灰灰渔渔爱吃鱼

list[param1:param2:param3]，遇到param为负数时容易理解错误。这个结果等价于下面这个函数。>>> def listColonColon(list, param1, param2, param3=1):... begin = param1 if param1 is not None else 0 if param3 > 0 else len(list) - 1... end = param2 if param2 is not N

使用mp.spawn(main, nprocs=args.num_gpus, args=(cfg, args,))和torch.nn.distributed.DistrbutedDataParallel时出现显卡在用torch.load加载预训练模型或恢复训练时必须指定放在哪个GPU上，否则默认是每个进程都会在GPU:0 上占一块空间，用来存放恢复数据，而且很大。nvidia-smi的结果中可以看到0号显卡上会有每个进程的编号。nvidia-smi结果错误做法：checkpoint .

os.work函数：import osfor i in os.walk('c:'+os.sep+'ant'):    print i[1] 下面是输出:c:\antc:\ant\binc:\ant\docsc:\ant\docs\ant2c:\ant\docs\antlibsc:\ant\docs\

1：初始化很重要2：mini batch size处理，深度模型加成，可以训练过拟合数据，如果这样结果都不满意，可直接换个模型试试了。3：合适的loss function很重要，交叉熵，准确率走起4：多方使用relu，batchnorm，dropout，adam，Learning Rate动态设置，初始设置要合理5：图像预处理中选择 mean/std/ zero-center/

glob是python自己带的一个文件操作相关模块，可以查找符合自己目的的文件，就类似于Windows下的文件搜索，而且也支持通配符，*,?,[]这三个通配符，*代表0个或多个字符，?代表一个字符，[]匹配指定范围内的字符，如[0-9]匹配数字。  它的主要方法就是glob,该方法返回所有匹配的文件路径列表，该方法需要一个参数用来指定匹配的路径字符串（本字符串可以为绝对路径也可以为相对路径

描述shuffle() 方法将序列的所有元素随机排序。语法以下是 shuffle() 方法的语法:import randomrandom.shuffle (lst )注意：shuffle()是不能直接访问的，需要导入 random 模块，然后通过 random 静态对象调用该方法。参数lst -- 可以是一个序列或者元组。

以下场景不能用Mongodb：1、数据结果要求不能有任何错误的场合。如银行帐户数据、电商交易数据等。这是因为在网络中断、机器重启等特殊情况下，mongodb的内存缓存可能会出现与硬盘上数据不一致的状况，后续读操作可能会读到错误数据（http://www.sarahmei.com/blog/2013/11/11/why-you-should-never-use-mongodb/）。而且，网络中断

以python语言计算sigmoid和cost函数为例介绍。 python的正无穷大，负无穷大a = float('Inf')b = np.log(0) #结果为-Inf-a == b #True 计算精度问题理论上 0.0 < a = sigmoid(z) < 1.0实际上，对python中的float64类型常量值，sigmoid(36) == ...