小编Ami*_*mir的帖子

请考虑以下代码(Playground版本):

use std::cell::Cell;

struct Foo(u32);

#[derive(Clone, Copy)]
struct FooRef<'a>(&'a Foo);

// the body of these functions don't matter
fn testa<'a>(x: &FooRef<'a>, y: &'a Foo) { x; }
fn testa_mut<'a>(x: &mut FooRef<'a>, y: &'a Foo) { *x = FooRef(y); }
fn testb<'a>(x: &Cell<FooRef<'a>>, y: &'a Foo) { x.set(FooRef(y)); }

fn main() {
    let u1 = Foo(3);
    let u2 = Foo(5);
    let mut a = FooRef(&u1);
    let b = Cell::new(FooRef(&u1));

    // try one of the following 3 statements
    testa(&a, &u2); …

我正在尝试构建,blender以便我可以直接从python使用它并且正在完成本教程并且我被困在第一个make命令给我

CMake Error at /usr/share/cmake-2.8/Modules/FindPackageHandleStandardArgs.cmake:108 (message):
  Could NOT find PythonLibsUnix (missing: PYTHON_LIBRARY PYTHON_LIBPATH
  PYTHON_INCLUDE_DIR PYTHON_INCLUDE_CONFIG_DIR)

我正在使用Ubuntu 14.04,系统安装python(3.4.3和2.7.6).我应该手动指定这些环境变量(如果是这样的话)？或者它是另一回事？如果是前者,这些的标准路径是什么？

我在笔记本电脑的浏览器上使用ipython笔记本,它连接到我办公室的远程ipython笔记本电脑服务器.问题是如果网络停机的时间很短,连接将被关闭.然后重新连接到服务器,我"只是"需要刷新浏览器,但如果笔记本电脑的大小很大,这实际上非常烦人.

问题是我可以增加连接超时(就像ssh-server的这些选项一样),这样即使网络短时间停机,连接也不会丢失.

我正在使用Theano/NumPy做一些深入学习的东西.我发现了一个非常烦人的问题.我得到了权重矩阵A(假设为50*2048)和特征向量b(2048暗).

A使用初始化

self.alpha = np.random.random((50, 2048)).astype(np.float32) * 2 - 1.0

b是来自theano的2048昏暗的numpy.ndarrary.

问题是

X = numpy.dot(A, b)
Y = [numpy.dot(A[i], b) for i in xrange(50)]

X和Y的某些行并不严格相等.我比较了它们,发现差异在1e-6到1e-7之间.

目前我更喜欢使用秒来计算点积,因为它似乎可以学习更好的权重.但第一个要快得多.所以我想知道为什么会有这么大的差异.它是由点(矩阵,向量)和点(向量,向量)的不同实现引起的吗？非常感谢!

--edit正如你所提到的,这是你可以重现它的代码.

import numpy as np

test_time = 1000
vector_size = 100
matrix_size = (100, 100)

for i in xrange(test_time):
    a = np.random.random(matrix_size).astype(np.float32) * 2 - 1.0
    b = np.random.random(vector_size).astype(np.float32)
    x = np.dot(a, b)
    y = [np.dot(a[i], b) for i in xrange(a.shape[0])]
    for k in xrange(len(y)):
        epsilon = x[k] - y[k]
        if abs(epsilon) > 1e-7: …

我刚尝试在笔记本电脑上安装CUDA 7.5.我禁用lightdm并做了sudo sh cuda7.5.run.驱动程序安装通过,但后来我收到错误Unsupported compiler ...,安装失败.我该如何解决这个问题？

我正在尝试不同的Theano模型,并使用不断增加的序列长度的课程.为了填充GPU的内存,我怎样才能提前预测任何给定序列长度和模型的批量大小有多大？

更糟糕的是,如果我不小心使用了太多内存,我会得到一个MemoryError并且GPU上的内存没有释放,要求我重新启动进程以释放内存,并在尝试新批量之前丢失网络.由于此错误无法恢复,因此很难在异常之前增加批量大小,然后再向下调整.

我正在使用Torch7库来实现神经网络.大多数情况下,我依靠预先训练的模型.在Lua中,我使用torch.load函数加载保存为torch .t7文件的模型.我很好奇切换到PyTorch(http://pytorch.org)并阅读了文档.我找不到任何关于加载预训练模型的机制的信息.我能找到的唯一相关信息是此页面:http://pytorch.org/docs/torch.html

但是页面中描述的函数torch.load似乎加载了一个用pickle保存的文件.如果有人在PyTorch中有关于加载.t7模型的其他信息,请在此处分享.

我正在使用 Densenet121 从 Kaggle 数据集进行猫/狗检测。我启用了 cuda，看起来训练速度非常快。但是，数据加载（或可能处理）似乎很慢。有什么方法可以加快速度吗？我尝试玩女巫批量大小，但没有提供太多帮助。我还将 num_workers 从 0 更改为一些正数。从 0 到 2 将加载时间减少了 1/3，增加更多不会产生额外的效果。还有其他方法可以加快加载速度吗？

这是我的粗略代码（我专注于学习，所以它不是很有条理）：

import matplotlib.pyplot as plt

import torch
from torch import nn
from torch import optim
import torch.nn.functional as F
from torchvision import datasets, transforms, models

data_dir = 'Cat_Dog_data'

train_transforms = transforms.Compose([transforms.RandomRotation(30),
                                       transforms.RandomResizedCrop(224),
                                       transforms.RandomHorizontalFlip(),
                                       transforms.ToTensor(),
                                       transforms.Normalize([0.5, 0.5, 0.5],
                                                            [0.5, 0.5, 0.5])])
test_transforms = transforms.Compose([transforms.Resize(255),
                                      transforms.CenterCrop(224),
                                      transforms.ToTensor()])

# Pass transforms in here, then run the next cell to see how the transforms look
train_data = datasets.ImageFolder(data_dir + …

我正在考虑使用神经网络为我正在建造的太空射击游戏中的敌人提供动力,我在想; 当网络没有一个明确好的输出集时,你如何训练神经网络？

我使用的是 Windows 8.1 Pro，我想安装 CUDA 5.5。我已经安装了 Visual Studio 2013 并且我有最新的 GPU 驱动程序版本 335.23。在 NVIDIA 控制面板中，我还将 CUDA - GPU 设置为 GeForce GT 740M。我的 CPU 是 Intel Core i7 4700MQ，它配备了 Intel HD 4600 GPU。

当我单击 setup.exe 文件时，它会显示如下错误：

“此图形驱动程序找不到兼容的图形硬件。您可以继续安装，但将无法运行 CUDA 应用程序。”

我还执行了最新稳定驱动程序的全新安装，但仍然无法安装 CUDA。

我该怎么办？

更新 1：事实证明 CUDA 5.5 中捆绑的 NVIDA 图形驱动程序比我计算机上安装的要旧。所以我继续安装，没有要求 CUDA 在我的电脑上安装图形驱动程序。但现在显示以下错误。

更新 2：CUDA 5.5 和 CUDA 6.0 RC 都不支持 Visual Studio 2013。我必须安装 VS 2012，问题现已解决