在Anaconda3-5.3.0-Linux-x86_64.sh文件所在文件夾下執行命令: sudo ./Anaconda3-

原创 將在python2下生成的pkl文件轉換成可被python3讀取的pkl

import os import dill import pickle old_pkl_file = " " new_pkl_file = " " dill._dill._reverse_typemap["ObjectType"] =

原创 2020年因疫情在家科研

事情還要從上週說起, 因爲疫情的原因, 不得不在家科研.說起在家科研,效率低不說,真的是各種不便捷. 首先, 因爲去年在外面實習, 我在實驗室的電腦就被師弟徵用了. 所以我只能遠程(Teamview)連接服務器進行實驗. 我要下一個220

原创 caffe源碼解讀(2)-center_loss_layer.cpp

center_loss公式定義 center_loss_layer.cpp源碼解讀 center loss,softmax loss在mnist數據集上的對比實驗 定義 “Center Loss: simultaneousl

原创 caffe源碼解讀(7)-data_transformer.cpp

DataTransformer類主要負責對數據進行預處理,比如減去均值、進行crop,鏡像mirror,強制設置爲彩色圖像force_color,強制設置爲灰度圖像force_gray以及像素值的縮放scale,此外該類還將Dat

原创 caffe源碼(8)-video_data_layer.cpp

video_data_layer層是在caffe裏面新添加的一個DataLayer,該層允許caffe的輸入data層數據爲視頻。由於視頻是由一幀一幀的圖像組成,因此該層的定義主要參考image_data_layer層。 同樣遵

原创 caffe源碼解讀(6)-數據讀取層DataLayer

數據讀取層,除了讀取LMDB、LEVELDB之外,也可以從原始圖像直接讀取(ImageDataLayer). 一.數據結構描述 message DataParameter { enum DB { LEVELDB = 0

原创 caffe源碼解讀(4)-concate_layer.cpp以及slice_layer.cpp

一.Concate 作用:實現多個輸入數據的拼接 輸入:x1,x2,…,xk 輸出:y x1: N*C*H*W x2: N*C*H*W xk: N*C*H*W y: kN*C*H*W(concate_dim=0) y

原创 TSN-denseflow提光流和RGB幀

因爲又重新處理別的數據集,需要在服務器上重新配置denseflow的環境。叫組裏的師弟,倒騰了2周,也沒弄好。我這個急性子的人實在是按耐不住了,乾脆自己來吧(不吃飯不睡覺也得把它弄好,哈哈哈,然後並沒有,也是倒騰了大半天)。記錄一下,過程

原创 PyTorch documentation 學習與使用---持續更新

參考:https://pytorch.org/docs 將在項目中用到的模塊總結如下: (1) torch.nn.AvgPool1d:在時間軸進行avgpooling操作,將一定長度的sequence信息聚合. 注意,輸入的維度順序爲:

原创 numpy array To One-hot

import numpy as np num_classes = 5 targets = np.array([[2, 3, 4, 0]]).reshape(-1) one_hot_targets = np.eye(num_classes

原创 Git實用指南

更加詳細的教程可參考Git教程|菜鳥教程以及Git教程-廖雪峯 本文只對git一些常用的命令進行整理. 1.克隆倉庫 #克隆完整的倉庫到./temporal-segment-networks目錄下 git clone https://g

原创 nvcc: command not found

已經安裝了CUDA-8.0,仍然出現上述問題,解決方案如下: 添加環境變量,打開~/.bashrc ,添加環境變量如下: export LD_LIBRARY_PATH=/usr/local/cuda/lib export PATH=$P