最近受疫情影响困在湖北家中,闲下来整理收拾个人物品,盘点了下过去一年自己购买的各种产品,发现过去一年自己还真是“不节俭”😅不过也还好,钱花在刀刃上就行。
前段时间和师弟聊天,谈到网盘的问题,我们一致认为国内的网盘体验真的是太差了。网络不限速、文件不和谐、支持随意分享、支持直链下载、支持命令行上传下载,这几个刚需基本上随便一家国内网盘都有至少 3 点不满足,加上普遍会员价格昂贵,实在没有购买使用的欲望。尤其是支持命令行上传下载,简直是刚需中的刚需了,因为它确保了我能在没有图形界面的 Linux 机器上使用。
在 macOS 上运行 Linux 系统有两种方式:(1) 使用商业虚拟机软件 (如 Parallels Desktop) ; (2) 使用 Docker 虚拟化技术。哪种方式在性能、内存、I/O 上更优呢?
LaTeX 中引用参考文献时使用 bibtex 非常方便,然而不同的期刊/会议对于 .bib 条目中的 Booktitle 的要求是不一样的,比如引用一篇 CVPR 文献,有些期刊要求 References 里面写成 In CVPR, 2017,有些又要求写成 In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,标准不一,每次频繁改来改去,让人十分头疼。
本篇笔记主要总结了如何在 TensorFlow 如何构建高效的 Input Pipeline,目的是协调 CPU 文件预处理和 GPU 模型计算之间的调度,尽最大限度发挥 GPU 算力。其中涉及到 TFRecord 文件的读写,tf.image 模块对图像的处理,以及版本 1.4 前使用的生产者/消费者多线程文件读写流程,和 1.4 后官方主推的 Dataset 处理方式。后者已经开始逐步支持 eager 模式。
初学 Python2,感觉Python2中的编码问题一直很烦人,无意中看到几篇博文 [^1] [^2],感觉豁然开朗,做成笔记,方便日后查阅。