存放位置：/media/D_4TB/Shared/Datasets/软链接至自己的目录例如将公共目录下的coco数据集，软链接至自己项目内的data/coco目录下，那么就可以在终端中，先cd到自己的项目路径，再执行下面这条命令即可ln -s /media/D_4TB/Shared/Datasets/coco ./data/coco...

使用GateWay远程开发

传统目标检测这里仅作简要分析，源码地址（代码有些许改变）https://github.com/Cartucho/mAP/blob/master/main.py1.文件夹分为两个，真实标签及检测标签两个文件夹中的文件均为txt文件，每张图片对应一个txt文件，其中真值标签，每一行一个目标，类别名+坐标值其中检测标签，每一行一个目标，类别名+置信度+坐标值mAP计算步骤：1.将所有真值标签读取并保存j

GitHub链接：https://github.com/LiangYang666/prototypical-networks/tree/handbag支持多gpu分布式训练，支持高版本pytorch1.xEpisodicBatchSampler 抽样器n_episodes: Number of episodes or equivalently batch sizen_way: Number of

传统目标检测这里仅作简要分析，源码地址（代码有些许改变）https://github.com/Cartucho/mAP/blob/master/main.py1.文件夹分为两个，真实标签及检测标签两个文件夹中的文件均为txt文件，每张图片对应一个txt文件，其中真值标签，每一行一个目标，类别名+坐标值其中检测标签，每一行一个目标，类别名+置信度+坐标值mAP计算步骤：1.将所有真值标签读取并保存j

一、搭建Java开发环境1.1 下载JDK1.8官方下载链接为Java Downloads | Oracle按需求下载，我这里下载jdk-8u321-linux-x64.tar.gz,需要登录Oracle 帐户后下载1.2 安装sudo mkdir /usr/local/java 创建目录sudo cp jdk-8u321-linux-x64.tar.gz /usr/local/java/将下载的

1.安装Anaconda2.安装Pycham3.安装CUDA 9.0下载地址：点击此链接4.下载cuDDn 7.3 for CUDA 9下载地址：点击此链接5.建立tensorflow-gpu环境5.1 打开Anaconda Prompt输入conda create -n tensorflow_gpu python=3.6 并回车其中tensorflow_gpu只是环境名，取别的也没关系，只是后期

GitHub链接：https://github.com/LiangYang666/prototypical-networks/tree/handbag支持多gpu分布式训练，支持高版本pytorch1.xEpisodicBatchSampler 抽样器n_episodes: Number of episodes or equivalently batch sizen_way: Number of

背景描述简言之： 程序出现错误，修改错误代码后必须要重新执行整个程序详细说明：在调试python程序时经常会出现这样的情况，代码执行到某一处时出现错误，或者与预期的的结果不一致，这时候发现是某一行写错了，我们会先对这一行进行简单修改并验证，然后再重新启动程序重头执行，再看看还有没有其它错误，然而如果在这一行之前执行了大量的费时操作，我们必须一直等到运行到修改处再看后面的代码是否还有误，浪费了大量的

一些方法MAML 模型无关元学习 2018https://github.com/dragen1860/MAML-Pytorch元学习pytorch有关的git网址https://github.com/tristandeleu/pytorch-meta