还是搞不懂Anaconda是什么?读这一篇文章就够了
文章目录1 Anaconda介绍2 conda介绍3 安装Anaconda4 Anaconda的使用配置Anaconda源5 创建虚拟环境并使用5.1 创建虚拟环境5.2 查看所有环境5.3 激活环境5.4 安装包5.4.1 conda方式5.4.2 pip方式5.4.3 从Anaconda.org安装包5.5 查看该环境的所有包5.6 测试是否安装成功6 退出当前环境7 删除环境/包1 Anaconda介绍概述Anaconda，中文大蟒蛇，是一个开源的Anaconda是专注于数据分析的Pytho
14个py小游戏第四弹
13贪心鸟玩法:有点类似那个炸弹人,控制好走位 问题不大 好吧14井字棋888玩法:我打赌大家在课堂上肯定玩过这个,想想当年和同桌玩这个费了好几个本子.源代码分享:from tkinter import *import tkinter.messagebox as msg root = Tk()root.title('TIC-TAC-TOE---Project Gurukul')# labelsLabel(root, text="pla
Jupyter notebook/Pycharm调用Anaconda虚拟环境
文章目录Jupyter notebook调用Anaconda虚拟环境Pycharm调用Anaconda虚拟环境Jupyter notebook调用Anaconda虚拟环境本文章适合已安装好Anaconda的uu们使用，如果还没有安装好Anaconda或者对Anaconda不了解的可以看我这篇文章哦~绝对让你恍然大悟首先我们打开anaconda prompt，激活虚拟环境：在当前环境中安装ipykernelconda install ipykernel -y继续在该环境中安装nb_cond
【c++ 指针与引用区别汇总】继承与多态的注意点
精简版：指针：变量，独立，可变，可空，替身，无类型检查；引用：别名，依赖，不变，非空，本体，有类型检查；相同点： 都是地址的概念不同点： 指针是一个实体（替身）；引用只是一个别名（本体的另一个名字） 引用只能在定义时被初始化一次，之后不可改变，即“从一而终”；指针可以修改，即“见异思迁”； 引用不能为空（有本体，才有别名）；指针可以为空； sizeof 引用，得到的是所指向变量的大小；sizeof 指针，得到的是指针的大小； 指针 ++，是指指针的地址自增
Paper Reading - 基础系列 - Tricks for Image Classification with CNN
Bag of Tricks for Image Classification with Convolutional Neural Networks更多可见计算机视觉-Paper&Code - 知乎PaperAbstract本文由AWS发出，不愁卡，18年训练用到了8张V100。对于各个有效的训练Trick都做了对比和单一分析。通过将这些改进组合在一起，能够改进各种 CNN 模型，甚至魔改ResNet50都好过当时最新的SE-ResNeXt-50AlgorithmEffic
Paper Reading - 基础系列 - Bag of Freebies for Training Object Detection Neural Networks
Bag of Freebies for Training Object Detection Neural Networks更多可见计算机视觉-Paper&Code - 知乎PaperAbstract本文和cls一样都是由AWS发出，找到了财富密码，多的不说，就是干饭sota，对于论文里面的表格真是有必要学习的，对于几个点的增加，只要缩小y轴距离看着就很明显了。总的来说在复杂的目标检测任务下，数据至关重要。其中论文中提到的以下点贡献系统地评估了各种训练trick对目标检测模型的影响
【挖坑】深度学习模型的可复现性
众所周知，深度学习是个黑盒，每次training都像在抽奖，但是对于模型落地，以及作为工程师来说，不可复现=没有意义。那么对于Pytorch如何能够尽可能的保证模型训练结果能够复现呢。本文收集整理了可能导致模型难以复现的原因，虽然不可能完全避免随机因素，但是可以通过一些设置尽可能降低模型的随机性训练层面Pytorch官方有提及到复现的问题Reproducibility - PyTorch 1.11.0 documentationPytorch不保证跨不同PyTorch 版本或不同平台的下的模型可
【区块链 | 以太坊】使用Truffle+OpenZeppelin编写代币示例合约
Tutorialtoken Box项目地址：http://truffleframework.com/boxes/tutorialtokenTutorialtoken Box官方教程：http://truffleframework.com/tutorials/robust-smart-contracts-with-openzeppelin原文：OpenZeppelin集成Truffle编写健壮安全的合约作者： TRYBLOCKCHAIN本文在原文基于Truffle Box中的Tutorialto
【ONNXRuntime+visual studio+CMake+cuda环境搭建】
环境需求CUDA10.2 可不需要visual studio2019CmakeonnxruntimeCmakeCmake安装直接下载win x86_64Download | CMakecmake-3.23.1-windows-x86_64.msi 然后安装到系统目录就可以了安装ONNXRuntimYou may either get a prebuit onnxruntime fromReleases · microsoft/onnxruntime ...
【区块链 | IPFS】IPFS使用教程 | java对接IPFS的SDK
首先，引入IPFS的包maven方式<repositories> <repository> <id>jitpack.io</id> <url>https://jitpack.io</url> </repository></repositories><dependency> <groupId>com.github.ipfs</groupId>.
Paper Reading - 综述系列 - Everything you need to know about NAS （上）
Paper Reading - NAS系列 - Everything you need to know about NAS - 综述 - 知乎开了新坑，Nas与AutoML系列，本文作为综述，主要阐述了作为深度学习领域的新秀的AutoML 和 NAS的发展现状以及未来预期原文enas代码AbstractAutoML 和 NAS不需要过多的工作量，他们可以使用最暴力的方式让你的机器学习任务达到非常高的准确率。既简单又有效率。那么 AutoML 和 NAS 是如何起作用的呢Neural
【区块链 | IPFS】React通过ipfs-api上传文件到ipfs
本节主要讨论如何基于Web前端调用ipfs-api上传文件到ipfs，通过npm start 启动项目1. 安装create-react-app通过npm install 安装 create-react-app，便于后续创建项目npm install -g create create-react-app2. 创建项目通过 create-react-app myipfs 来创建项目3. 查看目录结构通过atom打开项目4. 启动服务器通过 npm start..
Paper Reading - 基础系列 - Rethinking ImageNet Pre-training
论文链接Kaiming He 大神不用多说更多可见计算机视觉-Paper&Code - 知乎Abstract先总结一下论文的几点要点，果然大牛的论文都是清楚简单易懂，各种消融对比试验砸脸上当训练任务对位置信息非常敏感时，比如分割、key-point，imagenet pretrained用处不大 数据集可用标注数据越多，预训练的作用越小 当使用更强大的数据增强方案时，预训练反而会损害模型的性能 pretrain可以使结果更快收敛，但是数据量足够大情况下随机初始化后得到的
【前端 | React】自定义hooks 同步获取useState的最新状态值
背景不使用hook时，我们可以在setState回调函数获取最新值使用react hook时，最新的值只能在useEffect里面获取但我们有时候的业务场景需要我们同步拿到变量的最新变化值，以便做下一步操作；这时我们可以封装一个hook通过结合useRef通过回调函数来拿到最新状态值。代码import { useEffect, useRef, useState } from 'react';/** * 自定义 useState * @param state * @re.
Paper Reading - Loss系列 - 深度学习中各种常见Loss与组合综述[WIP]
目录回归误差交叉熵 CEBCECEFocal LossDice LossLovasz-Softmax Loss更多可见计算机视觉-Paper&Code - 知乎本文主要希望总结下目前学术与业界常用到的Loss函数以及其对应的优缺点回归误差两种loss不同位置的梯度情况MAE mean average error（L1损失）主要用于机器学习，回归问题中。均方误差对于异常值相对不敏感，但是由于他的梯度是一直不变的，即使loss很小梯度都非常大.
【前端 | React 】React Hook 中 useState 异步回调获取不到最新值及解决方案
预先了解 setState 的两种传参方式1、直接传入新值 setState(options);列如：const [state, setState] = useState(0);setState(state + 1);2、传入回调函数 setState(callBack);例如：const [state, setState] = useState(0);setState((prevState) => prevState + 1); // prevState 是改变之前
Paper Reading - 综述系列 - Everything you need to know about NAS（下）
目录One-ShotEfficient Nerual Architecture SearchSlimmable Neural NetworksBigNASAutoMLSummaryPaper Reading - NAS系列 - Everything you need to know about NAS - 综述 - 知乎接着上文继续说，接下来主要阐述目前主流的One-Shot NAS方法One-Shot最开始关于NAS思路是利用将神经网络模型结构抽象化，从小网络或者各
Eclipse中提示“错误: 找不到或无法加载主类”
运行程序时，Eclipse中提示“错误: 找不到或无法加载主类”，这种情况多是因为程序没有成功编译造成的，查看项目中是否有没有正确导入的jar包，或者缺失jar包，造成类无法编译。缺失jar时，导入需要的jar，然后Project - Clear，重新编译项目。如果项目上面有一个大大的感叹号（这里主要是用Eclipse开发，Maven管理时），说明项目有缺失的jar包，我们可以重新更新加载...
【Python | PDF】如何使用Python将PDF转换为HTML页面？
前言最近想做一个小的功能，将PDF文字提取，并转换为HTML页面，但苦苦找寻没有合适好用简单的方法。Google一下，马上知道，接下来就是学习的结果，分享给大家，以免踩坑含泪分享，希望大家喜欢，直接上代码本文仅用于知识分享！第一个版本，简单实现了HTML输出import fitzfrom tqdm import tqdmdef pdf2html(input_path,html_path): doc = fitz.open(input_path) for pa..
Paper Reading - Model系列 - ShuffleNet Chanel Attention
ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile DevicesPaper更多可见计算机视觉-Paper&Code - 知乎目录ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile DevicesAbstractRelated WorkChannel Shuffle深度可分离
今日推荐
周排行