原创 Conda安裝的CUDA Toolkit和NVIDIA的CUDA Toolkit到底什麼區別?

Nvidia 官方提供的 CUDA Toolkit 是一個完整的工具安裝包,其中提供了 Nvidia 驅動程序、開發 CUDA 程序相關的開發工具包等可供安裝的選項。使用 Nvidia 官網提供的 CUDA Toolkit 可以安裝開發 C

原创 linux中基於root賬號爲成員創建賬戶

方法: adduser xiaoming(用戶名) PS:使用adduser指令完成新用戶創建。 adduser xiaohong正在添加用戶"xiaohong"...正在添加新組"xiaohong" (1005)... 正在添加新用戶"x

原创 python 中的 *args 和 **kwargs

*args的用法 *args就是就是傳遞一個可變參數列表給函數實參,這個參數列表的數目未知,甚至長度可以爲0。下面這段代碼演示瞭如何使用args def test_args(first, *args): print('Requir

原创 從 smooth&最優化 角度理解softmax

一般理解softmax都是從“熵”這個角度,先從二分類的交叉熵入手,再延申到多分類的softmax損失函數。 今天則從另一個角度:smooth & 最優化 的角度入手來理解softmax損失函數。 轉載知乎文章如下: 從最優化的角度看待So

原创 尋找 函數max(x, y) 的平滑解

尋找函數max(x, y)的平滑解: 由於max函數本身不可導,所以可以用一個函數近似這個max函數,從而獲得平滑解。其形式如下: 解算步驟具體如下: 轉載鏈接:https://kexue.fm/archives/3290      

原创 softmax中的margin控制

轉載鏈接如下:  Softmax理解之margin - 王峯的文章 - 知乎 https://zhuanlan.zhihu.com/p/52108088 在瞭解如何引入 margin 之前,我們首先要知道爲何要加margin。在SVM時代,

原创 從boosting角度理解softmax

轉載的這篇文章來自峯神知乎上的文章,鏈接如下: Softmax理解之二分類與多分類 - 王峯的文章 - 知乎 https://zhuanlan.zhihu.com/p/45368976 本文首先分析了softmax的性質,然後得出了soft

原创 softmax中的smooth程度控制

轉載鏈接如下: Softmax理解之Smooth程度控制 - 王峯的文章 - 知乎 https://zhuanlan.zhihu.com/p/49939159   本文主要銜接前面 從最優化角度理解softmax 的文章,指出了集中somm

原创 基於sklearn.metrics.roc_auc_score的幾種多分類AUC計算方式

  以A、B、C三類爲例,步驟如下: 1、        測試集共m個樣本,分別計算每個樣本與對比集的cos距離(對比集由A、B、C三類構成),根據結果構建概率矩陣P[m*3],再基於one-hot構建標籤矩陣L[m*3]; 2、     

原创 C++中的float&double的存儲原理

參考:https://cloud.tencent.com/developer/article/1473541   對於任何數字表示成二進制科學計數法以後,一定是1點幾(尾數)乘以2的多少次方(指數)。對於小於零的負數來說,就是負1點幾(尾

原创 tmux命令彙總

一、命令彙總 建議參考:https://www.ruanyifeng.com/blog/2019/10/tmux.html 1、 tmux ls 列出當前會話列表; 2、tmux at -t 會話id  恢復對應Id的會話 3、Ctrl +

原创 Dell PC(Inspiron 3881) 安裝 win10&ubuntu18.04 LTS雙系統時遇到的BIOS 的 AHCI & RAID 模式問題

參考鏈接:https://bbs.deepin.org/post/178579#mod=viewthread&tid=178579 1、問題描述: 安裝過程中,發現通過BIOS把“SATA control ler Mode ”更改爲“AHC

原创 ArcFace層問題分析

Arcface訓練問題分析 1、現象 使用ArcFace 層時,訓練前期準確率一直爲0,到後面才逐漸上升;   2、分析 從代碼入手 output = (y * phi) + ((1.0 - y) * cosine) output *= s

原创 python 代碼使用ctypes調用C接口實現性能優化的解決方案

由於python相較於C++運行較慢,例如在DL時代,大規模的數據處理有的時候即便是多進程python也顯得捉襟見肘,所以性能優化非常重要,下面是基於ctypes的性能優化流程: 一、性能分析 第一步首先要分析代碼中哪些模塊耗時,各模塊的耗

原创 Visual Studio 中使用cv::imread讀取圖片時的一個易錯點

1、例如在VS2019中使用cv::imread(path)讀取path的圖片時,注意兩點: (1)相對路徑相對.vcxproj來寫; (2)若在debug模式下,則包含的附加依賴項中 不帶d的lib 都要去除!