夏天的爱人是绿色-CSDN博客

原创 iOS很坑的error：

iOS错误如下error: using bridging headers with module interfaces is unsupported仔细看好错误类型，是关于swift混合编译问题解决办法完美解决，不知道怎么看build setting吗？打开build setting的方法，其实就是双击building错误的那个模块即可打开build setting。...

2022-04-02 00:05:11 3516

git如何创建模板文件创建xxx_template文件，其内容为团队制定的Git提交注释规范，如：Desgraption: Date: Author:通过git config命令配置commit_templategit config –global commit.template %模板文件位置%PS：与团队成员约定做git提交时使用git commit，不能直接用git commit -m跳过规范。其他的模板文件例1<type>(scope): subjec

2022-03-28 10:07:21 1479

原创 C语言学习专栏（1）：易忘点

C语言学习专栏系列：【版权申明】未经博主同意，谢绝转载！（请尊重原创，博主保留追究权）；本博客的内容来自于：深入浅出python系列（一）：基本数据类型；学习、合作与交流联系q384660495；本博客的内容仅供学习与参考，并非营利；include< > 与 #include ""的区别:< > 表示系统直接按系统指定的目录检索；“” 表示系统先在 “” 指定的路径(没写路径代表当前路径)查找头文件，如果找不到，再按系统指定的目录检索；main函数一个

2022-01-30 14:09:05 1300

原创 np.random使用与小结

一、np.random.choicenp.random.choice(a, size=None, replace=True, p=None)从数列a中随机选择size个元素，replace为True表示选出的元素允许重复。p为元素被选中的概率数列a = np.arange(10)n1 = np.random.choice(a,5)n2 = np.random.choice(a,5,replace=False)print(a),print(n1),print(n2)[0 1 2 3 4 5

2021-12-17 21:22:18 601

原创 Linux指定可用GPU

一、在终端执行程序时指定GPU$ CUDA_VISIBLE_DEVICES=1 python run_file.py可用以下形式：CUDA_VISIBLE_DEVICES=1 Only device 1 will be seenCUDA_VISIBLE_DEVICES=0,1 Devices 0 and 1 will be visibleCUDA_VISIBLE_DEVICES=“0,1” Same as above, quotation marks are optionalCUDA_V

2021-12-16 15:07:33 2131

原创脉冲神经网络的项目推荐

一、仿真框架Brain2https://brian2.readthedocs.io/en/stable/introduction/install.html配套的GeNN解决方案Brain2Gennhttps://brian2genn.readthedocs.io/en/stable/introduction/index.htmlNesthttps://nest-simulator.readthedocs.io/en/stable/installation/index.html...

2021-12-15 20:06:17 686

原创 LLVM和NVVM

一、LLVM是什么llvm其实就是一种编译器，参考：llvm二、NVVM是什么NVVM IR是基于LLVM IR的编译器IR(internal representation)，NVVM IR用于表示GPU计算kernel（例如CUDA kernel）。

2021-12-15 19:18:13 2511

原创 GPU算力查询与比较

一、GPU算力查询常见计算能力如下：GPUCompute CapabilityGPUCompute CapabilityTesla K803.7Tesla K803.7Tesla K403.5Tesla K403.5Tesla K203.5Tesla K203.5Tesla C20752.0Tesla C20752.0Tesla C2050/C20702.0Tesla C2050/C20702.0Tesla P1006

2021-12-15 16:48:49 4210

原创 pytorch版本对计算能力的要求

一、pytorch对计算能力要求首先查看pytorch是否可用cuda完整流程应该是先查看是否在当前环境下的pythonIn [1]: import sysIn [2]: sys.executableOut[2]: '/home/xt/anaconda3/envs/xia/bin/python'接着查看cuda是否安装torch.cuda.is_available()//True只是检测CUDA是否安装正确并能被Pytorch检测到。接着验证是否能正常使用，要想看Pytorch能不能

2021-12-15 14:56:18 10353 2

原创目标检测中算法评价指标FPS

一、FPS(每秒传输帧数-Frames Per Second)是什么FPS就是目标网络每秒可以处理（检测）多少帧(多少张图片),FPS简单来理解就是图像的刷新频率，也就是每秒多少帧,假设目标检测网络处理1帧要0.02s，此时FPS就是1/0.02=50。...

2021-12-14 15:00:51 8874 1

原创安装cupy遇到的坑

一、安装cupy时候出现No matching distribution found for cupy-cuda92安装之前要查看自己已经安装CUDA的版本在cmd下运行：nvcc -V然后根据版本下载# For CUDA 8.0pip install cupy-cuda80 # For CUDA 9.0pip install cupy-cuda90 # For CUDA 9.1pip install cupy-cuda91 # For CUDA 9.2pip install

2021-12-12 23:34:47 1729 2

原创 numba安装与使用

一、numba是什么Numba是一个针对Python的开源JIT编译器，由Anaconda公司主导开发，可以对Python原生代码进行CPU和GPU加速。Numba对NumPy数组和函数非常友好。解释器可以参考第四章内容。CUDA C编程开发成本高，所以一般会用python先尝试加速模型训练。numba包就是python提供的GPU编程开发包。只管调用就对了。除此之外还有很多，比方说等价于numpy的cupy，用于矩阵运算，pycuda之类的，tensorflow，pytorch等等。二、numba

2021-12-12 13:31:29 21013

原创列表生成式

一、列表生成式介绍很方便的一个语法，但是容易出错。代替for循环的一种替代写法>>> [x * x for x in range(1, 11)][1, 4, 9, 16, 25, 36, 49, 64, 81, 100]for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方：>>> [x * x for x in range(1, 11) if x % 2 == 0][4, 16, 36, 64, 100]# 还可以使用两层循环，可以生成全

2021-12-11 15:45:10 332

原创 conda环境和编译器不对应

问题：conda环境和编译器不对应具体来说就是，依然在conda创建的环境中，可是调用python运行的解释器总是系统python解释器，因此明明有包，但是无法导入这些包。第一次遇到这种错误，解决办法很简单，退出环境再激活环境即可。conda deactivateconda activate yourenv希望对大家有所帮助。...

2021-12-09 17:14:26 391

原创局部最优点和鞍点

一、什么是鞍点造成神经网络难以优化的一个重要原因不是高维优化问题中有很多局部极值，而是存在大量鞍点。很多实际的经验告诉我们，最后只能收敛到一个最小值，也就是说，很多现实实际问题是只有一个最小值的,但这个最小值通常是鞍点。造成神经网络难以优化的一个重要原因是存在大量鞍点。造成局部极值这种误解的原因在于，人们把低维的直观认识直接推到高维的情况。在一维情况下，局部极值是仅有的造成优化困难的情形（Hessian矩阵只有一个特征值）。海森矩阵不定的话就是鞍点，正定或者负定的话不是鞍点二、局部最优

2021-12-06 20:03:01 791

原创浅解NUMA机制

一、什么是NUMA在NUMA出现之前，CPU朝着高频率的方向发展遇到了天花板，转而向着多核心的方向发展。在一开始，内存控制器还在北桥中，所有CPU对内存的访问都要通过北桥来完成。此时所有CPU访问内存都是“一致的”，如下图所示：这样的架构称为UMA(Uniform Memory Access)，直译为“统一内存访问”，这样的架构对软件层面来说非常容易，总线模型保证所有的内存访问是一致的，即每个处理器核心共享相同的内存地址空间。但随着CPU核心数的增加，这样的架构难免遇到问题，比如对总线的带宽带来挑战

2021-11-26 16:06:06 556

原创一文详解Softmax函数

一、什么是Softmax？Softmax从字面上来说，可以分成soft和max两个部分。max故名思议就是最大值的意思。Softmax的核心在于soft，而soft有软的含义，与之相对的是hard硬。很多场景中需要我们找出数组所有元素中值最大的元素，实质上都是求的hardmax。import tensorflow as tfprint(tf.__version__) # 2.0.0a_max = tf.reduce_max([1, 2, 3, 4, 5])print(a_max) # tf.Te

2021-11-26 15:55:21 4829

原创感知器与逻辑回归主要的区别有哪些？

一、感知器与逻辑回归主要的区别有哪些？两者的损失函数有所不同，PLA针对误分类点到超平面的距离总和进行建模，LR使用交叉熵损失建模。LR比PLA的优点之一在于对于激活函数的改进。前者为sigmoid function，后者为step function。LR使得最终结果有了概率解释的能力（将结果限制在0-1之间），sigmoid为平滑函数（连续可导），能够得到更好的分类结果，而step function为分段函数，对于分类的结果处理比较粗糙，非0即1，而不是返回一个分类的概率。...

2021-11-26 15:42:25 1044

原创神经网络框架汇总

往期文章推荐：损失函数与代价函数神经网络从入门到精通脉冲神经网络综述笔记脉冲神经网络资料汇总【版权申明】未经博主同意，谢绝转载！（请尊重原创，博主保留追究权）；本博客的内容来自于：；学习、合作与交流联系q384660495；本博客的内容仅供学习与参考，并非营利；文章目录一、序言二、一、序言神经网络框架的重要性不言而喻，也是我自己的研究方向，所以写了这一篇神经网络框架的汇总介绍。对于神经网络框架而言，最重要的肯定是数学模型和算法；其次是易用性；最后是性

2021-11-26 15:37:42 3484

原创 linux常用技巧（六）：后台与前台任务切换

linux常用技巧（六）：后台与前台任务切换“java常见小错误”系列文章推荐：上一篇：java小技巧（二）：JAVA 交集，差集，并集前文推荐：java常见小错误（一）：变量类型自动转换与强制转换 java小技巧（一）：进制转换java小技巧（三）：List和Array之间的转换linux常用技巧（一）：后台下载linux常用技巧（二）：远程访问jupyter-notebook【版权申明】未经博主同意，谢绝转载！（请尊重原创，博主保留追究权）；本博客的内容来自于：；学习、合作与交流

2021-11-23 11:07:57 7037

原创 Linux使用技巧（五）：端口与防火墙

Linux使用技巧（四）：端口与防火墙“java常见小错误”系列文章推荐：上一篇：java小技巧（二）：JAVA 交集，差集，并集前文推荐：java常见小错误（一）：变量类型自动转换与强制转换 java小技巧（一）：进制转换java小技巧（三）：List和Array之间的转换linux常用技巧（一）：后台下载Linux使用技巧（三）：隧道工具Linux使用技巧（四）：shell中(())、(( ))、(())、( )、``与${ }的区别【版权申明】未经博主同意，谢绝转载！（请尊重原创

2021-11-23 10:50:08 791

原创洛必达法则

一、什么是洛必达法则

2021-11-23 10:15:03 263

原创导数是什么

一、什么是导数导数的定义如下：如果都按照极限去推，太慢了，一般记一些导数的公式。二、常见的导数公式乘积的导数除法的导数链式求导规则（很重要）

2021-11-22 20:36:33 395

原创极限是什么

一、什么是极限上述等式表示：当 x 趋近于 a 时，函数的极限是 b 。注意，为什么 x 是趋近于 a 而不是等于 a 呢，因为x在a点不一定有意义。当左右侧极限均存在且相等的时候，a点极限存在。不然则不存在！垂直渐进线定义如下：水平渐进线定义如下：渐进线可能有多条，也可能与函数相交二、夹逼准则求极限的一些案例可以参考这篇文章：求多项式极限...

2021-11-22 20:31:44 637

原创函数是什么

一、函数函数是一种从定义域隐射到值域的特殊的关系，以至于任意自变量对应唯一一个因变量。因此，（对应）关系、定义域、值域这三者有至少一个不一样，则代表其函数不一样。函数的一个输入只能对应唯一的一个输出二、反函数给定一个函数f，在 f的值域中选择y，在理想状况下，仅有一个 x 值满足 f(x)=y，即定义域和值域中的值是一一对应的关系，那么就可以定义一个新的函数f-1，该函数满足 f-1(y)=x，且定义域是原函数的值域，值域是原函数的定义域，该函数称作 y=f(x)的【反函数】。反函数存在的一个关

2021-11-22 15:05:05 1306

原创 Linux使用技巧（四）：shell中$(( ))、$( )、``与${ }的区别

Linux使用技巧（四）：shell中(())、(( ))、(())、( )、``与${ }的区别“java常见小错误”系列文章推荐：上一篇：java小技巧（二）：JAVA 交集，差集，并集前文推荐：java常见小错误（一）：变量类型自动转换与强制转换 java小技巧（一）：进制转换java小技巧（三）：List和Array之间的转换linux常用技巧（一）：后台下载Linux使用技巧（三）：隧道工具【版权申明】未经博主同意，谢绝转载！（请尊重原创，博主保留追究权）；本博客的内容来自于

2021-11-22 14:55:07 1990

原创 Linux使用技巧（三）：隧道工具

一、隧道工具推荐开源的有如：frp、ngrok、nps、等比较适合自己公网服务器搭建独自型使用。有公网ip三方的有如：花生壳、nat123、神卓、金万维、网云穿等等。相当于买服务，不需要有公网ip，还送域名二、ngrok原理参加ngrock和搭建自己的ngrok服务证书原理参见Go和HTTPSgithub地址参见ngrock三、zerotier这个感觉已经不像是隧道了，也确实不用来端口转发了，主要是用来外网内网连接的。平台做的很好四、SAKURA FRP免费，注册之后即可使用五、哲西

2021-11-22 11:29:18 1339

原创什么是NAS

一、NAS是什么简单的说就是连接在网络上，让大家可以透过网络（内网，外网）来进行储存和读取资料的设备。通俗点说，就是有一台很小很小的台式主机，里面只装了很多颗的磁盘，这台电脑很省电，又不会发热，只要有网络，就可以连到这台小电脑里面，把自己的资料储存进去，把需要的资料拿出来使用，而且你需要多少储存容量只要你买硬盘加上去就行了。其实就是一台家用PC主机。专业的解释：网络附加存储（Network Attached Storage，NAS），是一种专门的数据存储技术的名称，它可以直接连接在电脑网络上面，对

2021-11-22 10:54:34 12422

原创 linux常用技巧（二）：远程访问jupyter-notebook

一、端口映射SSH隧道是连接到服务器上运行的Jupyter Notebook应用程序的一种简单而快速的方法。安全shell（通常称为SSH）是一种网络协议，使您可以通过不安全的网络安全地连接到远程服务器。SSH协议包括端口转发机制，允许您将在服务器上的特定端口号上运行的某些应用程序隧道传输到本地计算机上的特定端口号。我们将学习如何安全地“转发”在服务器上运行的Jupyter Notebook应用程序（8888默认情况下在端口上）到本地计算机上的端口。如果您的本地计算机运行Linux或macOS，则只需

2021-11-21 16:30:47 815

各个大厂面试题汇总.zip

java面试题整理.zip 阿里腾讯字节华为常见面试题目整理

java学习资料.zip

空空如也