发表于 | 阅读次数:

发表于 | 阅读次数: 
1
2
3
sudo apt-add-repository ppa:fish-shell/release-2
sudo apt-get update
sudo apt-get install fish
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
> ls l*.p*
lena.png
lesson.pdf


> touch "testing_"(date +%s)".txt"
> ls *.txt
testing_1360099791.txt

> for x in (seq 5)
    touch file_$x.txt
end


> for file in *.txt
    cp $file $file.bak
end

if grep fish /etc/shells
    echo Found fish
else if grep bash /etc/shells
    echo Found bash
else
    echo Got nothing
end

发表于 | 分类于 | 阅读次数:

今天看到了L强推的吉祥馄饨，便去拔个小草。
馄饨汤看着淡淡无味，尝着却咸咸的鲜美。
馄饨的包法也是我最熟悉的一种。

吃着吃着就吃出了家的味道。 突然就想回家了。
回去在地铁站里，走道中有人拉着悠长的二胡，站台下三道铁轨铺向远方，尽头好像就是家。

发表于 | 阅读次数:

建树过程

  1. KD树建树采用的是从m个样本的n维特征中，分别计算n个特征的取值的方差，用方差最大的第k维特征nk来作为根节点。
  2. 对于这个特征，我们选择特征nk的取值的中位数nkv对应的样本作为划分点，对于所有第k维特征的取值小于nkv的样本，我们划入左子树，对于第k维特征的取值大于等于nkv的样本，我们划入右子树，
  3. 对于左子树和右子树，我们采用和刚才同样的办法来找方差最大的特征来做更节点，递归的生成KD树。

http://www.cnblogs.com/pinard/p/6061661.html

发表于 | 阅读次数:

1. network 不存在

用了非推荐的save方式，然后load的模型的名字和自己写的文件名不一样

2. 记录loss信息的时候直接使用了输出的Variable

1
2
3
4
5
6
for data, label in trainloader:
    ......
    out = model(data)
    loss = criterion(out, label)
    #loss_sum += loss     # <--- 这里
	loss_sum += loss.data[0]

3. model.eval

在训练每个batch之前记得加model.train()，训练完若干个iteration之后在验证前记得加model.eval()
否则会影响dropout和BN.

4. F.dropout()

用F.dropout()时一定要手动设参数self.training，正确用法：F.dropout(x, 0.2, self.training)

5. zero_grad

6. zero

如果是tensor：

1
tensor.new(tensor.size()).zero_()

如果是Variable，得是：

1
Variable(tensor.new(tensor.size()).zero_())

7. Inference

在做inference时，千万要记住对输入的Variable设置volatile 为true.而不能设置requires_grad 为false.血的教训。。。

发表于 | 阅读次数:

遇到了

1
ascii codec can not decode byte 0xc3 in position 875: ordinal not in range(128)
1
2
3
$ vim ~/.bash_profile
export LC_ALL=en_US.UTF-8  
export LANG=en_US.UTF-8