版本说明: 多次实验后,python3.5+TensorFlow1.2+numpy1.16.4比较成功,不会报奇奇怪怪的错.(安装流程中会说到,不需要提前下载) 准备工作: 找到电脑:C:\Users\Administrator(为了防止小白看不懂,Administrator就是电脑用户名,比如我电脑名是PC,地址就是C:\Users\pc)中的.condarc文件,打开,然后修改一下,安装Tensorflow时,需要从Anaconda仓库中下载,一般默认链接的都是国外镜像地址,下载肯定很慢啊(

3月23日(周日)下午16:30左右,博客园主站负载均衡中的2台Web服务器CPU玩起了爬楼梯的游戏(见上图),一直爬到了接近100%.发现这个状况后,我们立即将这2台阿里云临时磁盘云服务器从负载均衡中摘下来,挂上1台云盘云服务器,恢复了正常. 由于曾经多次遇到过阿里云云服务器CPU问题,现在对阿里云云服务器产生了一种偏见,只要出现CPU问题,就会首先怀疑云服务器的问题.而这次出现问题时,换上云盘云服务器立即恢复正常,我们就坚定地认为临时磁盘云服务器存在某种问题.于是,我们提交了工单,向阿里云客

今天下午有段时间访问园子感觉不如以前那么快的流畅,上Web服务器一看,果然,负载均衡中的1台云服务器CPU跑高. 上图中红色曲线表示的是CPU占用率.正常情况下,CPU占用率一般在40%以下. 这台云服务器是2台主力Web服务器(承担了80%以上的访问量)中的1台,8核CPU/8G内存,用的是阿里云的临时磁盘云服务器,之前一直表现出色,今天怎么突然CPU跑高呢?难道临时磁盘云服务器的CPU也有问题?向阿里云提交工单,得到的反馈是云服务器所在的物理机表现良好. 为了尽快解决问题,我们在负载均衡中新

前言 代码都是由 CPU 跑起来的,我们代码写的好与坏就决定了 CPU 的执行效率,特别是在编写计算密集型的程序,更要注重 CPU 的执行效率,否则将会大大影响系统性能. CPU 内部嵌入了 CPU Cache(高速缓存),它的存储容量很小,但是离 CPU 核心很近,所以缓存的读写速度是极快的,那么如果 CPU 运算时,直接从 CPU Cache 读取数据,而不是从内存的话,运算速度就会很快. 但是,大多数人不知道 CPU Cache 的运行机制,以至于不知道如何才能够写出能够配合 CPU Ca

TensorFlow常用Python扩展包 TensorFlow 能够实现大部分神经网络的功能.但是,这还是不够的.对于预处理任务.序列化甚至绘图任务,还需要更多的 Python 包. 下面列出了一些常用的 Python 包: Numpy:这是用 Python 进行科学计算的基础包.它支持n维数组和矩阵的计算,还拥有大量的高级数学函数.这是 TensorFlow 所需的必要软件包,因此,使用 pip install tensorflow 时,如果尚未安装 Numpy,它将被自动安装. Matpl

环境:windows10 软件:Anaconda3 1.安装Anaconda 选择相应的Anaconda进行安装,下载地址点击这里,下载对应系统版本的Anaconda3. 运行 开始菜单->Anaconda3—>Anaconda Prompt : conda list 可以看到已经安装了numpy.sympy等常用的包. 2.安装Tensorflow TensorFlow目前在Windows下只支持Python 3.5版本. (1)打开Anaconda Prompt,输入清华仓库镜像,这样更新

深度学习最热的两个框架是 pytorch 和 tensorflow,pytorch 最新版本是 1.3,tensorflow 最新版本为 2.0,在 win10 下 pytorch 1.3 要求的 cuda 最高版本是 10.1,见下图: 而 tensorflow 2.0 使用的 cuda 版本是 10.0,见下图: 这就造成了冲突,一般是装 cuda 10.1,然后再重新编译 tensorflow 2.0 源码跑在 cuda 10.1 下,编译 tensorflow 源码的步骤还是较麻烦的,也

使用conda创建一个新的虚拟环境 输入 conda create -n intelligent-judge python=3.6 创建一个python版本为3.6的名字是intelligent-judge的虚拟环境 查看显卡信息 输入lspci | grep -i vga查看显卡信息 很明显是NVIDIA Quadro GP100 配置CUDA和CUDNN 本来是要去下载cuda和cudnn的,结果一看,服务器上已经有现成的了 输入 cat /usr/local/cuda/version.tx

用到putty终端和winsp两个软件 其中winsp是连接上192.168.1.1(文件协议选SCP),然后将ipk包放进去 然后用putty进入192.168.1.1 @root账号密码填完---#ls----opkg install XXX.ipk(XXX为文件名字)

    一.用scp命令从物理主机向CentOS 6.1虚拟机传送文件,提示以下错误:bash: scp: command not found到CentOS 6.1虚拟机查看也缺少scp命令.该虚拟机是同事安装的,还有其他命令也不完整,可能不是完整安装,缺了些包.二.用以下方法解决:1.在一台完整的CentOS 5.8查找scp所在的包:# which scp/usr/bin/scp# rpm -qf /usr/bin/scpopenssh-clients-4.3p2-82.el52.查出是属于

1>下载anaconda3.6,https://www.anaconda.com/download/,选择64位的anaconda3.6,安装时候,路径可以自定义,但是要选择把路径添加到环境变量. win+r打开dos,输入conda --version,若是显示如下,则anaconda安装成功 2>在anaconda环境中安装tensorFlow. <1>需要创建一个conda环境,--n是--name的意思,这个环境的名字是tensorflow,可以根据自己的需要设置其他的名字

请你新建一个叫“virus.bat”的批处理文件,里面填写上如下三段命令: Echo "welcom to the aqjava's world"Tree /fCall virus.bat 保存并退出,然后点击 "vircus.bat" 文件,哈哈,你的电脑一直在刷屏了.并且CPU飙到了 100% 了哦!不过放心,该“小病毒”没有任何危害的. 请你用 Ctrl+C 结束掉该“病毒”. 只是命令的一个小小的玩法啦,希望大家喜欢.

1.获取anaconda https://repo.continuum.io/archive/Anaconda3-2018.12-Windows-x86_64.exe (这个版本内置python3.7) 2.安装anaconda 3.启动Anaconda Prompt 4.安装python3.5 conda create --name tensorflow python=3.5  (--name tensorflow:指定环境名为tensorflow) 5.激活名为tensorflow的环境 c

上一步完成后,选定国内镜像地址,以为下载插件包做准备 https://pkg.phpcomposer.com/ 安装完componser后使用下面这条命令即可(设置国内镜像地址): composer config -g repo.packagist composer https://packagist.phpcomposer.com 插件包地址: https://packagist.org/ componser.json示例: componser.json实例: { "require"

#禁用gpu版本TensorFlow,因为CUDA号码从0开始,这里直接让CUDA使用-1的GPU,自然就无法使用gpu了. 代码前面加入: import osos.environ["CUDA_VISIBLE_DEVICES"]="-1"    import tensorflow as tfEnvironment Variable Syntax    ResultsCUDA_VISIBLE_DEVICES=1    Only device 1 will be see

关键字:Windows.cpu模式.Python.faster-rcnn.demo.py 声明:本篇blog暂时未经二次实践验证,主要以本人第一次配置过程的经验写成.计划在7月底回家去电脑城借台机子试试验证步骤的正确性,本blog将根据实际遇到的问题持续更新.另外blog中除提到的下载链接外我还会给出网盘链接方便下载,包括我的整个工程的网盘链接.如果有些报错解决不了可直接拿本人的相关文件替换,本篇blog具有较高的参考性. 本人微软版caffe工程     下载链接:http://pan.bai

安装说明 平台:Window.Ubuntu.Mac等操作系统 版本:支持GPU版本和CPU版本 安装方式:pip方式.Anaconda方式 attention: 在Windows上目前支持python3.5.x GPU版本可支持CUDA9.0.Cudnn7.0 安装过程 CUDA简介 CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台. CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题

关键字:Windows.cpu模式.Python.faster-rcnn.demo.py 声明:原文发表在博客园,未经允许不得转载!!!本篇blog过程已经多名读者实践验证,有人反馈报错TypeError:‘None Type‘ object has no attribute _getitem_‘,但拿本人编译好的文件可以跑通,对于此问题我没去探究,评论区给出了解决办法(nms函数cpu参数false改为true).blog中除提到的下载链接外我还会给出网盘链接方便下载(链接失效,本人百度云上传

TensorFlow 是用于机器学习任务的开源软件.它的创建者 Google 希望提供一个强大的工具以帮助开发者探索和建立基于机器学习的应用,所以他们在去年作为开源项目发布了它.TensorFlow 是一个非常强大的工具,专注于一种称为深层神经网络deep neural network(DNN)的神经网络. 深层神经网络被用来执行复杂的机器学习任务,例如图像识别.手写识别.自然语言处理.聊天机器人等等.这些神经网络被训练学习其所要执行的任务.由于训练所需的计算是非常巨大的,在大多数情况下需要 G

下载压力测试包 https://pan.baidu.com/s/1DJYAzBHHDxMViy5dMel2Lw 提取码:a5j3 使用方法: 方法一:前端启动,按Ctrl+c结束 java -DbusyNum= -jar cpu-used.jar #50代表cpu跑到50%,根据需要自定义填写, 方法二:后台启动 nohup java -DbusyNum= -jar cpu-used.jar & 结束杀死进程即可: kill - `ps -ef|grep cpu|grep -v grep|awk

http://wenku.baidu.com/link?url=mMKDH_fKmUXN7L6rANIFHjoHdKCYBLlDrqoYB1daDTEkNFk9Bt9xlJtS_4BKBj6w22WDrUWO3PNjf6UpYxwMfkX206E9qVBtg3RgYe4ScOG 本文档的个： 1）  当网卡接收到一个数据包，并通过DMA方式写入内存，此时网卡会向前移动rdh，并发送网卡中断。 2）  网卡发送完数据包，并移动tdh，当tdh移动次数达到一定数量，或者tdh等于tdt的时候会发生网