添加链接描述

前言：我们在跑神经网络时，通常使用的都是别人已经整理好的数据集，如MNIST、CIFAR10、CIFAR100等，但是在实际的应用中，往往需要根据实际的问题创建对应该问题的数据集，这就需要用自己的图片创建一个类似CIFAR10的数据集。如果我们创建的数据集格式和CIFAR10的格式一样的，那么所创建的数据集将很容易地输入到原有的神经网络，而无需改动太多的结构。1、首先查看CIFAR10数据集是..

1、common.pyfrom itertools import chainimport argparseimport osimport pycuda.driver as cudaimport pycuda.autoinitimport numpy as npimport tensorrt as trttry:# Sometimes python2 does not understand File

运行环境：windows11+wsl2（ubuntu1804）截至20230909，windows,mac系统暂时不支持。

#bugModuleNotFoundError: No module named 'pycuda._driver'原因是系统同时安装了python3.7和python3.8, 当python3.8为默认的python3时,安装pycuda是对于python3.8版本import pycuda.autoinitimport pycuda.driver as cuda就会报标题的错误.卸载python

@TOCUbuntu安装pytorch后 torch.cuda.is_available()结果为false原因：安装的cuda版本和电脑的驱动不一致而导致的。torch.cuda.is_available()结果为false:在环境窗口输入命令, 查看去读版本驱动nvcc -V下载对应cuda版本的pytorchpytorch官网主页.pytorch历史版本....

(1)若一个实例是正类，但是被预测成为正类，即为真正类(True Postive TP)(2)若一个实例是负类，但是被预测成为负类，即为真负类(True Negative TN)(3)若一个实例是负类，但是被预测成为正类，即为假正类(False Postive FP)(4)若一个实例是正类，但是被预测成为负类，即为假负类(False Negative FN）准确率（正确率...

paddlepaddle-gpu安装

由于最近需要使用paddleocr，因此需要安装依赖paddlepaddle-gpu，不管怎么安装cuda11.6-11.8安装了一遍，都无法正常安装成功。对paddle也是无语了，最后使用docker进行安装。环境：wsl2+linux18.04。

1. 默认主机上已经安装好cudacuda安装2. 安装dockerdocker安装上面都可自行百度3.设置 repository 和 GPG key$ distribution=$(. /etc/os-release;echo $ID$VERSION_ID)$ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-