发表于 | 阅读次数: 
1
list(hf.keys())

发表于 | 阅读次数: 
1
2
3
4
5
6
7
8
9
10
uname -a > 4.9
getconf LONG_BIT
wget http://kernel.ubuntu.com/~kernel-ppa/mainline/v4.10.2/linux-image-4.10.2-041002-generic_4.10.2-041002.201703120131_amd64.deb
dpkg -i linux-image-4.10.2-041002-generic_4.10.2-041002.201703120131_amd64.deb
update-grub
reboot
sudo bash -c 'echo "net.core.default_qdisc=fq" >> /etc/sysctl.conf'
sudo bash -c 'echo "net.ipv4.tcp_congestion_control=bbr" >> /etc/sysctl.conf'
sysctl -p
sysctl net.ipv4.tcp_available_congestion_control

发表于 | 阅读次数:

由于我们知道MNIST是一个极其简单的数据集，而ImageNet是一个数据量大且复杂的多的数据集。那么模型训练将飞快的收敛 MNIST 的识别任务，且慢慢变成是基于 MNIST 特征网络的初始值的 ImageNet 训练。

发表于 | 阅读次数: 
1
2
git reset --hard <commit_id>
git push origin HEAD --force

发表于 | 阅读次数: 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
import h5py  #导入工具包  
import numpy as np  
#HDF5的写入：  
imgData = np.zeros((30,3,128,256))  
f = h5py.File('HDF5_FILE.h5','w')   #创建一个h5文件，文件指针是f  
f['data'] = imgData                 #将数据写入文件的主键data下面  
f['labels'] = range(100)            #将数据写入文件的主键labels下面  
f.close()                           #关闭文件  
  
#HDF5的读取：  
f = h5py.File('HDF5_FILE.h5','r')   #打开h5文件  
f.keys()                            #可以查看所有的主键  
a = f['data'][:]                    #取出主键为data的所有的键值  
f.close()

发表于 | 阅读次数: 
1
2
git branch -a #查看所有分支
git checkout origin/daily/1.4.1

发表于 | 分类于 | 阅读次数:

因为保存的时候把不同网络结构的存在了一起,
直接grep meta文件

1
find ./ -type f  | xargs grep -l "chars" | xargs grep -v "clip"