Caffe訓練mnist資料遇到的問題（GPU版）
caffe在make所有階段沒有問題，但是在mnist訓練出錯，Cannot create Cublas handle. Cublas won't be available.
這個錯誤一句話總結是在執行過程中遇到的許可權問題。解決方法有幾種：
1、修改無法執行檔案的許可權，最無腦的方法就是chmod 777，如下圖就可以找到benchmark.cpp修改許可權。
2、改變GPU驅動的版本。根據我查閱的資料，許多人通過把驅動的版本降級解決了該類問題，我猜測是低版本驅動的許可權問題。
3、切換超級使用者su，但是注意要保持你的環境變數，所以要使用su命令，而不是su -
4、使用sudo 執行程式，但是sudo會強制轉換為root下的環境，所以這裡牽扯到一個環境變數保持的問題。
參考連結：http://blog.csdn.net/xgt_520/article/details/78795272
相關推薦
神經網路 tensorflow教程 2.2 下載MNIST 資料集 （自動版）
文章參考： https://zhuanlan.zhihu.com/p/25934529 環境： 語言 ：python3.5（使用 Anaconda3-4.2.0-Windows-x86_64.exe） 作業系統： windos7 建立python 檔案並執行 自
Caffe訓練mnist資料遇到的問題（GPU版）
caffe在make所有階段沒有問題，但是在mnist訓練出錯，Cannot create Cublas handle. Cublas won't be available. 這個錯誤一句話總結是在執行過程中遇到的許可權問題。解決方法有幾種： 1、修改無法執行檔案
TensorFlow訓練MNIST資料集（3） —— 卷積神經網路
前面兩篇隨筆實現的單層神經網路 和多層神經網路， 在MNIST測試集上的正確率分別約為90%和96%。在換用多層神經網路後，正確率已有很大的提升。這次將採用卷積神經網路繼續進行測試。 1、模型基本結構 如下圖所示，本次採用的模型共有8層（包含dropout層）。其中卷積層和池化層各有兩層。 在
caffe 資料增強（Python版）
# -*- coding:utf-8 -*- """資料增強 1. 翻轉變換 flip 2. 隨機修剪 random crop 3. 色彩抖動 color jittering 4. 平移變換 shift 5. 尺度變換 scale 6. 對
windows下caffe-ssd（GPU版）搭建測試環境
一、準備CUDA、CuDNN CUDA安裝： 1、雙擊下載好的exe檔案，選擇路徑，開始安裝 2、系統檢查 3、同意條款並繼續 4、選擇自定義安裝 5、記好下面三個安裝位置，一直下一步，直到安裝完成 CuDNN安裝： 1、解壓下
利用python進行資料分析（第二版） pdf下載
適讀人群 ：適合剛學Python的資料分析師或剛學資料科學以及科學計算的Python程式設計者。 閱讀本書可以獲得一份關於在Python下操作、處理、清洗、規整資料集的完整說明。本書第二版針對Python 3.6進行了更新，並增加實際案例向你展示如何高效地解決一系列資料分析問題。你將在閱讀
資料結構（C#版）筆記(一)
1.資料結構邏輯結構(Data Structure) 資料結構是相互之間存在一種或多種特定關係的資料元素的集合。在任何問 題中，資料元素之間都不是孤立的，而是存在著一定的關係，這種關係稱為結構 (Structure)。根據資料元素之間關係的不同特性，通常有 4 類基本資料結構
【Caffe2】Windows7下caffe2編譯配置全記錄（GPU版）
caffe2跟老版caffe相比變化較大，更容易上手和使用。但caffe2的windows版配置比linux下要麻煩一些、且更容易出錯，把全過程記錄下，以供參考。 1. 準備工作 （1）安裝CUDA、cuDNN （
python資料清洗（總結版）-思維導圖
資料清洗是資料預處理的重要組成部分，也是耗時間最長的一部分，因此根本多篇文章總結腦圖便於自己梳理清楚資料清洗的處理步驟，由此知道資料清洗該如何下手。 借鑑文章及資料如下： 專欄1：資料清洗https://zhuanlan.zhihu.com/dataclean
windows 下 TensorFlow（GPU 版）的安裝
windows 10 64bit下安裝Tensorflow+Keras+VS2015+CUDA8.0 GPU加速 0. 環境 OS：Windows 10，64 bit； 顯示卡：NVIDIA GeForce GTX 1050Ti，顯示卡檢視方法：計算機【裝置管理器】⇒ 【顯示介面卡
FCN訓練自己資料集（person-segmentation）、SIFT-FLOW、SBD和VOC實驗總結
最近花了將近一週的時間，基於提供的原始碼，通過參考網上的部落格，跑通了FCN在三個資料集上的訓練以及測試。在這裡寫下總結，即是記錄，又希望能夠對其他剛剛接觸FCN的人有所幫助。 FCN的原始碼地址：https://github.com/shelhamer/fcn.berkeleyvision.o
Android通過介面回撥來實現資料更新（Kotlin版）
最近開發一個專案，用的是kotlin，本人kotlin水平有限，還請諒解，需要在fragment修改資料，然後更新到activity中，我使用介面回撥來完成這個需求。 先上一張圖來看一下 修改完暱稱，不僅要在fragment裡更新資料，還要同步更新act
【軟體安裝】win7安裝tensorflow（GPU版）及環境變數設定
筆者的電腦配置如下： 作業系統：windows7 旗艦版 CPU：Intel i5-4200M 2.50GHz 顯示卡：NVIDIA GeForce GT 755M 1、下載CUDA8.0並安裝 官網：https://developer.nvidia.com
Tensorflow的mnist資料集（十二）
mnist資料集mnist資料集是一個TensorFlow的手寫資料集，可以自行下載也可以使用函式下載。import tensorflow.examples.tutorials.mnist.input_data as input_data mnist = input_data
資料結構（總結版）
ISD1407 ---->>C++ 6天 ---->>Cocos2d-x ?天 ---->>資料結構與演算法 ?天 ---->>Lua 1天 day
ubuntu14.04系統中安裝tensorflow（gpu版）cuda-8.0 + cudann(5.0 or 6.0)
系統配置：ubuntu14.04 + GTX1060 + i7（7700K） 安裝前準備工作（離線安裝） 一共3個檔案放入U盤，在ubuntu實體機上讀取安裝。這些檔案全部放在/usr/local/WYLdownload目錄下 第一步（可直接跳到第二步）：安裝nv
【其他】win10下TensorFlow（gpu版）安裝教程
1.Anaconda下載安裝 由於目前在windows環境下tensorflow值支援python3.5版，而Anaconda又集成了後面安裝和學習的各種工具和庫，所以應直接下載pyt
windows系統下安裝TensorFlow（GPU版）
說明：只有NVIDIA顯示卡才支援用GPU跑TensorFlow。在https://developer.nvidia.com/cuda-gpus查詢GPU是否支援CUDA，一般要計算能力在3.0以上才適合。 1，CUDA下載： 2cuDNN下載：cuDNN
使用deeplabv3+訓練自己資料集（遷移學習）
# 概述 在前邊一篇文章，我們講了如何復現論文程式碼，使用pascal voc 2012資料集進行訓練和驗證，具體內容可以參考[《deeplab v3+在pascal_voc 2012資料集上進行訓練》](https://www.vcjmhg.top/train-deeplabv3-puls-with-pa
「視訊小課堂」Logstash如何成為鎮得住場面的資料管道（文字版）
# 視訊地址 **B站視訊地址：[Logstash如何成為鎮得住場面的資料管道](https://www.bilibili.com/video/BV1Ro4y197uA/)** **公眾號視訊地址：[Logstash如何成為鎮得住場面的資料管道](https://mp.weixin.qq.com/s/PX