-
Notifications
You must be signed in to change notification settings - Fork 0
/
search.xml
135 lines (135 loc) · 100 KB
/
search.xml
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
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
<?xml version="1.0" encoding="utf-8"?>
<search>
<entry>
<title><![CDATA[Jason Mraz经典单曲《I'm Yours》]]></title>
<url>%2F2020%2F09%2F06%2Fjason-mraz-jing-dian-dan-qu-i-m-yours%2F</url>
<content type="text"><![CDATA[民谣男巫Jason Mraz经典单曲《I’m Yours》最美现场版。 I’m Yours我最近听到有人在说 每个生物都认为自己是人类 每个活着的生物都觉得自己是世界的中心 某种意义上这话也没错 因为你只能从自己看世界 你也只能看见你自己 没有人知道什么是真什么是假 或者你是不是你自己 有时候你自己也看不清楚 你能做的就只有谴责周遭环境 周围的一切 感谢上帝🕎 你找到了自己 🎸 ……]]></content>
<categories>
<category>音乐人生</category>
</categories>
<tags>
<tag>音乐人生</tag>
</tags>
</entry>
<entry>
<title><![CDATA[外汇兑换小知识]]></title>
<url>%2F2019%2F11%2F09%2Fwai-hui-dui-huan-xiao-zhi-shi%2F</url>
<content type="text"><![CDATA[本博文记录几次兑换外币过程中，了解到的外汇小知识 ✈✈✈ 大家在中国各大银行外汇牌价网站上，例如中国银行外汇牌价网站，经常能看到比如“现钞买入价”，“现钞卖出价”，“现汇买入价”，“现汇卖出价”等等名词。本文以问答的方式给大家科普一下现钞和现汇的概念。希望大家看了本文能够理解“钞”和“汇”的区别，并且能熟练选择自己需要的外币种类，避免被收取坑爹的费用。下图给出2019年11月9日早上10点30分（北京时间）的中国银行外汇牌价，本文以此作为例子来讲解不同外汇价格。 1. 什么是“现钞”，什么是“现汇”？ 当你拿着外币现金存入银行的时候，银行会存入你的外币现钞账户，并在货币结尾标记“钞”。当你收到海外的跨境电汇外币的时候，银行会将外汇存入你的外币现汇账户，并在货币结尾标记为“汇”。 2. 什么是“现汇卖出价”？ 你去银行用人民币购买的外汇的价格，这笔外汇主要用途是汇款去往境外。此刻加币现汇卖出价为531.19，因此你需要531.19人民币才能买到100加币的外汇用来汇往加拿大。 3. 什么是“现钞卖出价”？ 你去银行用人民币购买的外币现钞价格，这笔外币主要用途是取现使用。此刻加币现钞卖出价为532.48，因此你需啊532.48人民币才能取到100加币现金。一般来说，现汇卖出和现钞卖出这两者差价不大，中行对美元一般两者是采用同一个价格，非美元外币的话现钞卖出比现汇卖出要稍微贵一些。 4. 什么是“现汇买入价”？ 当你收到境外汇款的时候，想要把汇款换为人民币时候的结算价格。这个过程称为“结汇”。此刻加币现汇买入价为527.3，所以当你在中国的银行加币户头收到100加币的汇款的时候，可以在银行转为527.3人民币。大家一般知道购汇每人每年有5万美元的额度；其实结汇一样，每人每年也只能结汇5万美元。有人会问，为什么结汇要设限额？原因是2014年以前连续许多年人民币暴涨，大量热钱流入，如果不对结汇设限那大量热钱外汇会转成人民币套利赚汇差。中国的银行一般比较良心，现汇卖出价和现汇买入价差别非常之小。 5. 什么是“现钞买入价”？ 你当把手中的外币现钞带去银行，想要换成人民币时候的计算价格。此刻加币现钞买入价为510.66，所以当你拿着100加币现金去银行的时候，可以拿到510.66人民币（很坑有木有 ！）。 6. 为什么“现钞买入价”比“现汇买入价”低很多？ 当中国的银行拿到你的外币的现钞时，银行理论上需要把外币运回境外对应的银行才能结算利润。这个过程需要包装、运输和保险等等费用。但如果银行拿到的只是现汇，那只是一个账面上的数字，并不会产生运输的费用，银行结算只需要通过电汇就可以了。因此对银行来说，持有现汇的成本比持有现钞的成本小很多，所以银行向我们购买现汇的价格也会比购买现钞的价格好的多。 7. 似乎美元的“现钞买入价”和“现汇买入价”差不大，但是其他外币则差很大？ 当今世界依然是美元霸权，因此结算美元现钞对银行来说省力很多。很多时候银行会直接持有相当数量的美元现钞而不会把他们运回美国结算。相反的，持有其他非美货币成本就会高很多。货币越非主流，“现钞买入价”和“现汇买入价”差距就越大。以上图为例，美元的现汇买入价和现钞买入价分别为698.18和692.51，差价大概在0.82%，连1%都不到；加币的则分别为527.3和510.66，差价在3.3%左右。土耳其里拉则分别为120.77和114.85，差价大于5%；南非兰特的差价则更是超过8%。 8. “钞”可以转“汇”吗？ 当然可以，但是得付不小的“钞转汇”转换费。货币越不主流，这笔钱越大。“钞转汇”的过程本质就是你先用“现钞买入价”把外币现钞卖给银行拿到人民币，然后再依据“现汇卖出价”用人民币买回外币的现汇。以加币上图牌价为例，现汇卖出价－现钞买入价就是531.19-510.66=20.53，所以每100加币的现钞转为现汇就要付20.53块人民币的转换费，你说坑不坑？美元稍好一点，每100美元现钞转为现汇需要收取701.14-692.51＝8.63人民币的转换费。所以不到万不得已，一般是不提倡“钞转汇”的。 9. “汇”可以转“钞”吗？ “汇”一般可以直接取成“钞”，但是一但变成“钞”，就变不回来了，除非支付上文提到的坑爹的“钞转汇”转换费。 10. 在中国境内刷美卡的时候是按照哪个汇率呢？ 对于无外汇转换费的信用卡或者借记卡取现，会按照Visa/Mastercard/Discover/Amex的中间价将人民币转换为美元记账。中间价一般约等于现汇卖出价和现汇买入价的平均值。 11. 在境外刷国卡的时候是按照哪个汇率呢？ 对于全币种信用卡：刷卡当时会按照现汇卖出价转换为人民币。对于人民币美元双币种信用卡：如果刷的是非美元货币，刷卡时先按照Visa/Mastercard/Amex的汇率转化为美元，然后持卡人自己选择什么时候购汇还款，购汇时按照现汇卖出价用人民币买入美元还款。 12. Google 搜出来的汇率是哪个汇率呢？ 中间价。 13. 美国有“钞”和“汇”的概念吗？ 美国几乎所有银行都不设外币户头，只有美元户头，你只能用美元购买外币现钞还不能存入银行（就是这么吊！），买过的都知道汇率有多坑。若想从美国往中国汇款，应当直接汇美元，到时候中国的银行会进行换汇操作。若只是去国外旅游需要一些现金，更实惠的方式是带着全球 ATM 取钱免费的 debit card 到当地取。 14. 其他国家有“钞”和“汇”的概念吗？ 其他国家比如加拿大大部分银行都有美元户头，但并不区分“钞”和“汇”的概念。 15. 美国或者其他国家有“钞”和“汇”的英文分别是什么？ 钞：Cash，汇：Exchange。一般缩写用C/E表示。 例子 李明用大约10万人民币购买了2万加币的外汇等着给远在加拿大读书的韩雪。等韩雪回国的时候，李明把2万加币现金取了出来给韩雪，韩雪害怕带这么多现金出境（中国大陆限定不申报出境只能携带5000美金或等额外币，加拿大限定不申报入境只能携带1万加币或等额外币），决定电汇去加拿大，结果发现要收昂贵的钞转汇转换费。根据前文的计算，每100加币要收取20元，那面2万加币大概要付4000多人民币的钞转汇费用。 几年后，韩雪决定把自己在加拿大省吃俭用打工赚来的2万加币还给李明，韩雪取了加币现金带回中国，结果换人民币的时候用的是最低的现钞买入价510.66。如果她选择电汇回中国，就能以527.3的价格换回人民币。同样的，2万加币的差价大概在3300多人民币。 总结：大额原则上使用“汇”，小额便于方便使用可以换一些“钞”。如果大额外汇不慎变成了“钞”，最好的办法是带到境外使用；真要变回人民币可以带出境外后从境外汇回中国变回现汇。]]></content>
<categories>
<category>经济常识</category>
</categories>
<tags>
<tag>经济常识</tag>
</tags>
</entry>
<entry>
<title><![CDATA[CV秋招准备的建议]]></title>
<url>%2F2019%2F11%2F02%2Fcv-qiu-zhao-zhun-bei-de-jian-yi%2F</url>
<content type="text"><![CDATA[本博文记录一些计算机视觉(CV) 岗位 秋招应聘准备的建议 ✈✈✈ 秋招算法岗真是有点狠，菜的菜的出奇，强的强的可怕（大佬芸芸），总结自己和其他人的面试经验，列出一些必须要看的东西，至于特别详细的内容，暂时抽不出时间来写了（毕业论文时间紧迫）。 刷题。建议是牛客网在线编程刷几遍《剑指 Offer》，然后总结一下再去刷 LeetCode，现状是无论面试多好，现场 coding 但凡挂一道，几乎就等于 GG 了。 编程语言。C/C++ 必备，因为现在都越来越要求算法落地了，Python 肯定是不够的，大部分的面试都会手撕 C++ 代码，以及相关知识点。 深度学习基础。大体可分为基础理（反向传播那一套）+ 激活函数 + CNN 基本原理 + 优化算法 + 常见训练问题，公式推导比较常见，而且有的会要求代码实现反向传播 经典结构。做 CV 的基本都离不开经典的分类模型，ResNet 系列、DenseNet 系列、Inception 系列、MobileNet 系列、ShuffleNet 系列等等，以及一些新的模型，比如 DetNet、HRNet 等等，还有 SE 结构等等，这里问的比较深，需要对细节很熟悉。 机器学习。SVM。。。这玩意真的会问，会让你推导，无论你用不用，其他的问的倒是不多。 分割 / 检测。分割和检测都会问，无论你是具体做哪个方向的，经典模型结构，比如 Unet，Yolo、SSD、Faster 以及后来的各种改进体，基本上问的很详细，需要对每个细节都懂。还有一个就是手撕 NMS 或者 IOU，以及各种常用的损失函数或者后来新提出的损失函数都会问。 概率。这也是很多面试官喜欢问的，出一些概率题。 运气。面试很玄学，运气不好遇到只针对你不会的点问，那几本就 GG。比如你说你不太会博弈论，那面试官就开始考你这些。。。 总结一句就是：算法岗问的会相对比较全，比较深，也比较细致，好好准备也不会很难。]]></content>
<categories>
<category>应聘求职</category>
</categories>
<tags>
<tag>应聘求职</tag>
</tags>
</entry>
<entry>
<title><![CDATA[Ubuntu的一些配置]]></title>
<url>%2F2019%2F10%2F01%2Fubuntu-de-yi-xie-pei-zhi%2F</url>
<content type="text"><![CDATA[本博文记录一些常用的Ubuntu配置操作 ✈✈✈ 1. 添加新用户,并设置密码、权限添加新用户sudo useradd go -d /home/go -m #第一个go，指用户名 #-d /home/go 指定用户登录系统时的主目录，宿主目录 #-m 如果/home/go路径不存在，自动创建 查看新建的用户cat /etc/passwd | grep go 给新用户设置密码sudo passwd go 新用户增加sudo权限在使用Linux系统过程中，通常情况下，我们都会使用普通用户进行日常操作，而root用户只有在权限分配及系统设置时才会使用，而root用户的密码也不可能公开。普通用户执行到系统程序时，需要临时提升权限，sudo就是我们常用的命令，仅需要输入当前用户密码，便可以完成权限的临时提升。在使用sudo命令的过程中，我们经常会遇到当前用户不在sudoers文件中的提示信息，如果解决该问题呢？通过下面几个步骤，可以很简单的解决此问题。 修改/etc/sudoers权限sudo chmod u+w /etc/sudoers #增加写权限 编辑/etc/sudoers文件sudo vi /etc/sudoers 恢复原来/etc/sudoers权限sudo chmod u-w /etc/sudoers 解决远程登录问题 如果通过ssh客户端远程登录新用户，发现诸多问题，无法显示用户名和主机名、无法使用方向键、clear的快捷键、tab键补全…… 问题解决 修改/etc/passwd文件： sudo vim /etc/passwd 找到新增的用户go，添加如下内容： 重新远程登录即可。 2. Ubuntu更新sudo apt-get update sudo apt-get upgrade sudo apt-get dist-upgrade sudo reboot sudo apt-get update sudo update-manager -c -d 3. 安装Google浏览器对于64位版本可以使用如下链接下载： wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb 下载完后，运行如下命令安装。 sudo dpkg -i google-chrome* sudo apt-get -f install 因为我一直使用Google浏览器，很多书签都在上面所以换到Ubuntu上也可以直接同步了，当然还是要科学上网了才能同步。直接查看Ubuntu下如何科学上网 4. 安装搜狗输入法首先下载 *.deb 软件包： https://pinyin.sogou.com/linux/?r=pinyin sudo dpkg -i sogoupinyin_2.2.0.0108_amd64.deb sudo apt-get install -f 5. Ubuntu安装Vim编辑器sudo apt-get install vim //没有图形界面 sudo apt-get install vim-gtk //gtk gui 支持的vim，使用gvim启动 Vim编辑器显示行号和设置缩进cd \etc\vim\vimrc vim vimrc #添加下面语句 set nu set tabstop = 4 set shiftwidth = 4 set softtabstop = 4 6. 安装gitsudo apt-get install git 7. Ubuntu截图Ubuntu System Setting->Keyboard->Screenshots->Copy a screenshot of an area to clipboard 修改这一选项的快捷键，可以选择窗口面积截图。我设置的是和QQ相同的Ctrl+Alt+A。 8. Ubuntu Firefox浏览器安装Flashplayer插件Flashplayer插件下载地址： https://www.flash.cn/ 选择其他平台，下载Linux版本 tar -zxvf flash_player_npapi_linux.x86_64.tar.gz sudo cp libflashplayer.so /usr/lib/mozilla/plugins/ sudo cp -r usr/* /usr 9. Ubuntu下安装Typora# or use: # sudo apt-key adv --keyserver keyserver.ubuntu.com--recv-keys BA300B7755AFCFAE wget -qO - https://typora.io/linux/public-key.asc | sudo apt-key add - # add Typora's repository sudo add-apt-repository 'deb https://typora.io/linux ./' sudo apt-get update # install typora sudo apt-get install typora Typora官方安装指导：https://support.typora.io/Typora-on-Linux/ 10. Ubuntu下科学上网Lantern GitHub主页 Lantern每个月有免费的500MB可以使用，有总比没有好。 Chrome插件: 1.crx4chrome 谷歌应用商店【官方链接】, 与官方商店相比，Crx4Chrome 给出的数据信息更加全面，热门扩展排行、热门应用排行、最新扩展等不同形式的排行榜，帮助用户发现自己需要的 Chrome 扩展。 链接：https://www.crx4chrome.com/ 2.Chrome插件网 Chrome插件(谷歌浏览器插件) - 提供Chrome商店中优秀的Chrome插件推荐与下载服务。Chrome插件网致力于帮助用户找到、安装、学会使用优秀的Chrome插件来提高谷歌浏览器的使用体验，Chrome插件只为让用户在使用Chrome的时候舒服一点！ 链接：http://chromecj.com/ 3.插件网 帮助中国用户快速下载常用的Chrome插件！ 链接：http://www.cnplugins.com/ 4.浏览器插件下载中心 提供的插件，应用，游戏，主题是同步于Chrome海外市场，理论上所有插件都适用与Chrome内核的浏览器，也就是说除IE,Safari,火狐 外，国内绝大多数厂商的都可以使用。 链接：https://www.chromefor.com/ 5.谷歌Apps Chrome插件下载中心，谷歌浏览器应用商店。 链接：https://www.gugeapps.com/ 6.我爱插件网 链接: http://52crx.com 11. Ubuntu使用常见问题安装软件命令 tar -zxvf *.tar.gz # 解压命令 sudo apt-get install *** # 安装命令 系统信息 查看系统版本cat /proc/version CPU信息 查看CPU信息cat /proc/cpuinfo 内存信息 查看内存及用量（M为单位）free -m 查看内存及用量（G为单位）free -g 硬盘用量 查看各分区使用情况df -h 查看当前目录文件及文件夹大小du -sh * GPU信息 查看 GPU 使用情况nvidia-smi 进程 查看所有进程ps -ef 筛选进程ps -ef | grep python 根据名称强制杀死进程ps -ef | grep python | cut -c 9-15 | xargs kill -9 用户 添加用户sudo adduser username -m 添加用户并设置目录sudo adduser username -d /home/username -m 将用户设置超级用户组（如添加到 sudo 用户组）sudo usermod -aG sudo username 查看所有用户组groups 查看某个用户组下所有用户sudo apt-get install members members sudo 12. 如何让代码在后台运行由于实验室的网实在是不稳定，所以经常遇到跑了好几个小时的代码快要出结果的时候却断网了，导致与服务器的连接中断，代码也就自然而然的停止运行了（至于其中的具体原因可以自行百度）。这点真的让人很苦恼。同时，当你的ssh在执行一个代码时，你如果不新建一个连接，你在这个连接中是无法干其他的事情的，这一点也很不好。于是，考虑可以把代码放到服务器后台运行。 第一种 nohup 最开始的做法是 $ nohup python test.py 这样执行的时候会将代码放在服务器后台执行，你的终端是看不到运行过程的，期间运行的结果（代码运行过程中打印出来的）会在一个生成的nohup.out文件中保存。 第二种 screen 后来接触到了screen命令，觉得着实好用，在这里 安装参考。 可以简单的认为用这个命令你可以为不同的任务开不同的窗口，这个窗口之间是可以切换的，同时，窗口和你的会话连接基本上没有任何区别，这样你可以在开一个连接的时候同时干多件事情，并且在终端看得到运行过程的同时而不会由于断网而导致代码停止运行。其常用命令如下： screen -S name #创建一个窗口，并且为这个窗口命名 $screen -S yolo 当你执行完以上命令后,就会自动跳入名为yolo的窗口，在这个窗口里可以干你想干的事情。 当你不想呆在这个窗口时，你可以通过快捷键Ctrl+a+D断开这个窗口的连接而回到连接会话界面。即显示如下 [detached from 28113.yolo] user@ubuntu-Super-Server:~/code$ 说明从yolo这个窗口断开回到了会话界面。但是这个断开只是不显示那个窗口，而窗口对应的任务是在后台运行的。 $screen -S ls #可以查看已创建的所有窗口 执行上述指令后，出现如下结果，说明创建了两个窗口，可以看到窗口的名字和id，Detached说明窗口是断开的，再次强调这里的断开是指没有让他显示，其对应的任务是在后台执行的。 user@ubuntu-Super-Server:~/code$ screen -ls There are screens on: 28475.ssd (2017年11月27日 20时07分41秒) (Detached) 28113.yolo (2017年11月27日 19时57分26秒) (Detached) 如果想看其中一个窗口任务的执行状态，可以通过如下指令： $screen -r ssd #重新连接到yolo窗口，显示其运行过程 如果想直接停止某个窗口任务的运行，可以直接通过杀死id的方式 $kill 28475 #终止ssd窗口对应任务的运行，同时杀死该窗口 执行完以上指令再看存在的窗口时后会发现只剩名为yolo的窗口了 user@ubuntu-Super-Server:~/code$ screen -ls There is a screen on: 28113.yolo (2017年11月27日 19时57分26秒) (Detached) 总结一下，screen可以实现代码在后台运行时的可视化，同时，能在开一个会话连接时创建多个窗口处理不同的任务。用起来也很方便。 第三种 Tmux : 强烈推荐用tmux 👍 简介 tmux 是一个优秀的终端复用器类自由软件，功能类似 GNU Screen，但使用 BSD 许可发布。用户可以通过 tmux 在一个终端内管理多个分离的会话，窗口及面板，对于同时使用多个命令行，或多个任务时非常方便。 功能特点 一个虚拟终端可以管理多个会话，窗口和面板 支持分屏，同时处理多个操作 窗口、面板可以在会话间自由移动，切换 丰富灵活的状态行展示 支持自定义快捷键，依照个人习惯配置令操作更高效 不受断网影响，避免丢失重要工作进度 结对编程，方便演示与协作 自带复制粘贴缓冲区管理 脚本化配置，可配置多种操作环境 层次结构 tmux的主要元素分为三层： Session 一组窗口的集合，通常用来概括同一个任务。session可以有自己的名字便于任务之间的切换。 Window 单个可见窗口。Windows有自己的编号，也可以认为和ITerm2中的Tab类似。 Pane 窗格，被划分成小块的窗口，类似于Vim中 C-w +v 后的效果。 安装tmuxsudo apt-get install tmux 基本操作 首先在tmux会话中使用的快捷键都需要一个前缀来激活，前缀默认为Ctrl+b（即：在按快捷键之前需要按一下前缀）。 查询所有会话（Session） 在命令行输入下列命令查询当前所有会话。 tmux ls 你会发现no server running on /private/tmp/tmux-501/default，这是因为我们还没有创建会话（Session）。 创建会话（Session)tmux new -s session-name 通过上述命令新建一个有特定名称的会话。 一般情况下我们不会使用下列命令创建不指定名字的会话。 tmux new 断开会话（Session） 使用下列命令断开当前会话（断开会话并不影响会话中运行的程序，断开后还可以重新连接） tmux detach 或者使用tmux中的快捷键 Ctrl+b d(即先使用Ctrl+b快捷键前缀，然后再按d) 重新连接会话（Session） 在命令行输入tmux a即可快速连接第一个所有会话中的第一个。 tmux a 或者通过会话名连接该一个会话 tmux a -t session-name 关闭会话 通过下列命令关闭会话后，会话中的程序也会全部关闭。 tmux kill-session -t session-name 当然你也可以通过直接按Ctrl+d关闭会话、窗口或窗格。 tmux中的快捷键参考 注意以下快捷键适用于tmux会话中，使用前皆需要按下快捷键前缀Ctrl+b。 帮助 ？ 获取帮助信息 会话（Session）管理 s 列出所有会话 $ 重命名当前的会话 d 断开当前的会话 窗口（Window）管理 c 创建一个新窗口 , 重命名当前窗口 w 列出所有窗口 % 水平分割窗口 “ 竖直分割窗口 n 选择下一个窗口 p 选择上一个窗口 09 选择09对应的窗口 窗格（Pane）管理 % 创建一个水平窗格 “ 创建一个竖直窗格 q 显示窗格的编号 o 在窗格间切换 } 与下一个窗格交换位置 { 与上一个窗格交换位置 ! 在新窗口中显示当前窗格 x 关闭当前窗格 其他 t 在当前窗格显示时间 13. linux远程可视化- MobaXterm的安装和使用安装1 下载网址：https://mobaxterm.mobatek.net/，选择“Download”，选择免费版的下载。 2 解压压缩包，双击exe文件安装软件，安装完成后打开软件。 其中的安装步骤没啥说的，下一步就可以了。 安装完成后如下图 如果遇到这个问题，直接点Ignore就可以进入了。。。 登陆 1 单击左上角的”Session”按钮 2 在弹出框中点击“SSH”选项 3 在“Remote host”中输入绑定的弹性 IP 地址 4 勾选“Specify username”并输入用户名 5 点击 OK，输入 password ，回车进入控制台 如下，就是 Mobaxterm界面了，恭喜你已经完成了最重要的一步。。 右侧是控制台 左侧是其图形化界面 文件上传 1 单击左上角的”Session”按钮 2 在弹出框中点击“sftp“选项 3 在“Remote host”中输入控制台的弹性IP 值 4 勾选“username”并输入用户名 5 点击 OK，输入 password ，回车进入控制台的图行化界面 文件拖拽上传打开 Mobaxterm 工具的控制台，点击 sftp 栏，切换到控制台的图形化界面。 Mobaxterm 支持文件从本地到控制台的拖拽上传。 点击上传 的按钮 ，选中下载的 jar 包，上传到控制台的安装目录。 最后，你就可以用Linux的命令来操作控制台了。]]></content>
<categories>
<category>Ubuntu配置</category>
</categories>
<tags>
<tag>Ubuntu配置</tag>
</tags>
</entry>
<entry>
<title><![CDATA[ICIP2019-难忘的台湾之行]]></title>
<url>%2F2019%2F09%2F27%2Ficip2019-nan-wang-de-tai-wan-zhi-xing%2F</url>
<content type="text"><![CDATA[从投稿 IEEE ICIP 2019 到中稿 ICIP Oral，再到顺利拿到入台的批件，终于在9.21日开始了台湾之行，这篇博文用来记录在台北一周的见闻。 ICIP 2019 : IEEE International Conference on Image Processing第26届IEEE国际图像处理会议（ICIP）顺利在台湾台北国际会议中心举行，ICIP是世界上规模最大，最全面的技术会议，重点是图像、视频处理和计算机视觉，会议包括了特邀主旨演讲，Oral Session，Poster Session以及行业展示等等… 9.22号上午去注册，和国内相比，并没有采用人脸识别签到，速度较慢，所以排队签到。领到了参会牌子、带有ICIP Logo的纪念帽和Tshirt、以及ICIP定制的SWISSGEAR双肩包、多功能转换插座、已充值的交通悠游卡、U盘等等，早知道那么贴心，有些东西就不提前买了😄 和我同行的是同班级同学，一块组团过来参会了，拍照留念，这次能出来参会真的不容易。。。 好不容易来一趟，多在台北转转吧。。。😂 西门町 西门町, 台北著名的流行商圈、最具特色徒步区，是台北第一条专为行人设置的区域，红楼、刺青街、电影街、KTV、万年大楼、万国百货、诚品书店和各式各样的精品小店都可以在西门町看到，是台北民众假日最喜爱的去处之一 西门町，感觉真心不错，虽然没有南京新街口的气韵，它的独特风格即是潮！许多网红店在那边，走走看看停停，很惬意啊！西门町是青年文化胜地，也是台北最具特色的徒步区。杂志、游戏机、化妆品、潮牌潮衣、玩具模型等应有尽有。西门町特色小吃店众多，鸭肉扁、阿宗面线、老天禄卤味等远近驰名。街上时常会有艺人弹唱或特色活动。 松山文创园松山文创园离国父纪念馆很近。既然是创意园区，所以是以文化为主打。没有了游客的熙熙攘攘，也没有商业化气息很浓，可以让你有机会细细的品味。建议在台北无论是松山还是华山创园区都是值得花半天时间来细细品味的。。。 台北故宫博物院 台北故宫博物院是中国著名的历史与文化艺术史博物馆，坐落在台北市基隆河北岸士林区外双溪，依山傍水，气势宏伟，碧瓦黄墙。院前广场耸立由6根石柱组成的牌坊，气势宏伟，整座建筑庄重典雅，富有民族特色。院内设有20余间展览室，文化瑰宝不胜枚举。院内收藏有自北京故宫博物院、南京国立中央博物院、沈阳故宫、热河行宫、中国青铜器之乡-宝鸡运到台湾的二十四万余件文物。 台北故宫博物院的馆藏丰富，翠玉白菜、肉形石、毛公鼎、甲骨档案、陶瓷铜器、古代书画、善本古籍……太多太多的精品，目不暇接。 台北101摩天大楼101大楼就在我们开会的地点台北国际会议中心附近，听司机说没什么可看的，我们也就没买票上去看看，就在外面转了转… 101大楼是台湾最高的一座建筑，高500多米，建筑在地上有101层，地下有5层。只可惜晚上我们要参加Banquet，就没时间了。如果真的要观景的话，日落前到达一直游览到天黑，夜景会很漂亮，可以在高处尽情地欣赏台北的全景。101大楼门票差不多500新台币，合人民币100左右。 台北圆山大饭店大会Banquet晚宴设在了这里，圆山大饭店建筑恢弘大气，就像一座大宫殿。酒店非常有特色，很大，1952建造保存的很好 ，员工服务好。。。 碰到了大佬 Yann LeCun，美国工程院院士、Facebook人工智能研究院院长、纽约大学Sliver教授… 饶河街夜市最后一天下午参会后，到饶河街夜市转了一圈。 饶河街夜市位于台北松山区，紧邻着松山慈祐宫，是台北的庶民饮食、购物天堂。交通极其便利，驱车前往台北101仅15分钟，离松山火车站也就600米距离。每到周末假日，这里必定人潮汹涌，其中不少是慕名而来的游客。夜幕降临，夜市街道上空挂着的灯饰就会点亮，灯火辉煌。道路中间有两排摊位，两侧则是整排的店面。整个夜市分布着数百家摊店，不管是豆花、蚵仔面线、药燉排骨，还是土耳其特色冰淇淋都应有尽有。除了夜市必有的美食，这里还有许多服饰商店，从帽子、鞋子到包包，甚至连抓娃娃机和各种算命摊小摊都可以在此找到，真是摊位齐全啊！ 台北夜景由于当天玩累了，我们三人并没有找观景台来俯瞰台北夜景，就在一个大楼的9层眺望了下，很美。。。 台湾特产点心美食去台湾一定要带的伴手礼：奶黄绿豆糕、凤梨酥、牛轧糖、麻薯、豆干、太阳饼等等 凤梨酥相传最早起源于中国三国时期，其凤梨闽南话发音又称 “旺来”，象征子孙旺旺来的意思。凤梨酥内馅，并不是单纯的菠萝。为了口感需要，通常会添加冬瓜，这样的口味已经是大多数人的习惯。台北市面上可以买到加了五谷杂粮、松子、蛋黄、栗子等不同口味的凤梨酥；饼皮也加入燕麦等食材，口感更为多元。 一路上司机师傅连连推荐，冠军美食👍，试吃也OK，很酥软很爽口，香甜又韧劲儿十足，甜而不腻。品一口清茶，忍不住再来一块😄 。买回去送老师、同学都很好。。。 IEEE ICIP 2019 Oral Session说了那么多玩的啊😂，其实来台北主要还是参加ICIP2019大会的，很荣幸的论文被选为了Oral，于分会场作20min发言，包括提问环节。还好，不是太紧张… PPT首页和末页： 总结此次台湾之行，虽然没有大玩，但也了解了台湾这边的文化生活、风土人情等，蛮开心的一次会议出行计划，台湾，再会！ 拿着实验室的资助来参会，非常感谢导师，正如导师寄语，课题组每个研究生，都应该至少参加一次国际会议。算起来继8月份去韩国参加国际会议后，这是我第二次出国/境开会，倍感荣幸，见到不一样的人，听到不一样的研究，你的眼界就不一样了，看事物的方式也不一样了。 最后还是祝自己2019年顺利吧，希望找工作顺利，毕业顺利，最后碰到一个有缘人吧。 也希望课题组的学弟学妹们加油 💪]]></content>
<categories>
<category>参加国际会议</category>
</categories>
<tags>
<tag>参加国际会议</tag>
</tags>
</entry>
<entry>
<title><![CDATA[How to read a paper]]></title>
<url>%2F2019%2F09%2F13%2Fhow-to-read-a-paper%2F</url>
<content type="text"><![CDATA[作研究要花费大量时间在阅读论文上📕。但是这个技能却很少人教，这就导致大量时间被浪费。最近发现一篇paper，教人如何阅读paper，所以记录如下，与君共勉！！！ 重要性 在field内保持先进性，keep up the trend 获得灵感 review 方法论作者总结出了three-pass 方法。顾名思义，就是阅读一篇paper三遍，每一遍分别有不同的侧重点。 general idea content，but not details understand the paper in depth 第一遍这一遍快速扫描，用来决定是否需要继续深入读下去。 时间 5-10 min 内容 title, abstract, introduction 只看section & subsection headings conclusion 扫一眼reference，排除掉看过的那些paper 目标看完这一遍要能够回答： 类别：这篇论文是哪一个类别的？ 是提出了一个新方法、还是实际分析、或是提出了一个模型？ 基于什么理论基础？ 是否valid？包括假设是否合理、逻辑是否合理等。 主要贡献？ 写的清晰么？ 作用第一遍读完之后，可能你会选择放弃这篇paper。这可能是因为你对论文不感兴趣，或者是你对该领域的了解不足以看懂论文，或者作者做出了无效的假设。 只阅读一遍的论文，适用于阅读不在您研究领域内的论文，可能会给你启发。 启发注意！但你知道如何读第一遍论文的时候，也要想到反过来，reviewer在读你的论文的时候会如何想。因为大多数reviewer只会读它一次。 所以，注意选择连贯的section & subsection headings，并撰写简洁而全面的摘要。 如果审稿人在一次通读后无法理解要点，那么该论文可能会被拒绝; 如果读者在五分钟后无法理解论文的亮点，那么论文可能永远不会被阅读。 第二遍第二遍需要读更仔细，但是忽略掉细节，如证明过程。 圈出或写下关键词会有帮助。 内容 figure、diagrams、或者其他图表 标记出reference中没有阅读过的paper，这对background的扩展是一个帮助 时间 <= 1小时 目标 能够列举文章的几个主要观点，及其支持的论据 作用有时候读完第二遍仍然无法理解，那么可能是因为： 你不熟悉这个subject （课题），有很多术语无法理解 作者所用的技术、方法你无法理解 作者写的不好 你太累了 那么现在可以选择： 放一边，祈祷你职业生涯的成功与它无关 看完reference 再来看它 开始第三遍 第三遍第三遍的时候，随着作者的逻辑，与作者一起假装完成一次推理/实现过程。这一遍要重点关注细节，把每一个statement中暗藏的假设都找出来。并且，还要时刻问自己，如果是自己写/做这一步，会如何做？这也能给future work提供想法。 时间 初学者：4-5小时 熟练工：1小时 目标 能够重构整篇paper的结构 能够说出它的优缺点 最好能够找出它缺少了什么标准、相关工作，或实验、分析技术中可能出现的问题 如何做survey为了深入一个领域，我们往往需要做某个specific方向的survey。 那么如何做呢？作者也提供了一个很好的三步走思路。 第一步 善用搜索引擎Google scholar 好用的谷歌学术网址 DBLP computer science bibliography 、computer science bibliography CiteSeerX NEC研究院学术论文 搜索关键词，找出最近的3-5篇paper 用第一遍阅读法阅读它们，并阅读它们的related work部分。如果幸运的话，通过它们，可能就能找到最近的一篇survey，那么就不用自己做survey了～ 第二步 找出大佬找出以上的论文中重复的引用（key paper）、频繁出现的名字(大佬)。下载key papers，并在搜索引擎中搜索大佬们近期的文章。看看这些文章一般发表在什么conference上。为什么要看这些conference呢？因为大佬们的文章一般只会发在top conference上，这能帮你很快找出该领域的顶会。 第三步 利用会议找出高质量文章通过刚刚找出的顶会，查看最近几年发表的论文中相关的论文。这些高质量的论文+ 第二步中找到的那些key paper， 能帮你快速建立你的第一版survey。 重复上述过程一遍，作为论文补充。 最后，学会看 arXiv才能不错过自己研究领域的最新进展arXiv论文怎样读？ AI领域：如何做优秀研究并写高水平论文？周志华教授《做研究与写论文》的PPT(时间比较早，但方法永远不会过时)。其详细介绍了关于为什么要做研究？如何做研究，选择研究方向、选择研究课题(Topic)，学习领域知识、选期刊投稿、稿件处理过程、写高水平论文的方法与技巧等方面的知识，是一份非常优秀的做研究和写论文指南，值得每个人细读 ★★★★★ 周志华教授简介 他于2001年1月留校任教，2002年破格晋升副教授，2003年获 国家杰出青年科学基金，随后被聘任为教授，2004年获博士生导师资格，2006年入选教育部长江学者特聘教授。现任南京大学 校学术委员会委员、计算机科学与技术系 主任、人工智能学院 院长，主要从事人工智能、机器学习、数据挖掘等领域的研究工作。主持多项科研课题，出版《机器学习》(2016)、《Ensemble Methods: Foundations and Algorithms》(2012)、《Evolutionary Learning: Advances in Theories and Algorithms》(2019)。 周教授主页：https://cs.nju.edu.cn/zhouzh/ 原文PDF下载链接 https://pan.baidu.com/s/17Mq8y7DFRoY7sGESF9vZhQ 提取码: nmvk 他山之石 文章来源: how-to-read-a-paper]]></content>
<categories>
<category>科研工具</category>
</categories>
<tags>
<tag>科研工具</tag>
</tags>
</entry>
<entry>
<title><![CDATA[Latex撰写论文常用技巧总结]]></title>
<url>%2F2019%2F09%2F12%2Flatex-zhuan-xie-lun-wen-chang-yong-ji-qiao-zong-jie%2F</url>
<content type="text"><![CDATA[写论文不得不时常与Latex打交道，这篇博文专门用来记录使用Latex撰写论文过程中遇到的一些技巧与心得。 使用环境：online overleaf (https://www.overleaf.com/) Overleaf是一个在线latex环境，有许多模版可以选择，还可以上传已有的latex文件夹（zip），很方便。 推荐指数：🌟🌟🌟🌟🌟 同类替代：sharelatex (https://cn.sharelatex.com/) 目前网上大部分人习惯TeX Live加编辑器的环境配置模式。尽管依旧有很多人在使用CTeX加WinEdit，但CTeX已经有很久没有更新，所以大家：千万不要装CTeX套装！！ LaTeX安装配置参考 LaTeX安装资料合集 详细安装配图说明 LaTex开源小屋软件下载 1.如何引用参考文献1.1写bib文件 Google Scholar 搜索需要引用的论文标题 好用的谷歌学术网址 输入文献名之后，在搜索结果中点引用： 点击上图中的空心双引号，就会弹出这个窗口。选择想要的bib格式进行复制 1.2新建bib文件新建以.bib结尾的引用文件，并把刚刚复制的文献信息粘贴在文件中 @article&#123;ferrari2006raman, %此处为引用标签 title=&#123;Raman spectrum of graphene and graphene layers&#125;, author=&#123;Ferrari, Andrea C and Meyer, JC and Scardaci, V and Casiraghi, C and Lazzeri, Michele and Mauri, Francesco and Piscanec, S and Jiang, Da and Novoselov, KS and Roth, S and others&#125;, journal=&#123;Physical review letters&#125;, volume=&#123;97&#125;, number=&#123;18&#125;, pages=&#123;187401&#125;, year=&#123;2006&#125;, publisher=&#123;APS&#125; &#125; 1.3在正文中链接到bib文件为了更有条理地管理latex文档，所以比较习惯把整个latex文档分成3部分： 包管理、标题、自定义环境、变量等； 正文部分； 引用文献； 1.4在正文中进行引用以上图bib文件中的第一篇paper为例，如果要引用它，则： we cite a paper here \cite&#123;ferrari2006raman&#125;. 2.公式录入 免费数学神器Mathpix，强大到出移动版了，手写公式扫一扫就能识别，一键嵌入 MarkDown。 公式编辑器-知乎 博文分享 下载地址：https://mathpix.com/ 3.表格处理表格处理工具：LaTeX Tables Generator 4.制作幻灯片没错，LaTeX的确还可以制作精美的幻灯片pdf，不过具体使用方法与论文写作大同小异，网上也有很多漂亮的模板，有兴趣可以去继续了解。 LaTex Beam主题模板 5.插入矢量图片PDF工具就用它了Adobe Acrobat 👍 , 包揽你常用的PDF内容编辑，页面裁剪，导出，生成PDF等多项功能！！ Adobe Acrobat安装 总结日常写作用轻量级的Markdown编辑器 typora, 主页极其漂亮的同时，软件本身也非常简洁实用，功能强大。想要获得更为复杂和严谨的论文排版作品，上LaTeX，这样基本就能涵盖所有的写作场景，告别臃肿难用的word软件，让我们更专注于内容，享受其中。 暂时就想到这些了，等想到了再更吧，Happy LaTeXing！]]></content>
<categories>
<category>软件安装与配置</category>
</categories>
<tags>
<tag>软件安装与配置</tag>
</tags>
</entry>
<entry>
<title><![CDATA[通道注意力机制-SENet]]></title>
<url>%2F2019%2F09%2F11%2Ftong-dao-zhu-yi-li-ji-zhi-senet%2F</url>
<content type="text"><![CDATA[SENetarXiv-Link： Squeeze-and-Excitation NetworksJie Hu, Li Shen, Gang Sun 摘要卷积神经网络顾名思义就是依赖卷积操作，使用局部感受区域（local receptive field）的思想融合空间信息和通道信息来提取包含信息的特征。有很多工作从增强空间维度编码的角度来提升网络的表示能力，本文主要聚焦于通道维度，并提出一种新的结构单元——“Squeeze-and-Excitation(SE)”单元，对通道间的依赖关系进行建模，可以自适应的调整各通道的特征响应值。如果将SE block添加到之前的先进网络中，只会增加很小的计算消耗，但却可以极大地提升网络性能。依靠SENet作者获得了ILSVRC2017分类任务的第一名，top-5错误率为2.251%。 1. Introduction每个卷积层有若干滤波器，可以学习表达包含所有通道的局部空间连接模式。也就是说，卷积滤波器提取局部感受区域中的空间和通道的融合信息。再加上非线性激活层和降采样层，CNN可以获得具有全局感受区域的分层模式来作为图像的描述。最近的一些工作表明，可以通过加入有助于获取空间相关性的学习机制来改善网络的性能，而且不需要额外的监督。例如Inception架构，通过在模块中加入多尺度处理来提高性能。另有探索更好的空间相关性的模型或者添加空间注意力的一些工作。 与上述方法不同，本文主要探索网络架构设计的另一个方面——通道关联性。本文提出一种新的网络单元——“Squeeze-and-Excitation(SE)” block，希望通过对各通道的依赖性进行建模以提高网络的表示能力，并且可以对特征进行逐通道调整，这样网络就可以学习通过全局信息来有选择性的加强包含有用信息的特征并抑制无用特征。SE block的基本结构见图1。第一步squeeze操作，将各通道的全局空间特征作为该通道的表示，形成一个通道描述符；第二步excitation操作，学习对各通道的依赖程度，并根据依赖程度的不同对特征图进行调整，调整后的特征图就是SE block的输出。 前面层中的SE block以类别无关（class agnostic）的方式增强可共享的低层表示的质量。越后面的层SE block越来越类别相关。SE block重新调整特征的益处可以在整个网络中积累。SE block设计简单，可以很容易地加入到已有的网络中，只增加少量的模型复杂度和计算开支，另外对不同数据集的泛化能力较强。作者依靠SENet取得了ILSVRC2017分类任务的第一名。官方实现（Caffe）源码地址：SENet官方实现 。 2. Related WorkDeep architectures有很多工作通过调整卷积神经网络架构使模型更容易地学习深层特征以提升模型性能。VGG和Inception网络证明可以通过增加深度来提升性能。Batch normalization (BN)在网络中添加可以调节输入数据的单元来稳定学习过程，改善梯度在网络中的传播，使得更深层的网络也可以工作。ResNet、ResNet-v2在网络中加入恒等映射形式的跳跃连接，使网络学习残差函数，极大推进了网络架构向更深层的发展。DenseNet、DPN通过调整网络各层间的连接机制来提升深层网络的学习和表示性能。另一个方向是调整网络中模块的形式。分组卷积（grouped convolutions）可以用于增加基数（cardinality），如Deep roots、ResNeXt中所示，网络可以学习到更丰富的表示。多分支卷积（multi-branch convolutions）可以视为分组卷积的泛化，网络模块可以进行更灵活多变的操作，如Inception系列。跨通道相关是一种新的特征组合方式，可以独立于空间结构（如Xception），或者使用1x1卷积进行处理（如NIN），一般来说这些工作主要是为了降低模型和计算复杂度。这种方法的前提假设是通道是实例无关（instance-agnostic）的，也就是说输出对于输入数据各通道的依赖性是相同的，不是类别相关的。与之相反，本文提出一种新的机制，使用全局信息对各通道动态的非线性的依赖性进行建模，可以改善学习过程并提升网络的表示能力。 Attention and gating mechanisms注意力机制（attention）引导计算资源偏向输入信号中信息量最大的部分，近几年开始大量用于深度神经网络中，在很多任务中对性能有极大提升。它一般是和门限函数（如softmax、sigmoid）或者序列方法联合使用。highway网络使用门限机制来调节快捷连接，Residual attention network for image classification中介绍了一种trunk-and-mask注意力机制用于沙漏模型（hourglass module），成功的用于语义分割任务。SE block是一种轻量级的门限机制，专门用于对各通道的关联性进行建模。 3. Squeeze-and-Excitation Blocks卷积层的输出并没有考虑对各通道的依赖性，本文的目标就是让网络有选择性的增强信息量大的特征，使得后续处理可以充分利用这些特征，并对无用特征进行抑制。 3.1 Squeeze: Global Information Embedding首先考察输出特征每个通道的信号，压缩（squeeze）全局空间信息为通道描述符，使用全局平均池化来生成各通道的统计量。 3.2 Excitation: Adaptive Recalibration第二就是考察各通道的依赖程度，实现函数有两个标准：一是要灵活，二是要学习一个非互斥的关系，因为可能多个通道都会对结果有影响。本文使用带sigmoid激活函数的门限机制来实现。为了限制模型复杂度并增强泛化能力，门限机制中使用bottleneck形式的两个全连接层，第一个FC层降维至1/r，r为超参数，本文取16，具体见6.3实验。最后的sigmoid函数就是各通道的权重，根据输入数据调节各通道特征的权重，有助于增强特征的可分辨性。 3.3 Exemplars: SE-Inception and SE-ResNet在Inception网络和ResNet网络中加入SE block，具体见图2、图3。 4. Model and Computational Complexity对添加了SE block的网络的具体配置见表1。 每个SE block中包含一个全局平均池化操作，两个小的全连接层，最后一个简单的逐通道缩放操作，全部合起来在ResNet-50的基础上增加了0.26%的计算量。新添加的参数量主要来自于两个全连接层，ResNet-50增加了约10%，大多数都是来自最后阶段，此时的通道维度很大。但是实验发现如果去掉最后阶段的SE block性能并没有太大影响，而新增加的参数量则会减小到约4%。 5. Implementation基本都是常规处理和训练设置。采用了Relay backpropagation for effective learning of deep convolutional neural networks中的数据平衡策略。 6. Experiments6.1 ImageNet Classification本文实验的不同网络的配置见表2，训练曲线见图4-6。 在ImageNet验证集上不同网络的表现见表3。 6.2 Scene Classification不同网络的性能对比见表4。 6.3 Analysis and DiscussionReduction ratio3.2中讨论的降维系数是超参数，它不同取值对网络性能的影响见表5。 为了权衡准确率与复杂度，本文选取r=16。The role of Excitation考察自门限（self-gating）excitation机制。选取四个类别（如图7），分别考察不同层中的SE block的平均激活值，其分布如图8所示。 通过观察图8中不同层SE block激活值的分布情况，发现1)前面层中的分布基本一样，说明这一阶段的特征是类别无关的；2)后续层中分布越来越类别相关，每个类别对特征由不同的选择；3)SE_5_2和SE_5_3中的分布也基本一致，说明这两层对网络重新调整的重要性不高，可以去掉这两层中的SE block以减少参数量，如第4章中所述。 7. ConclusionSE block根据输入动态调整各通道的特征，增强网络的表示能力。另外也可以用于辅助网络修剪/压缩的工作。]]></content>
<categories>
<category>Paper Reading</category>
</categories>
<tags>
<tag>计算机视觉</tag>
</tags>
</entry>
<entry>
<title><![CDATA[深度学习GPU环境搭建-下篇]]></title>
<url>%2F2019%2F09%2F11%2Fshen-du-xue-xi-gpu-huan-jing-da-jian-xia-pian%2F</url>
<content type="text"><![CDATA[本节详细说明一下最新GPU深度学习平台环境配置 Ubuntu16+RTX2080Ti+CUDA10.0+Anaconda3+Python3.6+Tensorflow1.13.1+Pytorch1.3.0 服务器环境Ubuntu: 16.04 64bit Nvidia driver 410 Anaconda: 3 python3.6 CUDA: 10.0 cuDNN: 7.4 值得注意：如果您在RTX2080Ti环境下安装了CUDA10.0，GPU版Pytorch 最低只能安装1.2.0这个版本，TF也有相应的版本限制，请参考文末链接查看，考虑后再决定安装CUDA版本。如果先安装了CUDA10.0及10.0以上版本，而之后想使用低版本的Pytorch、TF，您可能需要降低CUDA至9.2版本✅，可考虑深度学习 环境配置（Tensorflow,Pytorch）多版本CUDA共存，请自行百度。 1.安装Linux系统需要从网上下载ubuntu系统，并制作安装U盘。 准备工作。制作Ubuntu系统启动U盘，可参考链接 U盘启动安装，开机按delete或f2进入BIOS，更改启动方式，U盘启动 进入ubuntun选择试用不安装，进入之前的unbuntun系统，备份home盘数据（如果不备份，重装系统数据会清除）。 U盘启动，选择install unbuntun. 选择英文，图形界面不勾选，installtion type 选择 something else。 注：如果是安装双系统，不要选择第二项 擦除数据，这会把之前系统盘文件全部删除。参考博客https://blog.csdn.net/fesdgasdgasdg/article/details/54183577?tdsourcetag=s_pcqq_aiomsg 进入unbuntun系统，图形分辨率字很大，不用担心，因为没安装显卡驱动原因。安装对应显卡驱动 安装完显卡驱动，你将拥有全新的unbuntun系统，则可以进行你常用的环境配置与软件安装，以自身需求，介绍一下要用到的深度学习环境和常用软件安装。安装常用软件 谷歌浏览器，搜狗输入法，notepad++, 为知笔记，pycharm, anaconda, cuda,opencv pytorch tensorflow 配置VPN，teamviewer 等。cuda+cudnn,参考链接https://blog.csdn.net/gdengden/article/details/89399653 奇葩的问题：Ubuntu16.04 命令行 sudo:无法解析主机在使用linux的sudo命令时候可能有些人会遇到这样的问题：“sudo:无法解析主机:xxxxx(您的主机名)，遇到了这种问题，解决方案： 出现这种问题是hosts文件没有配置好所导致的，linux无法解析到您的主机地址，解决方案如下： $ sudo vim /etc/hosts 打开文件以后，将其中的 : 127.0.1.1 xxxxx 后面的xxxx替换为你的电脑主机名字，也就是错误中最后那串字符。如果没有的话就将其添加进去。 可以在终端查看主机名： $ hostname 将查看的主机名代替xxxx即可。 利用lspic命令行工具便可用来获取显卡的硬件信息： 查看当前使用的显卡驱动 实际上我们则可以使用如下命令来检查显卡驱动的详情： modinfo nvidia 2.安装英伟达NVIDIA驱动1.查看机器是否已经自带有其他显卡驱动 lshw -c video 或者 lshw -C display # 看configurure字段有木有driver字样，若有内容，则表示对应的工作站已经有显卡驱动了 sudo lshw -c video | grep configuration # 查看当前 Linux 系统上所使用的显卡驱动名称 注意！！！ Ubuntu18.04 或者其它很有可能是configurure字段显示nouveau，而深度学习要用到NVIDIA驱动,所以先禁用nouveau； 2.禁用自带的nouveau驱动（如果：configuration字段driver=nouveau） 安装NVIDIA需要把系统自带的驱动禁用，打开文件： sudo vim /etc/modprobe.d/blacklist.conf 在文本最后添加以下内容： blacklist nouveau options nouveau modeset=0 命令窗口会提示warning，忽略即可。保存退出，执行以下命令生效： sudo update-initramfs -u 重启后，执行以下命令： lsmod | grep nouveau 如果屏幕没有任何输出，说明禁用nouveau成功 3.下载驱动文件 注意: 此处驱动的安装也可以不安装，比如新购置的服务器，可采用： CUDA+驱动同时安装 ,因为在安装CUDA时会提示你选择是否安装 合适的显卡驱动， 如果已经在此步骤安装过驱动了, 则可以在安装CUDA时把驱动安装取消选择即可 安装好linux系统后，对于RTX2080ti来说，Nvidia driver 384已经不适合了，请从官方网站下载和自己的显卡适配的驱动文件，是.run文件，下载地址: Download Drivers 下载完成之后会得到一个安装包，不同版本文件名可能不一样： NVIDIA-Linux-x86_64-410.93.run 4.卸载原有的NVIDIA驱动（没装的话就跳过第3步） 操作都需要在命令界面操作，执行以下快捷键进入命令界面，并登录： Ctrl-Alt+F1 执行以下命令禁用X-Window服务，否则无法安装显卡驱动： sudo service lightdm stop 执行以下三条命令卸载原有显卡驱动: 注意: 这里默认利用 runfile安装，卸载也需要这个runfile，所以安装完驱动最好保留之前的安装包，以备卸载的需要 ，参考： 安装驱动方式的不同，卸载也有些许不同 sudo apt-get remove --purge nvidia* sudo chmod +x NVIDIA-Linux-x86_64-410.93.run sudo ./NVIDIA-Linux-x86_64-410.93.run --uninstall 5.安装新驱动 直接执行驱动文件即可安装新驱动，一直默认即可： sudo ./NVIDIA-Linux-x86_64-410.93.run 执行以下命令启动X-Window服务: sudo service lightdm start 最后执行重启命令，重启系统即可： reboot 安装完成后，查看驱动版本： sudo dpkg --list | grep nvidia-* nvidia-smi 不出意外说明显卡驱动成功安装，后面继续安装cuda. 特别注意：如果系统重启之后出现重复登录的情况，多数情况下都是安装了错误版本的显卡驱动。需要下载对应本身机器安装的显卡版本。 上图是服务器上 GeForce RTX 2080 Ti 的信息，下面一一解读参数。 上面的表格中的红褐色框中的信息与下面的二个框的信息是一一对应的： GPU：GPU 编号； Name：GPU 型号； Persistence-M：持续模式的状态。持续模式虽然耗能大，但是在新的GPU应用启动时，花费的时间更少，这里显示的是off的状态； Fan：风扇转速，从0到100%之间变动； Temp：温度，单位是摄氏度； Perf：性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能（即 GPU 未工作时为P0，达到最大工作限度时为P12）。 Pwr:Usage/Cap：能耗； Memory Usage：显存使用率； Bus-Id：涉及GPU总线的东西，domain:bus:device.function； Disp.A：Display Active，表示GPU的显示是否初始化； Volatile GPU-Util：浮动的GPU利用率； Uncorr. ECC：Error Correcting Code，错误检查与纠正； Compute M：compute mode，计算模式。 下方的 Processes 表示每个进程对 GPU 的显存使用率。 利用命令：nvidia-smi -L ： 用于列出所有可用的 NVIDIA 设备信息 3.安装CUDA10.01.卸载旧的CUDA 这是因为如果您的显卡RTX2080，安装了CUDA 8.0 和 CUDNN 7.0.5或者CUDA9.0不能够正常使用，需要安装CUDA9.2或CUDA 10.0 和 cuDNN 7.4.2，所以要先卸载原来旧的CUDA。注意以下的命令都是在root用户下操作的。 卸载CUDA很简单，主要执行的是CUDA自带的卸载脚本，请根据自己的cuda版本找到卸载脚本： 如果之前安装了CUDA 9.0在 /usr/local/cuda-9.0/bin 目录下有一个 uninstall_cuda*.pl 文件，CUDA8卸载同理，可以直接运行卸载，命令如下： sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl 卸载之后，还有一些残留的文件夹，如果之前安装的是CUDA 9.0，可以一并删除： sudo rm -r /usr/local/cuda-9.0/ 这样即可将 CUDA 全部卸载。 2.安装CUDA 安装的CUDA10.0和CUDNN7.4.2版本： 接下来的安装步骤都是在root用户下操作的。 下载和安装CUDA 我们可以在官网：CUDA10下载页面，下面以CUDA10.0为例，安装时只需替换相应版本信息，请大家下载符合自己系统版本的CUDA！！！。 cd 到下载的文件目录.run文件下，root下安装 sudo chmod +x cuda_10.0.130_410.48_linux.run // 获取权限 sudo sh cuda_10.0.130_410.48_linux.run // 执行安装包，开始安装 开始安装之后，需要阅读说明，可以使用Ctrl + C直接阅读完成，或者使用空格键慢慢阅读。然后进行配置，这里说明一下： 注意：为了避免问题，不要选择安装CUDA下的显卡驱动，其他选yes （是否同意条款，必须同意才能继续安装） accept/decline/quit: accept （这里不要安装驱动，因为已经安装最新的驱动了，否则可能会安装旧版本的显卡驱动，导致重复登录的情况） Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48? (y)es/(n)o/(q)uit: n Install the CUDA 10.0 Toolkit?（是否安装CUDA 10 ，这里必须要安装） (y)es/(n)o/(q)uit: y Enter Toolkit Location（安装路径，使用默认，直接回车就行） [ default is /usr/local/cuda-10.0 ]: Do you want to install a symbolic link at /usr/local/cuda?（同意创建软链接） (y)es/(n)o/(q)uit: y Install the CUDA 10.0 Samples?（不用安装测试，本身就有了） (y)es/(n)o/(q)uit: n Installing the CUDA Toolkit in /usr/local/cuda-10.0 ...（开始安装） cuda_10.1.105_418.39_linux.run 安装界面略有不同，安装界面如下： 安装过程中，驱动前面已经安装，就不需要了，其他的默认安装，选择Install，回车，等待安装完成。请注意，X 表示安装，空表示不安装。 安装完成之后，可以配置他们的环境变量，打开.bashrc 文件： sudo gedit ~/.bashrc 打开文件后将下面代码加入文件最后，cuda位置，要根据自己cuda版本安装路径: export CUDA_HOME=/usr/local/cuda export LD_LIBRARY_PATH=$&#123;CUDA_HOME&#125;/lib64:$&#123;LD_LIBRARY_PATH:+:$&#123;LD_LIBRARY_PATH&#125;&#125; export PATH=$&#123;CUDA_HOME&#125;/bin:$&#123;PATH&#125; 保存并关闭，命令行输入下面命令,使配置生效： source ~/.bashrc 终端输入： nvcc --version 或 nvcc -V # 可以看到已经安装成功CUDA10版本了 会输出CUDA的版本信息，cuda安装成功。 4.下载和安装cuDNN1.官网下载：https://developer.nvidia.com/rdp/cudnn-download进入时需要登录，没有账户的话就注册一个，进入即可。选择和自己cuda适配的版本。 2.解压下载好的cudnn压缩包，如： cudnn-10.0-linux-x64-v7.4.2.24.tgz 或者 cudnn-10.0-linux_x64-v7.6.0.64.tgz tar -zxvf cudnn-10.0-linux-x64-v7.4.2.24.tgz 解压之后可以得到以下文件： cuda/include/cudnn.h cuda/NVIDIA_SLA_cuDNN_Support.txt cuda/lib64/libcudnn.so cuda/lib64/libcudnn.so.7 cuda/lib64/libcudnn.so.7.4.2 cuda/lib64/libcudnn_static.a 使用以下命令复制这些文件到CUDA目录下： #cp是copy指令 sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/ #chmod命令用于改变linux系统文件或目录的访问权限。 #a ：所有的用户及群组。r ：读权限。所以a+r表示所有用户都只有可读权限 sudo chmod a+r /usr/local/cuda-10.0/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn* 3.查看cudnn版本，可以使用以下命令查看CUDNN的版本信息 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 安装好cuda和cudnn之后，恭喜你，就可以安装tensorflow、pytorch等深度学习框架了。 5.安装Anaconda3这里使用 Anaconda 3 来安装，下载地址：https://www.anaconda.com/download/#linux，点击 Download 按钮下载即可，这里下载的是 Anaconda 3-5.1 版本，如果下载速度过慢,强烈建议选择使用清华镜像 。 下载下来之后目录下会出现一个 Anaconda3-5.1.0-Linux-x86_64.sh 文件，然后直接执行即可安装： bash Anaconda3-5.1.0-Linux-x86_64.sh 执行完毕之后按照默认设置走下来即可完成安装。 这里默认它会安装到用户目录下，如果想全局安装，可以在这一步输入你要安装的地址： Anaconda3 will now be installed into this location: /home/wy/anaconda3 - Press ENTER to confirm the location - Press CTRL-C to abort the installation - Or specify a different location below [/home/wy/anaconda3] >>> /usr/local/anaconda3 PREFIX=/usr/local/anaconda3 这里我指定了将其安装到 /usr/local/anaconda3 目录下，全局安装，所有用户共享，当然如果只想本用户使用的话使用默认配置即可。 安装完成之后添加 python3 和 pip3 的软链接： sudo ln -s /usr/local/anaconda3/bin/python3 /usr/local/sbin/python3 sudo ln -s /usr/local/anaconda3/bin/pip /usr/local/sbin/pip3 这里是将软连接其添加到 /usr/local/sbin 目录下了，它默认会存在于环境变量中，因此可以直接调用。 当然也可以选择把 /usr/local/anaconda3/bin 目录添加到环境变量中，具体地，可以修改 ~/.bashrc 文件，添加如下内容： export PATH=/usr/local/anaconda3/bin$&#123;PATH:+:$&#123;PATH&#125;&#125; 然后执行： source ~/.bashrc 即可生效，下次登录时也会默认执行 ~/.bashrc 文件，也会生效。 接下来我们验证下 python3、pip3 命令是否都来自 Anaconda，命令如下： pip3 -V pip 9.0.1 from /usr/local/anaconda3/lib/python3.6/site-packages (python 3.6) which python3 /usr/local/anaconda3/bin/python3 python3 Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19) [GCC 7.2.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> 如果输入 pip3 和 python3 命令能出现如上类似结果，路径都在 /usr/local/anaconda3，就证明 Python 3 安装成功了。 总结上面步骤，安装好CUDA、cuDNN、Anaconda后关键做到的两点： 1、进入root用户，在root下配置环境变量，更新配置文件 su root cd Enter # 回车 gedit .bashrc # 在文件末尾添加环境变量 export PATH=/usr/local/anaconda3/bin$&#123;PATH:+:$&#123;PATH&#125;&#125; export CUDA_HOME=/usr/local/cuda export LD_LIBRARY_PATH=$&#123;CUDA_HOME&#125;/lib64:$&#123;LD_LIBRARY_PATH:+:$&#123;LD_LIBRARY_PATH&#125;&#125; export PATH=$&#123;CUDA_HOME&#125;/bin:$&#123;PATH&#125; # 保存退出 # 更新配置文件 source .bashrc 2、然后配置普通用户的环境变量 su 普通用户名 cd Enter # 回车 gedit .bashrc # 在文件末尾添加环境变量 export PATH=/usr/local/anaconda3/bin$&#123;PATH:+:$&#123;PATH&#125;&#125; export CUDA_HOME=/usr/local/cuda export LD_LIBRARY_PATH=$&#123;CUDA_HOME&#125;/lib64:$&#123;LD_LIBRARY_PATH:+:$&#123;LD_LIBRARY_PATH&#125;&#125; export PATH=$&#123;CUDA_HOME&#125;/bin:$&#123;PATH&#125; # 保存退出 # 更新配置文件 source .bashrc 特别说明：本文只针对单用户GPU环境及软件安装做了详细说明，如果是多个用户在一台多显卡服务器上作开发，则需要利用conda进行python虚拟环境的创建与管理，所以需要各个用户在自己的账户下独立安装Anaconda，并在当前用户中的.bashrc文件中将Anaconda路径改为本用户下安装的Anaconda路径，而不是root用户中的Anaconda路径。 如何创建Anaconda虚拟环境解决Python和PyTorch版本不一致问题 用conda创建python虚拟环境 6.安装TensorFlow 1.13.1到现在为止 Python 3.6、CUDA 10.0 和 cuDNN 7.14就已经安装好了，而且环境变量也配置好了，接下来我们直接安装 TensorFlow 1.13.1 即可。 这里需要安装的是 TensorFlow 的 GPU 版本，命令如下： pip3 install tensorflow-gpu==1.13.1 你会发现上面安装特别慢，强烈建议使用 国内pypi源加速 , 速度超快啊！！！ pip3 install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple 安装完成之后验证一下： python import tensorflow as tf tf.__version__ tf.__path__ 如果没有报错，那就证明全部环境配置都成功了。 如果报错： FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`. from ._conv import register_converters as _register_converters 报错原因： 因为你所使用的h5py库，有一部分函数与numpy1.14有冲突 解决方法： 对h5py库进行升级 ✅ pip3 install h5py==2.8.0rc1 -i https://pypi.tuna.tsinghua.edu.cn/simple 如果您的tensorflow安装后不能使用，请参照官方安装手册：tensorflow版本和CUDA、cuDNN版本的兼容问题， 也可参考本博文下方链接。 7.Pytorch 1.3.07.1 安装过程中注意：torch和torchvision版本必须相匹配如不匹配，可能报错： torchvision 0.3.0 has requirement torch>=1.1.0, but you'll have torch 1.0.0 which is incompatible. RTX 2080Ti，CUDA安装版本10及以上， 方案一： 通过pytorch官发链接pip装，命令如下： pip3 install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-linux_x86_64.whl 发现速度实在太慢！！于是我们考虑 方案二： 离线安装： 注意方案一 在控制台出现的下载路径，复制到浏览器，手动下载： 到官网下载torch1.1：https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-linux_x86_64.whl ，将本地文件上传到服务器指定位置，路径换到压缩包所在位置，在控制台输入指令： pip3 install torch-1.1.0-cp36-cp36m-linux_x86_64.whl pip3 install torchvision==0.3.0 方案三： 以上两种方案纯属呵呵🙂，强烈建议使用 国内pypi源加速 , 直接安装pytorch最新版本，最新版本做了诸多优化！通过pypi镜像安装速度超快啊 ★★★★★ 👍👍👍 pip3 install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple 这样就安装好啦，然后测试一下, 会输出torch版本1.3.0，torchvision版本0.4.1： python import torch,torchvision torch.__version__ torchvision.__version__ torch.__path__ torchvision.__path__ 7.2 GPU 测试失败原因 按照以上教程走完安装过程测试，出现如下情况 >>> python >>> import torch >>> torch.cuda.is_available() False 找到原因： 显卡驱动太老，解决办法：替换原有驱动。查看驱动对应的cuda的型号 nvcc --version 参考链接： nvidia与cuda需要满足关系： https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html cuda与cudnn需要满足关系： https://developer.nvidia.com/rdp/cudnn-archive 查看torch的对应cuda的版本>>> python >>> import torch >>> print(torch.version.cuda) 注意： 在CUDA10.0 安装了 torch版本1.1.0和torchvision版本0.3.0，当你运行程序很可能会报错: RuntimeError: cuda runtime error (11) : invalid argument at /pytorch/aten/src/THC/THCGeneral.cpp:383 解决方法：升级torch版本到1.1.0以上即可解决！！！7.3 关于使用PyTorch设置多线程（threads）进行数据读取而导致GPU显存始终不释放的问题使用PyTorch设置多线程（threads）进行数据读取（DataLoader），其实是假的多线程，他是开了N个子进程（PID都连着）进行模拟多线程工作，所以你的程序跑完或者中途kill掉主进程的话，子进程的GPU显存并不会被释放，需要手动一个一个kill才行，具体方法描述如下： 1.先关闭ssh（或者shell）窗口，退出重新登录 2.查看运行在gpu上的所有程序： fuser -v /dev/nvidia* 3.kill掉所有（连号的）僵尸进程 以上便是 Ubuntu 16.04 + RTX 2080 Ti + Python 3.6 + CUDA 10.0 + cuDNN 7.4 + TensorFlow 1.13.1 + Pytorch 1.3.0等 完整环境配置过程。 8.配置 ssh 远程连接1）安装 open-ssh apt-get install openssh-server 2）修改权限，允许 ssh 登录 root gedit /etc/ssh/sshd_config 注释 ：PermitRootLogin prohibit-password添加： PermitRootLogin yes 3）重启 ssh service ssh restart 9.Linux终端复用工具 Tmux Tmux 的全称是 Terminal MUtipleXer，及终端复用软件。顾名思义，它的主要功能就是在你关闭终端窗口之后保持进程的运行，此外 Tmux 的另一个重大功能就是分屏 . 前言 很多时候我们需要通过SSH连接服务器进行一些操作，费了好长时间调好了程序，一顿饭的功夫SSH超时了(broken pipe)，重新连上去正在运行的程序也都没了，一切又得从头再来。这个时候你就非常需要用到tmux了，用tmux在服务器上创建一个会话（Session），在该会话中进行操作，你可以随时随地断开和重新连接会话（Session），即便是SSH中断了你在远程服务器上的工作状态也可以持久化地保存。 安装及使用方法 和枯燥的终端说再见吧 → 终端复用工具 Tmux Tmux结构 vim端 tmux new -s name 创建name tmux attach -t name 重启name tmux ls 列出所有session tmux kill-server 删除所有session tmux a 进入最近的会话 tmux a -t 会话名 进入指定会话 tumx kill-session -t 会话名 干掉指定会话 tmux中(命令前缀ctrl+b) d 退出当前session s 切换session c 创建新窗口 0-9 切换指定窗口 w 窗口列表 % 竖直分屏 “ 左右分屏 x 关闭当前屏幕 10.Windows全能终端神器MobaXterm安装主要功能](https://mobaxterm.mobatek.net/)： 支持各种连接SSH，X11，RDP，VNC，FTP，MOSH支持Unix命令（bash，ls，cat，sed，grep，awk，rsync，…）连接SSH终端后支持SFTP传输文件各种丰富的插件（git/dig/aria2…）可运行Windows或软件 官网下载地址 注意：如果你想利用MobaXterm中的VNC可视化远程服务器窗口，方法有二： 方法一：Linux下开启VNCserver服务（非常不推荐 😪）方法二：参考博文设置 (极力推荐!!! 😃) 11. No module named ‘cv2’等python库解决方法及Python包更新方法只要是缺少的python库文件，请善用 国内pypi源加速 , 速度超快啊！！！ pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple 当你需要更新python包时，还是那句话，请善用 国内pypi源加速 , 速度超快啊！！！ 如：我当前需要更新pip pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple 他山之石： Ubuntu下安装CUDA10.0遇到的问题(一定要注意自己版本) Tensorflow不同版本要求与CUDA及cuDNN版本对应关系 ubuntu 18.04 安装后基本配置以及常用软件安装 深度学习工程师生存指南]]></content>
<categories>
<category>深度学习环境搭建</category>
</categories>
<tags>
<tag>深度学习环境搭建</tag>
</tags>
</entry>
<entry>
<title><![CDATA[科研工具]]></title>
<url>%2F2019%2F08%2F27%2Fke-yan-gong-ju%2F</url>
<content type="text"><![CDATA[Some tips for research and coding本博文正在丰富内容～～～💪💪💪 1. 科研起步必读文章 1.CCF优博、南大蒋炎岩：我的博士五年 重点 2.Karpathy-博士经验 (翻译) 3.陈天奇-科研十年 4.王一-科研idea 5.王赟-我的八年博士生涯 6.李沐-博士这五年 7.毕业撒花 8.帝国理工-博士手册（Doctoral Milestones） 信息收集 1.Google Scholar 如何查询相关文章 2.Google Scholar 如何follow研究者 谷歌学术：https://www.google.com.hk 谷歌学术镜像：http://xilesou.99lb.net/ 、 https://xue.glgoo.org/ 3.计算机相关论文免翻墙直连检索DBLP 也可通过 https://dblp.uni-trier.de/ 访问. 4.arXiv预印本 http://arxiv.org/list/cs.CV/recent 看最近一周的论文; 使用http://arxiv.org/list/cs.CV/1704，可以查看17年04月的全部内容了; 使用http://arxiv.org/list/cs.CV/17，可以查看17年的所有内容，其余搜索也类似。 5.arXiv中国镜像 使用技巧：如 https://arxiv.org/pdf/1512.03385.pdf 下载很慢，换成 http://xxx.itp.ac.cn/pdf/1512.03385.pdf, 即可体验光速下载。注意 https 要换成 http 6.语义学者(Semantic Scholar)免费学术搜索引擎 7.arXiv-sanity人工智能论文检索引擎 8.arXiv-vanity将来自 arXiv 的论文渲染成响应式网页 9.arXiv链接中科院文献情报中心开发的arXiv文献检索平台 10.Papers With Code 自动把论文连接到实现代码的 GitHub 资源库和数据集，并根据 GitHub 的收藏量排序。每篇论文可能有多个合并的条目，可快速了解领域进展。 11.IEEE会议或期刊论文检索 12.sci-hub文献下载站 例如输入这个：https://ieeexplore.ieee.org/document/8070331/ 13.论文在线翻译网页-通天塔 14.2019-2020 International Conferences in Artificial Intelligence, Machine Learning, Computer Vision, Data Mining, Natural Language Processing and Robotics 15.mendeley 文章整理APP 科研必备的浏览器插件+文献工具：链接：https://pan.baidu.com/s/1w2Xa30hOvo1aMhpiJCmceg 提取码：7j6b TeXstudio + TeX Live论文撰写工具礼包：链接：https://pan.baidu.com/share/init?surl=5dYyDflQCPVz_jlwEkngUw 提取码：hz3r 16.2019 CVPR Accepted Papers分类检索 17.深度学习500问 18.深度学习工程师生存指南 👍 19.优秀的国际会议 👍👍 AI Conference Deadlines Best Paper Awards in Computer Science 20.中国计算机学会推荐国际学术会议 👍 21.必备工具 使用简单, 超级稳定 👍 Tips：先免费注册体验，后使用！ 安卓或桌面备用方法： 1.下载安装：地址一 、地址二 、地址三 、地址四 （邀请码：54RF3D） 2.下载安装：地址 硅谷黑科技！ 3.下载安装：神盾 使用優惠代碼：WYC 2021年1月31日以前享受8折優惠 4.软件下载地址：地址一 、 地址二 、官方一、 官方二、官方三 、官方四 免费账号：地址一 、地址二、地址三、地址四 5.软件下载地址：地址一、地址二 、 Temp-Email：地址一 、地址二 6.免费分享：地址 、解密工具 2. Github Github历史和目的 创建账号 建立Repository git init 初始化 git add xxx.txt 添加xxx.txt到git git add -A 添加所有文件到git git commit -m “hahahah” 添加注释 git push 上传更新 git clone https://github.com/account/repository.git git status 查询状态 如何在网站上修改 git pull 与Github同步 git branch 查看branch git branch -a 查看所有branch git branch new 创建branch名为new git checkout new 进入new branch git checkout master 返回主branch git checkout -b new2 创建并进入branch名为new2 修改branch后，commit到Github上，如何在github上发起Push Request .gitignore 自定义不能被添加的文件 添加collaborator 新建organization 练习：建立自己的个人主页 3. GPU 目的 nvidia-smi 查看GPU使用情况 watch -n 1 nvidia-smi：每秒钟刷新GPU使用情况 sudo fuser -v /dev/nvidia* 查看GPU使用者 sudo kill -9 PID 杀掉进程 CUDA_VISIBLE_DEVICES=0 python xxx.py 指定GPU0 CUDA_VISIBLE_DEVICES=0,1 python xxx.py 指定GPU0和1 CUDA_VISIBLE_DEVICES=“” python xxx.py 不使用GPU python xxx.py > train.log & 把输出放入train.log（>）; 不显示输出（&） CPU & GPU top htop 深度学习GPU环境搭建全家桶 4. tmux 目的：关闭当前Terminal/命令窗口，程序依然进行。参考博文 #启动新session： $ tmux [new -s 会话名 -n 窗口名] #恢复session： $ tmux at [-t 会话名] #列出所有sessions： $ tmux ls #关闭session： $ tmux kill-session -t 会话名 #关闭整个tmux服务器： $ tmux kill-server 5. Virtualenv 目的 Installation pip3 install virtualenv 安装virtualenv virtualenv env 新建环境 source env/bin/activate 进入环境 deactivate 退出环境 6. 文档 Markdown Typora Readthedoc https://github.com/tensorlayer/tensorlayer/tree/master/docs https://tensorlayer.readthedocs.io RST and Sphinx syntax 7. 远程连接 MacOS - Cyberduck Windows - MobaXterm PyCharm TeamViewer 8. TensorLayer Installation Dynamic and Static Models 、 Advanced Features 、 Data Augmentation Basic Tutorials CIFAR10 has data augmentation A Good Project Template RL Tutorials for Research / for Production PyTorch深度网络逐层性能分析器 9. Deep Learning 等 NIPS 19 Subject Areas CVPR 19 Program Guide CVPR 19 Paper list / oral list SIGGRAPH 19 Technical Papers Fast Forward/ Paper List zsdonghao/deep-learning-note Distributed Training TingFlow 教学性DL框架 模型结构可视化神器 - Netron 线Netron网址: https://lutzroeder.github.io/netron/ 10. Publishing Paper Conference DDL Grammarly 查语法错误 Overleaf 协同编辑 LaTeX: MacTex TeXLive + TexStudio等软件资源站点 Best tool for using LaTeX locally: VSCode + LaTeX Workshop 11. arXiv informationarXiv Computer Science Artificial Intelligence (cs.AI) recent / new Computer Vision and Pattern Recognition (cs.CV) recent / new Machine Learning (cs.LG) recent / new Statistics Machine Learning (stat.ML) recent / new Physics Disordered Systems and Neural Networks (cond-mat.dis-nn) recent / new Quantum Gases (cond-mat.quant-gas) recent / new Statistical Mechanics (cond-mat.stat-mech) recent / new]]></content>
<categories>
<category>科研工具</category>
</categories>
<tags>
<tag>科研工具</tag>
</tags>
</entry>
<entry>
<title><![CDATA[深度学习GPU环境搭建-上篇]]></title>
<url>%2F2019%2F08%2F26%2Fshen-du-xue-xi-gpu-huan-jing-da-jian-shang-pian%2F</url>
<content type="text"><![CDATA[为了加速神经网络的训练，使用CPU训练速度很慢，所以使用CUDA和cuDNN对神经网络进行加速，在配置的过程中你会遇到很多坑，各种坑，网上也有很多教程但是实现起来各种ERROR，真心觉得累，经过多次实验做如下超全总结！！！ 本节详细说明一下深度学习环境配置，深度学习GPU环境搭建全家桶 Ubuntu16.04+GTX1080Ti+CUDA9.0+Anaconda3+Python3.6+Tensorflow1.8.0+Pytorch1.1.0 注意：RTX 2080 Ti显卡的环境安装过程略有不同，RTX 2080Ti，CUDA要安装10以上，请参考下篇博文。 值得注意：如果安装了CUDA9.0，GPU版本Pytorch 最高只能安装到1.1.0这个版本，TF最高只能安装到1.12.0这个版本，请考虑后决定安装CUDA版本，如果先安装了CUDA9，之后想升级Pytorch、TF，也可以升级对应的CUDA版本. Python 3.6首先安装 Python 3.6，这里使用 Anaconda 3 来安装，下载地址：https://www.anaconda.com/download/#linux，点击 Download 按钮下载即可，这里下载的是 Anaconda 3-5.1 版本，如果下载速度过慢,强烈建议选择使用清华镜像 。 下载下来之后目录下会出现一个 Anaconda3-5.1.0-Linux-x86_64.sh 文件，然后直接执行即可安装： bash Anaconda3-5.1.0-Linux-x86_64.sh 执行完毕之后按照默认设置走下来即可完成安装。 这里默认它会安装到用户目录下，如果想全局安装，可以在这一步输入你要安装的地址： Anaconda3 will now be installed into this location: /home/wy/anaconda3 - Press ENTER to confirm the location - Press CTRL-C to abort the installation - Or specify a different location below [/home/wy/anaconda3] >>> /usr/local/anaconda3 PREFIX=/usr/local/anaconda3 这里我指定了将其安装到 /usr/local/anaconda3 目录下，全局安装，所有用户共享，当然如果只想本用户使用的话使用默认配置即可。 安装完成之后添加 python3 和 pip3 的软链接： sudo ln -s /usr/local/anaconda3/bin/python3 /usr/local/sbin/python3 sudo ln -s /usr/local/anaconda3/bin/pip /usr/local/sbin/pip3 这里是将软连接其添加到 /usr/local/sbin 目录下了，它默认会存在于环境变量中，因此可以直接调用。 当然也可以选择把 /usr/local/anaconda3/bin 目录添加到环境变量中，具体地，可以修改 ~/.bashrc 文件，添加如下内容： export PATH=/usr/local/anaconda3/bin$&#123;PATH:+:$&#123;PATH&#125;&#125; 然后执行： source ~/.bashrc 即可生效，下次登录时也会默认执行 ~/.bashrc 文件，也会生效。 接下来我们验证下 python3、pip3 命令是否都来自 Anaconda，命令如下： pip3 -V pip 9.0.1 from /usr/local/anaconda3/lib/python3.6/site-packages (python 3.6) which python3 /usr/local/anaconda3/bin/python3 python3 Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19) [GCC 7.2.0] on linux Type "help", "copyright", "credits" or "license" for more information. >>> 如果输入 pip3 和 python3 命令能出现如上类似结果，路径都在 /usr/local/anaconda3，就证明 Python 3 安装成功了。 安装驱动首先查看一下自己的电脑需要怎样的驱动，我们可以先到 http://www.nvidia.com/Download/index.aspx 查询下我们需要的是怎样的驱动，这里我的显卡是 GTX 1080，所以以此为例说明，勾选好对应的配置： 点击 Search，可以看到查询结果如下所示： Version: 390.25 Release Date: 2018.1.29 Operating System: Linux 64-bit Language: English (US) File Size: 77.48 MB 这里说明我们需要的版本是 390.25。 接下来如果我们之前安装了驱动的话，可以重新安装一下，如果当前已经安装好了就不必了。 如果要重装，需要首先卸载掉之前的显卡驱动，以下操作都需要在命令界面操作，执行Ctrl-Alt+F1快捷键进入命令界面: sudo apt-get remove –purge nvidia* 运行之后 NVIDIA 的一些驱动就被卸载了。 这时候 nvidia-smi 等命令已经不能用了，这就证明显卡驱动已经被卸载了。 然后接下来添加一个 PPA 源，命令如下： sudo add-apt-repository ppa:graphics-drivers/ppa 然后更新一下： sudo apt-get update 随后重新安装显卡驱动： sudo apt-get install nvidia-390 注意这里的 390 就是刚才我们查询出来的版本，以实际查询出来的版本为准。 CUDA 9.0如果存在之前的旧版本，可以选择先卸载，以免和新的 CUDA 版本产生冲突，如果之前安装了CUDA 8.0在 /usr/local/cuda-8.0/bin 目录下有一个 uninstall_cuda*.pl 文件，可以直接运行卸载，命令如下： sudo ./uninstall_cuda_*.pl 或 sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl 卸载之后，还有一些残留的文件夹，之前安装的是CUDA 8.0，可以一并删除： sudo rm -r /usr/local/cuda-8.0/ 这样即可将 CUDA 全部卸载。 接下来我们再下载 CUDA 9.0，注意 TensorFlow 1.5 和 1.6 版本依然只是兼容 CUDA 9.0，没有兼容 CUDA 9.1，所以不要下载 9.1，CUDA 9.0 的下载地址是：https://developer.nvidia.com/cuda-90-download-archive，然后依次勾选好系统的版本. 这里我们选择 Linux-x86_64-Ubuntu-16.04-runfile 的配置，然后点击 Base Installer 部分的 Download 按钮，下载 CUDA 9.0 安装包。 对应的下载命令是： wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run 执行此命令，等待下载完成即可。 接下来执行安装，运行如下命令： sudo bash cuda_9.0.176_384.81_linux-run 安装过程需要输入一些确认选项，过程如下： Description The NVIDIA CUDA Toolkit provides command-line and graphical tools for building, debugging and optimizing the performance Do you accept the previously read EULA? （是否同意条款，必须同意才能继续安装） accept/decline/quit: accept （这里不要安装驱动，因为已经安装最新的驱动了，否则可能会安装旧版本的显卡驱动，导致重复登录） Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? (y)es/(n)o/(q)uit: n Install the CUDA 9.0 Toolkit? （是否安装CUDA 9 ，这里必须要安装） (y)es/(n)o/(q)uit: y Enter Toolkit Location （安装路径，使用默认，直接回车就行） [ default is /usr/local/cuda-9.0 ]: Do you want to install a symbolic link at /usr/local/cuda? （同意创建软链接） (y)es/(n)o/(q)uit: y Install the CUDA 9.0 Samples? （安装测试） (y)es/(n)o/(q)uit: y Enter CUDA Samples Location （安装路径，使用默认，直接回车就行） [ default is /home/cqc ]: Installing the CUDA Toolkit in /usr/local/cuda-9.0 ... （开始安装） 最后如果出现这样的提示，就证明 CUDA 安装好了： Driver: Not Selected Toolkit: Installed in /usr/local/cuda-9.0 Samples: Installed in /home/cqc, but missing recommended libraries Please make sure that - PATH includes /usr/local/cuda-9.0/bin - LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.0/bin Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA. ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work. To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file: sudo <CudaInstaller>.run -silent -driver 然后我们需要配置一下环境变量，更改 ~/.bashrc 文件，添加如下几行： export PATH=/usr/local/cuda/bin$&#123;PATH:+:$&#123;PATH&#125;&#125; export LD_LIBRARY_PATH=/usr/local/cuda/lib64$&#123;LD_LIBRARY_PATH:+:$&#123;LD_LIBRARY_PATH&#125;&#125; export CUDA_HOME=/usr/local/cuda 修改完毕之后执行一下使其生效： source ~/.bashrc 这时我们输出 CUDA_HOME、LD_LIBRARY_PATH 就可以看到对应的输出了： echo $CUDA_HOME /usr/local/cuda echo $LD_LIBRARY_PATH /usr/local/cuda/lib64 nvcc -V 或者： nvidia-smi 这样就代表环境变量生效了，CUDA 安装完成。 cuDNN 7.1cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library，是专门用来对深度学习加速的库，它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化，目前最新版本是 cuDNN 7.1，接下来我们来看下它的安装方式。 下载链接：https://developer.nvidia.com/rdp/cudnn-download，或者 cuDNN Download 需要注册之后才能打开，这里我们选择 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0，然后选择 cuDNN v7.1.1 Library for Linux： 下载下来之后解压安装即可： tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 执行完如上命令之后，cuDNN 就安装好了，这时我们可以发现在 /usr/local/cuda/include 目录下就多了 cudnn.h 头文件。 ubuntu16.04查看CUDA和cuDNN版本cuda版本查看: cat /usr/local/cuda/version.txt cudnn版本查看: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 TensorFlow 1.8到现在为止 Python 3.6、CUDA 9.0 和 cuDNN 7.1 就已经安装好了，而且环境变量也配置好了，接下来我们直接安装 TensorFlow 1.8 即可，TensorFlow 1.8 版本针对 CUDA 9 和 cuDNN 7 做了优化，可以预构建二进制文件。 这里需要安装的是 TensorFlow 的 GPU 版本，命令如下： pip3 install tensorflow-gpu==1.8.0 你会发现上面安装特别慢，强烈建议使用 国内pypi源加速 , 速度超快啊！！！ pip3 install tensorflow-gpu==1.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 安装完成之后验证一下： python import tensorflow as tf tf.__version__ tf.__path__ 如果没有报错，那就证明全部环境配置都成功了。 如果您的tensorflow安装后不能使用，请考虑tensorflow版本和CUDA、cuDNN版本的兼容问题，请自行百度，也可参考本博文下方链接。。 Pytorch 1.1pytorch官网：https://pytorch.org/ 打开官网，可以按照选择安装方式（pip , conda, source）和 python版本，cuda版本来进行安装，由于特殊的网络国情，一般是打不开，或者是无法查看 run the command 之后的指令的。 你会发现上面安装特别慢，强烈建议使用 国内pypi源加速 , 速度超快啊！！！ pip3 install torch==1.1.0 torchvision==0.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 如果已经安装torch，仅仅想更新环境，pip升级torch命令如下，注意，如果不像上面指定版本，将更到最新版本！： pip3 install --upgrade torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple 安装pytorch命令合集. 配置 ssh 远程连接1）安装 open-ssh apt-get install openssh-server 2）修改权限，允许 ssh 登录 root gedit /etc/ssh/sshd_config 注释 ：PermitRootLogin prohibit-password添加： PermitRootLogin yes 3）重启 ssh service ssh restart 设置Ubuntu 16.04 允许进行远程控制请参考 VNC实现Windows远程访问Ubuntu 16.04（无需安装第三方桌面,直接使用自带远程工具） . Windows全能终端神器MobaXterm安装主要功能： 支持各种连接SSH，X11，RDP，VNC，FTP，MOSH支持Unix命令（bash，ls，cat，sed，grep，awk，rsync，…）连接SSH终端后支持SFTP传输文件各种丰富的插件（git/dig/aria2…）可运行Windows或软件 官网下载地址 No module named ‘cv2’等python库解决方法只要是缺少的python库文件，请善用 国内pypi源加速 , 速度超快啊！！！ pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple Python包更新方法当你需要更新python包时，还是那句话，请善用 国内pypi源加速 , 速度超快啊！！！ 如：我当前需要更新pip pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple Ubuntu下python开发IDE专业版Pycharm的安装请自行百度，可参考 https://blog.csdn.net/CAU_Ayao/article/details/80578600 进行安装。 Ubuntu下Markdown编辑器Typora的安装 一个优雅的markdown编辑器，支持mac，windows，linux全平台，是一款支持实时预览的 Markdown 文本编辑器 ，完全免费。 官方下载地址 | 史上最完美的 Typora 教程 TeamViewer 远程控制桌面工具安装 TeamViewer主要是用来连实验室的电脑，也可以用用 AnyDesk, 两个都是全平台的. 1.官网下载安装包 网址：https://www.teamviewer.com/cn/download/linux/下载amd64版本 2.安装 sudo dpkg -i teamviewer_14.1.3399_amd64.deb 3.问题解决 可能存在依赖问题，安装不了，终端输入： sudo apt install -f 重新输入： sudo dpkg -i teamviewer_14.1.3399_amd64.deb 问题解决！ 以上便是 Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.8 + Pytorch 1.1 + ssh远程连接设置+ Ubunt桌面远程控制等 完整环境配置过程。 注意：RTX 2080 Ti显卡的环境安装过程略有不同，RTX 2080Ti，CUDA要安装10以上。 当您程序报错： THCudaCheck FAIL file=/pytorch/aten/src/THC/THCGeneral.cpp line=405 error=11 : invalid argument 原因：显卡用的RTX 2080Ti，CUDA就要装10以上， 方案一： 通过pytorch官发链接pip装，命令如下： pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-linux_x86_64.whl 发现速度实在太慢！！于是我们考虑 方案二： 离线安装： 注意方案一 在控制台出现的下载路径，复制到浏览器，手动下载： 如，到指定路径下载torch1.0：https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-linux_x86_64.whl ，将本地文件上传到服务器指定位置，路径换到压缩包所在位置，在控制台输入指令： pip3 install torch-1.0.0-cp36-cp36m-linux_x86_64.whl pip3 install torchvision==0.2.1 方案三： 以上两种方案纯属呵呵🙂，强烈建议使用 国内pypi源加速 , 直接安装pytorch最新版本，最新版本做了诸多优化！通过pypi镜像安装速度超快啊 ★★★★★ pip3 install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple 这样就安装好啦，然后逐行输入以下命令，测试会输出torch版本1.2.0，torchvision版本0.4.0： python import torch,torchvision torch.__version__ (查看torch版本) torchvision.__version__ (查看torchvision版本) torch.__path__ (查看torch安装路径) torchvision.__path__ (查看torchvision安装路径) torch.cuda.is_available() (查看本机CUDA是否可用) torch.version.cuda (查看torch版本对应的CUDA版本，本机安装不可低于此CUDA版本) RTX 2080Ti，CUDA要安装10以上，否则报错，原因详见： https://discuss.pytorch.org/t/cuda-runtime-error-11/30080/13 https://github.com/pytorch/pytorch/issues/15797#issuecomment-452021037 国内常见的pypi源清华：https://pypi.tuna.tsinghua.edu.cn/simple 阿里云：http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 华中理工大学：http://pypi.hustunique.com/ 山东理工大学：http://pypi.sdutlinux.org/ 豆瓣：http://pypi.douban.com/simple/ 他山之石： Ubuntu下安装CUDA10.0遇到的问题（一定要注意自己版本） tensorflow各个版本的CUDA以及Cudnn版本对应关系 Tensorflow不同版本要求与CUDA及CUDNN版本对应关系 Ubuntu16.04 安装python3.6和相应的pip3 pytorch1.0]]></content>
<categories>
<category>深度学习环境搭建</category>
</categories>
<tags>
<tag>深度学习环境搭建</tag>
</tags>
</entry>
<entry>
<title><![CDATA[Hexo 博客搭建指南]]></title>
<url>%2F2019%2F08%2F24%2Fhello-world%2F</url>
<content type="text"><![CDATA[Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post$ hexo new "My New Post" More info: Writing Run server$ hexo server More info: Server Generate static files$ hexo generate More info: Generating Deploy to remote sites$ hexo deploy More info: Deployment Hexo的简洁、神秘让我跃跃欲试，在使用过程中遇到了很多问题，整理此文，一是方便其他技术人搭建自己的博客，二是给自己的学习之旅做个总结。 Hexo 有两份主要的配置文件（_config.yml），一份位于站点根目录下，另一份位于主题目录下。为了描述方便，在以下说明中，将前者称为站点配置文件，后者称为主题配置文件。 1 Hexo介绍Hexo是基于NodeJs的静态博客框架，简单、轻量，其生成的静态网页可以托管在Github和Heroku上。 超快速度 支持MarkDown 一键部署 丰富的插件 下面以我的博客为例，xiaoming.github.io 2 环境准备2.0 安装gitGit for Windows, 这里提供一个国内的下载站，方便网友下载，然后选择安装目录后，一直next就可以。https://github.com/waylau/git-for-win 2.1 安装node.js去nodejs官网下载对应系统的安装包，然后一直一直next安装。 检验安装成功： $ node -v 2.2 安装hexo$ npm install hexo-cli -g 注意：Mac系统，则需要 $ sudo npm install hexo-cli -g 3 利用Hexo搭建一个博客3.1 创建博客目录xiaoming.github.io$ hexo init xiaoming.github.io $ cd xiaoming.github.io $ npm install 3.2 生成静态页面$ hexo clean $ hexo g g 即generate 3.3 运行$ hexo s s 即server 然后打开浏览器，输入地址 localhost:4000 即可看到效果 4 发一篇文章试试4.1 命令方式$ hexo new test 此时会在source/_posts目录下生成test.md文件，输入些许内容，然后保存. 生成下，看看效果 $ hexo clean $ hexo g $ hexo s 访问 localhost:4000 即可 4.2 直接方式在 source/_posts/下新建一个.md文件也可 5 配置网站的设置大部分都在_config.yml文件中，详细配置可以查看官方文档 下面只列出简单常用配置 title -> 网站标题 subtitle -> 网站副标题 description -> 网站描述 author -> 您的名字 language -> 网站使用的语言 坑：进行配置时，需要在冒号:后加一个英文空格 title: xiaoming6 换一个好看的主题Hexo 中有很多主题，可以在官网查看。这里我推荐hexo-theme-next，下面列举更换主题的一般套路： 6.1 下载主题资源$ git clone https://github.com/iissnan/hexo-theme-next themes/next 克隆新地址： $ git clone https://github.com/theme-next/hexo-theme-next themes/next 6.2 应用下载的主题在网站配置文件_config.yml中，配置theme theme: next next是主题名称，具体的可查看主题的文档 6.3 主题其他配置可在/theme/{theme}/_config.yml 主题的配置文件下进行主题的配置。 接下来，可以执行万能的调试命令看看效果 $ hexo clean $ hexo g #g 是 generate 缩写:生成，d 是 deploy 缩写:部署 $ hexo s #s 是 serverce 缩写:启动服务预览 7 部署到Github7.1 有个github账号xiaoming7.2 创建一个xiaoming.github.io的public仓库如果您的账户名是xiaoming,则需要创建一个xiaoming.github.io的public仓库. 7.3 安装 hexo-deployer-git$ npm install hexo-deployer-git --save 7.4 网站配置git在网站的_config.yml中配置deploy deploy: type: git repo: <repository url> branch: [branch] branch为分支，默认为master,可以不配置repo为仓库地址，在github上新建仓库后，可复制此地址 7.5 部署$ hexo d d 即deploy 8 贴标签，方便搜索8.1 两个确认 确认站点配置文件有 tag_dir: tags 确认主题配置文件有 tags: tags8.2 新建tags页面1>运行以下命令 $ hexo new page tags 此时会在source/下生成tags/index.md文件 2>修改/source/tags目录下的index.md文件 title: tags date: 2015-10-20 06:49:50 type: "tags" comments: false date 可保持系统生成的时间， type: "tags" comments: false很重要 3>修改主题配置文件去掉tags的注释 menu: home: / #主页 categories: /categories #分类页（需手动创建） #about: /about #关于页面（需手动创建） archives: /archives #归档页 tags: /tags #标签页（需手动创建） #commonweal: /404.html #公益 404 （需手动创建）8.3 在文章中添加tags在文章xx.md中添加： tags: - Tag1 - Tag2 - Tag3多个Tag可按上面的格式添加。 其文件头部类似： title: TagEditText date: 2016-11-19 10:44:25 tags: - Tag1 - Tag2 - Tag39 分类，给文章归档9.1 两个确认 确认站点配置文件打开了 category_dir: categories 确认主题配置文件打开了 categories: /categories9.2 新建categories文件1>运行以下命令 $ hexo new page categories 此时会在source目录下生成categories/index.md文件 2>修改/source/categories目录下的index.md文件 title: categories date: 2015-10-20 06:49:50 type: "categories" comments: false date 可保持系统生成的时间， type: "categories" comments: false很重要 3>修改主题配置文件去掉categories的注释 menu: home: / #主页 categories: /categories #分类页（需手动创建） #about: /about #关于页面（需手动创建） archives: /archives #归档页 tags: /tags #标签页（需手动创建） #commonweal: /404.html #公益 404 （需手动创建）9.3 在文章中添加categories在文章xx.md中添加： categories: - cate其文件头部类似： title: TagEditText date: 2016-11-19 10:44:25 categories: - cate10 hexo修改文章底部的那个带#号的标签实现效果图 具体实现方法: 修改模板 /themes/next/layout/_macro/post.swig，搜索 rel="tag"># 或者 rel="tag">{{ tag_indicate }} {{ tag.name }}，将 # 或者 换成<i class="fa fa-tag"></i> 11 Hexo文章置顶的方法1> 安装插件: npm uninstall hexo-generator-index --save npm install hexo-generator-index-pin-top --save 然后在需要置顶的文章的Front-matter中加上top即可： title: 2019 date: 2019-02-14 16:10:03 top: 1 或者在需要置顶的文章的Front-matter中加上top: true亦可。比如下面这样： title: hexo博客置顶 date: 2017-09-08 12:00:25 categories: 博客搭建系列 top: true 到目前为止，置顶功能已经可以实现了。 2>设置置顶标志: 打开：/blog/themes/next/layout/_macro 目录下的post.swig文件，定位到<div class="post-meta">标签下，紧接着下一行插入如下代码： &#123;% if post.top %&#125; <i class="fa fa-thumb-tack"></i> <font color="7D26CD">置顶</font> <span class="post-meta-divider">|</span> &#123;% endif %&#125; Hexo常用命令$ hexo n "博客名称" => hexo new "博客名称" #这两个都是创建新文章，前者是简写模式 $ hexo p => hexo publish $ hexo g => hexo generate #生成 $ hexo s => hexo server #启动服务预览 $ hexo d => hexo deploy #部署 关于hexo的服务器命令: $ hexo server #Hexo 会监视文件变动并自动更新，无须重启服务器。 $ hexo server -s #静态模式 $ hexo server -p 5000 #更改端口 $ hexo server -i 192.168.1.1 #自定义IP $ hexo clean #清除缓存，网页正常情况下可以忽略此条命令 $ hexo g #生成静态网页 $ hexo d #开始部署 hexo资料网站: https://hexo.io/zh-cn/]]></content>
<categories>
<category>前端 - 创建博客</category>
</categories>
<tags>
<tag>搭建博客</tag>
</tags>
</entry>
</search>