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

vscode免密登录需要更改authorized_keys的权限

按照 这个文章 操作了,还是 ssh 不过去,必须要你输密码原来是 权限问题参考:https://www.jianshu.com/p/7cca6cc9d35a为了确保连接成功,请保证以下文件权限正确:[root@host .ssh]$ chmod 600 authorized_keys[root@host .ssh]$ chmod 700 ~/.ssh就能 直接 链接了:ssh root@111.

#vscode#ssh#linux
ubuntu21.04升级后,鼠标键盘失灵问题解决

这是因为在升级的时候,xserver-xorg-input-all 被删除了,导致 Xorg 环境无法使用键鼠。对应地,重新安装这个包就可以了。可以尝试通过进入 tty 或者 使用另外的机器通过 ssh 连接然后运行sudo apt install xserver-xorg-input-all...

linux: flameshot 快捷键设置

如果有一次启动后, 系统说 flameshot 崩溃了,然后你的 快捷键 ,就会不好用了,那么此时重启flameshot 即可。

阿里云的对象存储服务,oss 简介

阿里云的对象存储服务,oss 简介在电子科大的21学年的 数据库新技术 课程中,我接触到了一个 对象存储的 概念。过往接触的就是那些 mysql 这些二维表的数据库,在做一些java 项目,比如 springboot 的项目中,也是直接讲对象的字段,逐一插入 数据库 的 一个 row;没有那种直接存储对象的数据库。后来在写博客的时候,发现有人用阿里云的oss 对象存储作为图床。所以,这篇文章就整理

#阿里云#java#云计算
CNN里面的可学习参数; 深度学习,视频笔记;DL:deeplizard

文章目录在普通 的 fully connect layers在 cnn 中计算的例子最后的参数参考:本视频 内容:cnn 里面 的 可学习参数是啥如何 计算 cnn 里面 的可学习 参数 的个数计算 的示范在普通 的 fully connect layersweights 的计算方式如下:在 cnn 中首先:filterl == kernel把三个 部分 的 参数 加起来吧,就行了计算的例子第一个

#cnn#深度学习#神经网络
深度学习:技术分享:联合学习,几个任务一起端到端的搞,如何让它们互相帮助呢?LSU:侧向共享单元

看这篇论文look deeper into depth: monocular depth estimation with semantic booster and attention-driven loss的时候,碰到个用联合的老哥: jianbo jiao当时,第一遍 读文章 的概要的阅读笔记,请看 这里摘要,从前人的工作 overview 一下jianbo 联合 了 语义 和深度。其实有 一些

#深度学习#自动驾驶#神经网络
解决 深度学习docker 端口连接被对方重设

在容器中启动 jupyter notebook 的时候,请指定 ip 为 0.0.0.0aka:原因docker启动的时候,我们的命令是 -p 8888:8888比如:sudo nvidia-docker run -it -p 8888:8888 --ipc=host -v /home/paul/code:/code --name paul-notebookmy_tf:2.0此时 使用 docke

#docker#深度学习#容器
深度学习:无监督深度测距:《Unsupervised Monocular Depth Estimation With Left-Right Consistency》论文笔记,视频笔记monodepth

2017 年的CVPRfrom youtubeLink是啥东西然后我们的工作能: 给出 一个 深度 图like this:为啥 depth 有用导航,机器人拿东西,虚拟现实,桌子有多远,多大为啥用 monocular:单目相机?贫穷和普适monocular 能行吗?既然 探测器 和 海盗头子 都能 ,我们也能以前的方法ground truth 值很难获得kitti 数据集 本身 也有误差或者说 遗

文章图片
#深度学习#自动驾驶#pytorch
CNN里面的可学习参数; 深度学习,视频笔记;DL:deeplizard

文章目录在普通 的 fully connect layers在 cnn 中计算的例子最后的参数参考:本视频 内容:cnn 里面 的 可学习参数是啥如何 计算 cnn 里面 的可学习 参数 的个数计算 的示范在普通 的 fully connect layersweights 的计算方式如下:在 cnn 中首先:filterl == kernel把三个 部分 的 参数 加起来吧,就行了计算的例子第一个

#cnn#深度学习#神经网络
深度学习:技术分享:联合学习,几个任务一起端到端的搞,如何让它们互相帮助呢?LSU:侧向共享单元

看这篇论文look deeper into depth: monocular depth estimation with semantic booster and attention-driven loss的时候,碰到个用联合的老哥: jianbo jiao当时,第一遍 读文章 的概要的阅读笔记,请看 这里摘要,从前人的工作 overview 一下jianbo 联合 了 语义 和深度。其实有 一些

#深度学习#自动驾驶#神经网络
    共 29 条
  • 1
  • 2
  • 3
  • 请选择