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

在远程服务器上部署JupyterLab 3.0

近期,JupyterLab刚刚升级到3.0版本,在安装与使用方面都有不小改进,加之之前部署在树莓派上时遇到偶尔需要跟服务器之间做些文件交换的情况,处理起来还是稍微麻烦了点,所以趁着这次JupyterLab的大更新,也在远程服务器上来部署下JupyterLab 3.0了。通过Anaconda安装Jupyter Lab先创建一个虚拟环境:conda create -n JupyterLab pytho

人工智能学习清单

人工智能学习清单一份人工智能学习清单,帮助初学者了解本领域知识框架,以及查找优秀学习资源。部分资源分享在GitHub,欢迎star与贡献。Ⅰ. 基础知识1. 人工智能:了解人工智能的概念,及其涉及的具体领域。参考资料:[1] Russell, Stuart, and Peter Norvig. “Artificial intelligence: a modern approach.” (1995)

#人工智能#机器学习
人工智能学习清单

人工智能学习清单一份人工智能学习清单,帮助初学者了解本领域知识框架,以及查找优秀学习资源。部分资源分享在GitHub,欢迎star与贡献。Ⅰ. 基础知识1. 人工智能:了解人工智能的概念,及其涉及的具体领域。参考资料:[1] Russell, Stuart, and Peter Norvig. “Artificial intelligence: a modern approach.” (1995)

#人工智能#机器学习
人工智能学习清单

人工智能学习清单一份人工智能学习清单,帮助初学者了解本领域知识框架,以及查找优秀学习资源。部分资源分享在GitHub,欢迎star与贡献。Ⅰ. 基础知识1. 人工智能:了解人工智能的概念,及其涉及的具体领域。参考资料:[1] Russell, Stuart, and Peter Norvig. “Artificial intelligence: a modern approach.” (1995)

#人工智能#机器学习
python环境部署(一) —— pip依赖迁移

工程实际应用时,我们需要考虑如何在各种情况下顺利地将工程的运行环境部署起来。就Python工程来说,最主要的就是将程序运行所需的各种依赖模块安装起来。目前Python最常用的两种包管理工具,conda和pip都提供了导出依赖的方法:conda list -e > requirements.txt或pip freeze >requirements.txt文件格式如下:#...

#python#pip#迁移
人工智能的伦理和价值观——阿西洛马人工智能原则(Asilomar AI Principles )

Asilomar AI Principles 阿西洛马人工智能原则2017年1月初举行的“Beneficial AI”会议为基础上建立起来的“阿西洛马人工智能原则”,名称来自此次会议的地点–美国加州的阿西洛马(Asilomar)市,旨在确保AI为人类利益服务。本次会议参加者是业界最富盛名的领袖,如DeepMind首席执行官Demis Hassabis和Facebook AI负责人Yann Le..

#人工智能
树莓派上多版本python及pip安装使用管理指南

安装相关问题树莓派上安装了Python2.7及Python3.5(Raspbian Stretch 9.3),且默认使用Python2(即python是指向python2.7的),而且一般来说Python2和Python3也都是各自安装有pip模块的。如果发现并未安装,或自己误删了,可以使用以下方法安装:1. 安装Python# 安装python(指向python2)sudo apt-g...

#pip#python
Linux远程桌面服务VNC/XRDP/Xdmcp/SSH+X11转发及其在树莓派上的使用

Linux下有三大著名远程桌面服务,即VNC/XRDP/Xdmcp,此外还有一个认知度并不高的SSH+X11转发服务也是很好用的。下面的介绍中我引入在树莓派上的应用(使用Raspbian Stretch),给大家一个直观的认识。VNC使用VNC服务时,先在树莓派上安装vncserver,然后在PC或其他设备上安装vncviewer。vncserver安装树莓派上的vncserv...

Windows下的SSH客户端神器MobaXterm

虽然很不喜欢在Windows下搞开发,但是有时候又难免要用到Office,只能切换到Windows。最早接触Linux时用的是putty配合WinSCP(玩树莓派),后来搞运维又用过SecureCRT、XShell、MobaXterm等工具,最终只保留了MobaXterm。MobaXterm的功能十分丰富,大致可以分为四点:Local Terminal集成了基本的Unix命令集,甚至还可以使...

TensorFlow的变量管理:变量作用域与重用机制(variable_scope)

在深度学习中,你可能需要用到大量的变量集,而且这些变量集可能在多处都要用到。例如,训练模型时,训练参数如权重(weights)、偏置(biases)等已经定下来,要拿到验证集去验证,我们自然希望这些参数是同一组。以往写简单的程序,可能使用全局限量就可以了,但在深度学习中,这显然是不行的,一方面不便管理,另外这样一来代码的封装性受到极大影响。因此,TensorFlow提供了一种变量管理方法:变量作用

    共 14 条
  • 1
  • 2
  • 请选择