ubunt版本：16.04笔记本：机械革命，i7-6700，gtx965m（集显Intel Hm170 ）安装NVIDIA以及cuda来测试深度学习之前安装ubuntu前对grub文件进行了修改才进行了安装，现在进入系统安装完nvidia后记得将其改回来。禁用nouveau驱动Ubuntu系统集成的显卡驱动程序是nouveau，如果刚装好ubuntu16.04，系统输入密码无法进入桌面，无限

关于本文章的最新更新请查看:oldpan博客看起来明天(2018-12-7)会发布Pytorch-1.0的稳定版。前言距离发布Pytorch-1.0-Preview版的发布已经有两个多月，Pytorch-1.0最瞩目的功能就是生产的大力支持，推出了C++版本的生态端(FB之前已经在Detectron进行了实验)，包括C++前端和C++模型编译工具。对于我们来说，之后如果想要部署深度学习应用...

PASCAL-VOC2012数据集介绍官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html数据集下载地址：benchmark_RELEASE：下载地址voc2012：下载地址VOC2012数据集分为20类，包括背景为21类，分别如下：- Person: person- Animal: bird, cat, co

说到深度学习，配置搭建环境是最重要的，一些深度学习库的搭建和尝试是必须的。比如pytorch、TensorFlow等优秀的深度框架在linux下可以很好的运行，这里通过使用两台电脑（一台win10、一台ubuntu）来进行深度学习环境的搭建。此篇讲解如果通过VNC实现win10电脑操控（ubuntu）linux电脑，只需一个键盘一个鼠标就可以操控两个电脑，实现高效率工作。必需品：两台电脑、一根

triton作为一个NVIDIA开源的商用级别的服务框架，个人认为很好用而且很稳定**，API接口的变化也不大，我从2020年的20.06切换到2022年的22.06，两个大版本切换，一些涉及到代码的工程变动很少，稍微修改修改就可以直接复用，很方便。> 本系列讲解的版本也是基于22.06。

Hello我是老潘，好久不见各位。最近在复盘今年上半年做的一些事情，不管是训练模型、部署模型搭建服务，还是写一些组件代码，零零散散是有一些产出。虽然有了一点点成果，但仍觉着缺点什么。作为深度学习算法工程师，训练模型和部署模型是最基本的要求，每天都在重复着这个工作，但偶尔静下心来想一想，还是有很多事情需要做的：模型的结构，因为上线业务需要，更趋向于稳定有经验的，未探索一些新的结构模型的加速仍然不够，

问题的开始前些天尝试使用TensorRT转换一个模型，模型用TensorFlow训练，包含LSTM+Transform+CNN，是一个典型的时序结构模型，包含编码解码结构，暂称为debug.onnx吧。这个debug.onnx使用tf2onnx导出，导出后tf2onnx会自动对这个onnx做一些优化，例如常量折叠、算子融合等等一些常规操作，一般来说这些操作不会影响网络结构(也会出现影响的情况！之后

python对缩进具有严格的要求稍微一步留神就会发生unindent does not match any outer indentation level的错误，发生错误的原因一般有三点：1、代码前后缩进量不一致可以看到def前面有红色小波浪线，说明在这里出现了缩进错误，显然def前面的注释缩进量和def不一致（一个为2一个为4），改成一致就好了2、代码前后缩进符号不一致上图中两个函数的定义前面缩

小博主拍了拍你的脑袋发了一个神秘链接：oldpan.me爽啊。前一阵子忍不住剁手买了M1芯片的mac mini，为了弥补自己的内疚感就卖了自己的旧的mbp2017款。数据也完全迁移到了新机器上，之前的工作也就由mbp2017彻底换成mac mini了，要换就换彻底点，不要给自己了留后路，哼。为什么买mini而不是macbook系列，当然是为了减少一下尝鲜的成本，mini对于有显示器有键盘的童鞋来说

小博主拍了拍你的脑袋发了一个神秘链接：oldpan.me爽啊。前一阵子忍不住剁手买了M1芯片的mac mini，为了弥补自己的内疚感就卖了自己的旧的mbp2017款。数据也完全迁移到了新机器上，之前的工作也就由mbp2017彻底换成mac mini了，要换就换彻底点，不要给自己了留后路，哼。为什么买mini而不是macbook系列，当然是为了减少一下尝鲜的成本，mini对于有显示器有键盘的童鞋来说