logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

linux里用户权限:~$,/$,~#,/#的区别与含义

转自博客。仅供自己学习使用,如有侵权,请联系删除$表明是非root用户登录,#表示是root用户登录,它们是终端shell的命令提示符。而/是根节点, ~是 home如果以root账号登陆,~ 是 /root/ , /是 /如果以name 登陆,~ 是 /home/name/ , /是 /cd命令介绍:例如当前在/mnt/mnt/usb/usb1目录下cd /到 /cd ......到 /mnt/

查看电脑的CPU个数,核数,逻辑核数

转自在Linux中查询CPU的核数与 Windows下查看电脑的CPU个数,核心数,线程数定义CPU个数: 电脑插槽上的CPU个数, 物理cpu数量CPU核数:一个物理CPU上面能处理数据的芯片组的数量CPU逻辑核数:一般情况,我们认为一颗cpu可以有多核,加上intel的超线程技术(HT), 可以在逻辑上把一个物理线程模拟出两个线程来使用,使得单个核心用起来像两个核一样,以充分发挥CPU的性能总

#linux#windows
pytorch模型转onnx遇到的问题记录

1 .AttributeError: module ‘onnxruntime‘ has no attribute ‘InferenceSession‘解决方法FAIL : Non-zero status code returned while running Add node.尝试过很多方法,发现最终是环境问题,重新安装环境即可,注意cuda版本和onnxruntime的对应关系我是使用镜像htt

#pytorch#docker#深度学习
void onnxruntime::BroadcastIterator::Append(int64_t, int64_t) axis == 1 || axis == largest was false

import torchimport torch.nn as nnimport osfrom allennlp.nn import utiltorch.manual_seed(1)os.environ["CUDA_VISIBLE_DEVICES"] = "1"class Test(nn.Module):def __init__(self):super().__init__()passdef for

#pytorch#深度学习#python
AttributeError: module ‘onnxruntime‘ has no attribute ‘InferenceSession‘

查看当前路径下是否有同名的文件onnxruntime,如果有,修改该文件名将cpu版本的onnxruntime和gpu版本的onnxruntime-gpu都卸载,重新安装你所需要的

Mask-Predict: Parallel Decoding of Conditional Masked Language Models

Mask-Predict: Parallel Decoding of Conditional Masked Language Models来源:EMNLP2019链接:https://arxiv.org/pdf/1904.09324.pdf代码:https://github.com/facebookresearch/Mask-Predict动机大部分的神经机器翻译模型(se...

python json的中文读取与中文写入

写入jsonimport json# 写入jsonall_res = {}write_path = "E:/test_feature.json"all_res["明天"] = "天气好"with open(write_path, "w", encoding='utf-8') as f:json.dump(all_res, f, ensure_ascii=False)文件test_feature.j

pytorch,onnx和tensorrt 的速度对比

onnxOpen Neural Network Exchange (ONNX)是微软和Facebook携手开发的开放式神经网络交换工具。为人工智能模型(包括深度学习和传统ML)提供了一种开源格式。它定义了一个可扩展的计算图模型,以及内置运算符和标准数据类型。目前主要关注推断所需的功能。ONNX之于机器学习模型就像JPEG之于图像或MPEG之于视频。你可以使用pytorch,tensorflow或者

#pytorch
loss函数之CosineEmbeddingLoss,HingeEmbeddingLoss

CosineEmbeddingLoss余弦相似度损失函数,用于判断输入的两个向量是否相似。 常用于非线性词向量学习以及半监督学习。对于包含NNN个样本的batch数据 D(a,b,y)D(a,b,y)D(a,b,y)。aaa,bbb 代表模型输出,yyy代表真实的类别标签,yyy中元素的值属于{1,−1}\{1,-1\}{1,−1},分别表示相似与不相似。 第iii个样本对应的losslosslo

Meta-Learning

元学习包括Zero-Shot/One-Shot/Few-Shot 学习,模型无关元学习(Model Agnostic Meta Learning) 和元强化学习(Meta Reinforcement Learning)等元学习的训练样本和测试样本都是基于任务的。元学习是要去学习任务中的特征表示,从而在新的任务上泛化用于训练任务的训练集称为support set,测试集称为query set从图中可

    共 19 条
  • 1
  • 2
  • 请选择