anaconda Collecting package metadata (current_repodata.json): failed 解决方法
Anaconda无法安装一些包的问题 anaconda Collecting package metadata (current_repodata.json): failed
查看全文AI
Anaconda无法安装一些包的问题 anaconda Collecting package metadata (current_repodata.json): failed
查看全文论文名称:Fooling automated surveillance cameras: adversarial patches to attack person detection论文简介:随着卷积神经网络的普及,对CNN的对抗性攻击在过去几年中越来越流行。该项目首先讨论分类器上的数字攻击,然后讨
查看全文总结np.around()返回四舍五入后的值 可指定精度np.floor()向下取整np.ceil()向上取整np.where()根据condition布尔值从x,y中选择元素,为True时选择x否则选择y(下面基本上是废话)np.aroundnp.around 返回四舍五入值,可以指定精度注意:对
查看全文学习的时候遇到了 记一下。 unique()函数详解 unique():返回参数数组中所有不同的值,并按照从小到大排序可选参数:return_index=True: 返回新列表中的每个元素在原列表中第
查看全文做AI&ML课大作业时遇到的问题,解决后记录一下。解决问题:由于tensorflow程序在远程GPU服务器运行,而tensorboard启动后访问地址为:0.0.0.0:6006 / localhost:6006 ,按理说用VPN在内网应该可以访问xx.xx.xx.xx:6006 打开tensorb
查看全文Audio Adversairal Examples配置过程Ubuntu16.04 LTSAnaconda, Python3.6.2CUDA 10.0, CUDNN 7.6.4# 创建并激活虚拟环境$ conda create -n audio$ conda activate audio根据项目文档
查看全文降维主要方法投影流形学习流形学习用到的时候再看PCA识别出最接近数据的超平面,然后将数据投影到上面。保留差异性使原始数据集与投影之间的均方距离最小的超平面主成分n维特征 映射 到 k维上,k维正交特征被称为主成分PCA可以在训练集中识别哪个平面对差异性贡献度最高,所选出的超平面的数量与数据集维度的数
查看全文大数定理说明了,足够大的样本能几乎肯定地反映出总体的真实组成的Python zip()函数>>> a = [1, 2, 3]>>> b = [4, 5, 6]>>> c = [4, 5, 6, 7, 8]>>> zipped = zip(a, b)[(1, 4), (2, 5), (3, 6)]>>
查看全文这几天真的好痛苦啊,各种诡异的环境问题,训练时各种bug冒出来...从结果来看,等于这几天的努力或者所谓的“工作量”都是白费了。我太难了。把手头上的事搞定以后一定要抽时间开始打kaggle比赛,从入门到放弃这篇文章用来记录各种报错/bug解决办法。11/27事太多了,搞定完开始打比赛是不存在的..t
查看全文