Tune

Linux命令(二十三) 磁盘管理命令(一) df,du,tune2fs

一、查看磁盘占用空间情况dfdf命令用于查看硬盘空间的使用情况，还可以查看硬盘分区的类型或inode节点的使用情况等。df命令常用参数如下：-a显示所有文件系统的磁盘使用情况，包括0块(block)的文件系统，如/proc文件系统-k以k字节为单位显示-i显示i节点信息，而不是磁盘块-t显示各指定类型的文件系统的磁盘空间使用情况-x列出不是某一指定类型文件系统的磁盘空间的使用情况(与t选项相反)-
KLKFL·2018-06-17 14:00

[ Keras ] ——基本使用：(2) fine-tune+冻结层+抽取模型某一层输出

一、冻结层(即固定某层参数在训练的时候不变)https://keras.io/getting-started/faq/#how-can-i-freeze-keras-layers1.1方法：x=Dense(100,activation='relu',name='dense_100',trainable=False)(inputs)或者model.trainable=False1.2冻结操作的经验总
小恶魔oo·2018-06-14 19:12

caffe学习笔记9：Fine-tune现有的模型

Fine-tuning一个预训练的网络用作风格识别在这个例子中，我们将探索一种在实际生活中特别有用方法：使用一个预训练的模型并且在自己的数据上Fine-tune参数Fine-tune的好处就不说了，大家自己查找
xz1308579340·2018-06-05 22:19

Keras：在预训练的网络上fine-tune

Keras：自建数据集图像分类的模型训练、保存与恢复Keras：使用预训练网络的bottleneck特征准备fine-tune的三个步骤:搭建vgg-16并载入权重;将之前定义的全连接网络加载到模型顶部
阿卡蒂奥·2018-06-01 11:17

表情识别（四）--多网络级联表情识别

EmotiW2015比赛静态表情识别的亚军，采用的方法为cnn的级联，人脸检测方面也采用了当时3种算法的共同检测，通过在FER2013数据库上进行模型预训练，并在SFEW2.0（比赛数据）上fine-tune
Eason.wxd·2018-05-28 13:29

迁移学习

、Howtransferablearefeaturesindeepneuralnetworks神经网络的前3层基本都是generalfeature，进行迁移的效果会比较好；深度迁移网络中加入fine-tune
heavenpeien·2018-05-22 14:24

Pytorch-HED fine-tune实现

PytorchHED（VGG16-HEDandRes34-HED）python3；pytorch0.4基于fine-tune的VGG16或者Resnet34构建HED网络；并且，本人基于pytorch已经写好和训练好的网络基础上
LEILEI18A·2018-05-16 17:23

用pytorch去fine-tune预训练的卷积神经网络

Fine-tunepretrainedConvolutionalNeuralNetworkswithPyTorch.@(深度学习)FeaturesGivesaccesstothemostpopularCNNarchitecturespretrainedonImageNet.Automaticallyreplacesclassifierontopofthenetwork,whichallowsyou
AndrewHR·2018-05-15 22:07

How to fine tune the parameters?

WhatisLightGBM,Howtoimplementit?Howtofinetunetheparameters?Hello,DataScienceisthefastestgrowingfieldintheworld.Everydaytherewillbealaunchofbunchofnewalgorithm,someofthosefailsandsomeachievethepeakofsu
dby_freedom·2018-05-11 15:17

【MXNet Gluon】使用预训练好的模型fine-tune

【承接图像分类、检测、分割、生成相关项目，私信。】finetune关键代码prenet=ResNet(466)net=ResNet(3400)ctx=[mx.gpu(i)foriinrange(3)]iffinetune==1:prenet.load_params('params/net-%d.params'%(start_iter),ctx)#features为需要保留的模型参数，output为
穆友航·2018-05-07 20:19

TensorFlow使用不同的学习率

比如在fine-tune的时候，一个bestpractice就是在ImageNet上预训练的骨干部分使用较小的学习率，而新添加的部分使用较大的学习率。
Irlyue·2018-05-07 19:27

tensorflow 选择性fine-tune（微调）

'''多种选择fine-tune部分权重的方法Multipleselectionloadweightsforfine-tune注：slim的fine-tune适用slim模块convbn（尽量一致对应模块
LEILEI18A·2018-05-06 15:39

LINUX 查看和修改文件系统的block的大小

查看block的大小tune2fs-l/dev/sda1|grep"Blocksize"#使用tune方法这里Linux的“blocksize”指的是1024bytes，Linux用1024-byteblocks
Freshair_x·2018-05-02 17:41

linux磁盘空间不足，但是使用df却发现磁盘空间至少有一半的空间没有使用

使用tune2fs-l/dev/sdd1来看，发现block块大小为大了，而node节点所分配的空间就相应的变得很小。而在这个磁盘中，存储的都是
江流川·2018-04-25 15:41

TensorFlow入门使用 tf.train.Saver()保存模型

如果你需要在当前训练好的模型的基础上进行fine-tune，那么尽可能多的保存模型，后继fine-tune不一定从最好的ckpt进行，因为有可能一下子就过拟合了。但是如果保存太多，硬盘也有压力呀。
永永夜·2018-04-24 13:39

论文阅读: YOLOv2

训练分类的阶段，每10个epoch就在448×448448×448的高像素图片上fine-tune一下，使之能更
JNingWei·2018-04-20 17:42

ADSP 开发环境

软件①CrossCoreEmbeddedStudio②SigmaStudio③VisualDSP++④visualaudio个人将SHARC系列DSP软件分为两部分，framework和tune。
MTzhou·2018-03-26 16:10

使用tensorflow 的slim模块fine-tune resnet/densenet/inception网络，解决batchnorm问题

使用tffine-tuneresnet模型前言使用tensorflow踩了很多的坑，尤其是使用tf的slim模块的时候，其中batchnorm的问题困挠了我很久，问题表现如下：训练结果很好，测试的时候is−trainingis−training设置成false测试结果很差，设置成true测试结果恢复正常训练结果很好，但是测试的结果要差上不少但是tensorflow官方提供的常见的网络代码以及与训练
Double_V_·2018-03-19 21:17

linux下如何查看和修改系统BLOCK的大小

查看os系统块的大小[root]#/sbin/tune2fs-l/dev/sda1查看os系统页的大小[oracle@skate-test~]$getconfPAGESIZE4096修改块的大小:创建文件系统时
JackLiu16·2018-03-10 17:07

java编程思想（六）多形性

方法Music.tune()接收一个Instrument句柄，同时也接收从Instrument衍生出来的所有东西。Java专门提供了一种机制，名为“抽象方法”。
你是我的海啸·2018-02-28 16:25

[转载]robustfith函数-最小二乘估计-M估计-Robust regression

meng4411yu/article/details/8851187robustfitRobustregression（稳健回归）语法b=robustfit(X,y)b=robustfit(X,y,wfun,tune
天之道天知道·2018-02-26 14:15

2018-2-4Linux系统管理(5)bash脚本编程参数变量及条件判断

在上一章当中我们讲述了文件系统的管理，以及介绍了一些管理工具的命令，我们现在来总结以下：   管理工具：mkfs, mke2fs, e2label, tune2fs, dumpe2fs, e2fsck,
LinuxLiuXY·2018-02-07 14:44

linux的磁盘管理

通过tune2fs查看磁盘的详细信息1.查看磁盘分区2.删除分区3.在扩展分区下面新建分区4.使用partprobe写入操作系统5.使用mkfs.ext3/dev/sda5格式化磁盘分区6.通过tune2fs–l
vbers·2017-12-18 20:35

显著降低模型训练成本的主动增量学习

CVPR2017精彩论文解读：显著降低模型训练成本的主动增量学习|分享总结导语：activelearning+sequentialfine-tune，让模型表现停止增长的点在更少数据时到来在8月1日的直播分享中
DL_CreepingBird·2017-12-01 09:47

显著降低模型训练成本的主动增量学习

CVPR2017精彩论文解读：显著降低模型训练成本的主动增量学习|分享总结导语：activelearning+sequentialfine-tune，让模型表现停止增长的点在更少数据时到来在8月1日的直播分享中
DL_CreepingBird·2017-12-01 09:47

CNN训练之fine tune

目的深度卷积神经网络包含大量的参数，这就要求了我们需要大量的数据来训练它。而针对特定的一个任务，往往只有少量数据集。在此背景下，微调网络，作为迁移学习的一种应用，很大程度上（并不是完全）解决了这个困难，比如可以先在ImageNet、TinyImages数据集上训练卷积神经网络，然后将学习到的特征表述迁移到特定的图像分类任务，从而达到一个比较好的效果。但是当图像的特征分布相差较大时，单纯的迁移学习就
GammaQ·2017-11-27 12:56

权限ACL

可以对更多的用户设置权限CentOS7默认创建的xfs和ext4文件系统具有ACLCentOS7之前版本，默认手工创建的ext4文件系统无ACL功能,需手动增加(后挂载的是没有acl功能的，做系统挂载的是默认就有的)tune2fs–oacl
ITlinuxP·2017-11-26 19:34

TensorFlow入门（九）使用 tf.train.Saver()保存模型

如果你需要在当前训练好的模型的基础上进行fine-tune，那么尽可能多的保存模型，后继fine-tune不一定从最好的ckpt进行，因为有可能一下子就过拟合了。但是如果保存太多，硬盘也有压力呀。
永永夜·2017-11-21 16:28

Linux特殊权限ACL概述

访问控制列表对于传统文件来说传统权限设置太简单了，只有所有者(u)，所属组(g)，其他人(o)三个选项进行设置在Centos7上默认情况下所有文件系统(xfs,ext)都有ACL功能在Centos6上装好系统后的分区不具备ACL功能tune2fs-l
凯福瑞rapper·2017-11-21 11:42

许大师 蝶恋花 tune butterflies over flowers

Tune:butterfliesoverflowersRedflowersfade,greenapricotsappearstillsmallWhenswallowspassOverbluewaterthatsurroundsthe
小皮蛋的故事·2017-11-01 16:42

良心长文：深度学习框架的选择和有关tensorflow编程经验的分享

笔者通过自己摸索，算是进入了深度学习的大门（从白痴变成了菜鸟٩(๑>◡置占位符(placeholder)->进行网络前传->计算loss->设置训练器并且进行网络反传->保存sammary(可选)->进行fine-tune
jiongnima·2017-10-25 09:11

一周Bugs(10.16-10.22)

1.scp在传输数据的时候，如果名称重复，默认的做法是进行替换2.人脸领域可以做的工作：Basic：人脸检测：【使用YOLOv2fine-tune后，在保证性能和准确度的基础上，达到state-of-art
perception_·2017-10-23 17:19

迁移学习

今天看了cs231的迁移学习http://cs231n.github.io/transfer-learning/直接拿fc前的特征，再用svm或者逻辑回归分类，或者直接计算特征距离fine-tune,继承某个网络的某些层
mathilde27·2017-10-15 22:05

迁移学习

今天看了cs231的迁移学习http://cs231n.github.io/transfer-learning/直接拿fc前的特征，再用svm或者逻辑回归分类，或者直接计算特征距离fine-tune,继承某个网络的某些层
mathilde27·2017-10-15 22:05

七月算法深度学习 第三期 学习笔记-第十节 深度学习与迁移学习

借助图像窗口o物体识别1）边缘策略/选择性搜索=>R-CNN2）R-CNN=>FastR-CNN3）FastR-CNN=>FasterR-CNN4）R-FCN简介o有监督到有监督的迁移学习1）fine-tune
大牙老快板·2017-07-30 19:31

查看分区uuid和硬件uuid

分区uuid:blkid/dev/sda1查看单独分区的uuidls-l/dev/disk/by-uuid/查看所有分区的uuid修改硬盘UUIDuuidgen会返回一个合法的uuid，结合tune2fs
chenzudao·2017-07-17 21:17

TensorFlow-Slim图像分类库

它包含脚本，允许您从头开始训练模型或从预训练（pre-train）的模型进行fine-tune。它还包含用于下载标准图像数据集的代码，将其转换
chaibubble·2017-07-02 17:50

SSD: Single Shot MultiBox Detector 模型fine-tune和网络架构

而方法2，说的是fine-tune已经训练好的SSDmodel，最近没来得及进行调参，初次实验效果有限，先把过程和原理记录下来，免得忘了，然后还会说下SSD的网络架
Jesse_Mx·2017-06-30 20:16

MXNet的数据读取：data.py源码详解

也是在fine-tune.py脚本中用到的数据读入脚本（参考MXNet的fine-tune.py源码详解）。
AI之路·2017-06-29 22:06

ffmpeg 多视频 画中画

screen-capture-recorder"-fdshow-ivideo="LogitechWebcamC930e"-vcodeclibx264-s1280*720-r15-preset:vultrafast-tune
cnhighway·2017-06-16 14:38

HD TUNE以及所有其他硬盘检测工具都不能使用的情况

重装了系统，格式化了硬盘，在格式化之前，我用移动硬盘保存了HDTUNE，等到WIN7系统刚刚装上，补丁，驱动什么的都没有打上之前，我用HDTUNE，发现恢复如初了，软件正常运行，我很高兴的认为重装系统有用了。。结果，可恨的是，等我打完所有补丁，驱动以后，情况又出现了，再次使用所有软件，情况照旧，均无法使用，这下好了，情况肯定出现在驱动或者补丁里面。。我一想，会不会是那个什么INTER快速存储什么的
zzzhongwei2011·2017-06-12 22:10

R语言调整支持向量机

SVM提供了tune.svm函数简化了这个过程。
Jack_丁明·2017-06-06 15:49

Udacity Self-Driving 目标检测数据集简介与使用

解决方法大约有两种：一是扩充数据集；二是fine-tune已经训练好的SSDmodel，
Jesse_Mx·2017-05-21 17:11

keras入门 ---在预训练好网络模型上进行fine-tune

在深度学习的学习过程中，我们可能会用到一些已经训练好的模型，比如AlexNet，googlenet,VGGnet,ResNet等，那我们怎么对这些已经训练好的模型进行fine-tune来提高准确率呢？
CIA_agent·2017-05-15 17:26

利用ffmpeg进行摄像头提取视频编码为h264通过RTP发送数据到指定的rtp地址

话不多说命令如下：ffmpeg-fdshow-ivideo="LogitechQuickCamEasy/Cool"-vcodeclibx264-preset:vultrafast-tune:vzerolatency-frtprtp
chinabinlang·2017-04-17 13:03

为什么SPP-Net无法fine-tune卷积层

SPP-Net缺陷：和R-CNN一样，它的训练要经过多个阶段，特征也要存在磁盘中，另外，SPP中的微调只更新SPP层后面的全连接层，对很深的网络这样肯定是不行的。SPP-Net在fine-tuning阶段之所以无法使用反向传播微调SPP-Net前面的Covs层，是因为特征提取CNN的训练和SVMs分类器的训练在时间上是先后顺序，两者的训练方式独立，因此SVMs的训练Loss无法更新SPP-Laye
王弗兰克·2017-03-15 21:57

命令-tune2fs

tune2fs命令【NAME】tune2fs-adjusttunablefilesystemparametersonext2/ext3/ext4filesystems调整ext2/ext3/ext4文件系统参数
zhucke·2017-03-15 12:10

linux 系统磁盘管理

1、创建一个10G分区，并格式为ext4文件系统；(1)要求其block大小为2048,预留空间百分比为2,卷标为MYDATA,默认挂载属性包含acl；#]tune2fs -m 2 /dev/sda3[
allen_05·2017-03-05 00:50

cs231n-(9)迁移学习和Fine-tune网络

常见的做法是使用预训练的网络（例如在ImageNet上训练的分类1000类的网络）来重新fine-tune，或者当做特征提取器。常见的两类迁移学习场景：卷积网络当做特征提取器。
KangRoger·2017-02-18 21:09

Spark On YARN内存和CPU分配

本篇博客参考：http://blog.cloudera.com/blog/2015/03/how-to-tune-your-apache-spark-jobs-part-2/软件版本：CDH：5.7.2
fansy1990·2017-01-10 17:15
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他