FishL

摘要： 問(wèn)題： wsl安裝codex后需要登錄，填寫(xiě)賬號(hào)密碼后，最后返回了Token exchange failed: token endpoint returned status 403 Forbidden 解決方案： 在本地vscode安裝插件codex，登錄 Codex，然后把本地憑證拷到wsl中 本 閱讀全文

摘要： 編譯器（Compiler） 編譯器是一種把人類(lèi)寫(xiě)的源代碼（C/C++）翻譯成計(jì)算機(jī)能執(zhí)行的機(jī)器碼的程序。 在 C++ 中，常用的編譯器有： 編譯器平臺(tái)說(shuō)明 GCC（g++） Linux / WSL / Windows（MinGW） GNU 開(kāi)源編譯器，使用最廣泛 Clang macOS / Linu 閱讀全文

摘要： 1 內(nèi)存對(duì)齊規(guī)則 結(jié)構(gòu)體的數(shù)據(jù)成員，第一個(gè)成員的偏移量為0，后面每個(gè)成員變量的地址必須從其大小的整數(shù)倍開(kāi)始。 子結(jié)構(gòu)體中的第一個(gè)成員偏移量應(yīng)當(dāng)是子結(jié)構(gòu)體中最大成員的整數(shù)倍。 結(jié)構(gòu)體的總大小必須是其內(nèi)部最大成員的整數(shù)倍 示例 #include <iostream> using namespace st 閱讀全文

摘要： 在 C# 開(kāi)發(fā)中，序列化是對(duì)象與數(shù)據(jù)之間橋梁式的存在，廣泛應(yīng)用于數(shù)據(jù)存儲(chǔ)、網(wǎng)絡(luò)傳輸、遠(yuǎn)程通信等場(chǎng)景。 序列化：將數(shù)據(jù)結(jié)構(gòu)或?qū)ο鬆顟B(tài)轉(zhuǎn)換為可存儲(chǔ)或可傳輸?shù)母袷降倪^(guò)程。這個(gè)過(guò)程將內(nèi)存中的對(duì)象轉(zhuǎn)換為字節(jié)序列，可以寫(xiě)入文件、數(shù)據(jù)庫(kù)或通過(guò)網(wǎng)絡(luò)傳輸。 反序列化：序列化的逆過(guò)程，將序列化的數(shù)據(jù)重新構(gòu)建為內(nèi)存中的對(duì) 閱讀全文

摘要： 【 李宏毅機(jī)器學(xué)習(xí)】生成式對(duì)抗網(wǎng)絡(luò)GAN 在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)任務(wù)中，我們通常把一個(gè)網(wǎng)絡(luò)當(dāng)作一個(gè)函數(shù)f(x)，給定輸入x，網(wǎng)絡(luò)就會(huì)輸出一個(gè)對(duì)應(yīng)的結(jié)果 y。比如圖像分類(lèi)任務(wù)中，輸入是一張圖片，輸出是一個(gè)分類(lèi)標(biāo)簽。這是一種 判別式模型（Discriminative Model），它學(xué)的是輸入和輸出之間的映射 閱讀全文

摘要： 【 李宏毅機(jī)器學(xué)習(xí)：異常檢測(cè) 】Anomaly Detection（合輯）（中文） 異常偵測(cè)任務(wù)是需要根據(jù)一堆訓(xùn)練數(shù)據(jù)，找到一個(gè)函數(shù)，輸入x時(shí)，函數(shù)判斷x和訓(xùn)練數(shù)據(jù)是否相似。假設(shè)你提供了很多的雷丘作為訓(xùn)練數(shù)據(jù)，皮卡丘就是異常的。若你提供了很多的皮卡丘作為訓(xùn)練數(shù)據(jù)，雷丘就是異常的。若你提供很多的寶可夢(mèng) 閱讀全文

摘要： 安裝pytorch Nano上預(yù)裝的Jetpack版本為4.6.1，Python為3.6.9，CUDA環(huán)境為10.2。在PyTorch for Jetson中可以下載不同版本的torch，torch<=1.10.0。 1 安裝torch1.8.0 # substitute the link URL 閱讀全文

摘要： 燒錄固件 燒錄固件是為了讓板子用tf卡作為系統(tǒng)啟動(dòng)(非板載啟動(dòng)），一般來(lái)說(shuō)只需要刷寫(xiě)一遍。 安裝vm，找到虛擬機(jī)鏡像，解壓part01就能獲取鏡像。 打開(kāi)vm，打開(kāi)此虛擬機(jī)鏡像，賬號(hào)clb，密碼為123456 短接23腳進(jìn)入燒錄模式，使用Micro-USB連接線(xiàn)連接Nano和電腦，然后DC電源上電。 閱讀全文

摘要： 1. 保存整個(gè)網(wǎng)絡(luò) torch.save(net, PATH) model = torch.load(PATH) 2. 保存網(wǎng)絡(luò)中的參數(shù)（速度快，占空間小） torch.save(net.state_dict(),PATH) model_dict = model.load_state_dict(to 閱讀全文

摘要： 【深度學(xué)習(xí)】總目錄 SE論文：《Squeeze-and-Excitation Networks》將重點(diǎn)放在了通道（channel）關(guān)系上，并提出了一種新的結(jié)構(gòu)單元SE block。將SE block堆疊在一起，就形成了SENet。SE塊略微增加計(jì)算成本但顯著地提升了性能，并且即插即用。SENet獲得 閱讀全文