记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX3080；CUDA11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。1.待配置环境的版本Python:3.8.0CUDA:11.3.1cuDNN:8.2.1Tensorflow-gpu:2.7.0Keras:2.7.02.Windows下使用conda和pip安装Tensorflow-gpu以及Kera
记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX3080；CUDA11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。1.待配置环境的版本Python:3.8.0CUDA:11.3.1cuDNN:8.2.1Tensorflow-gpu:2.7.0Keras:2.7.02.Windows下使用conda和pip安装Tensorflow-gpu以及Kera
系统环境ubuntu16.04一.设定ubuntu的root密码1.ubuntu默认root密码在安装ubuntu操作系统时，需要配置用于登录系统的用户名和密码，却没有提示配置root密码。ubuntu默认的root用户没有固定密码，root密码随机产生，动态改变，即每次开机都有一个新的root密码。2.修改root密码使用提前配置的用户（例如dancen）登录ubuntu系统后，在终端输入以下命令：sudopasswd然后输入登录用户dancen的密码，继而输入并确认root用户的密码，即可设定root用户密码，此过程中不需要知晓root用户的默认密码：sudopasswd[sudo]pas
系统环境ubuntu16.04一.设定ubuntu的root密码1.ubuntu默认root密码在安装ubuntu操作系统时，需要配置用于登录系统的用户名和密码，却没有提示配置root密码。ubuntu默认的root用户没有固定密码，root密码随机产生，动态改变，即每次开机都有一个新的root密码。2.修改root密码使用提前配置的用户（例如dancen）登录ubuntu系统后，在终端输入以下命令：sudopasswd然后输入登录用户dancen的密码，继而输入并确认root用户的密码，即可设定root用户密码，此过程中不需要知晓root用户的默认密码：sudopasswd[sudo]pas
文章目录TensorFlow简介TensorFlow是什么tensorflow版本变迁tensorflow2.0架构安装过程常用IDE安装python3.9的安装Anaconda的安装CUDA安装cuda软件安装cuDNN神经网络加速库安装配置环境变量TensorFlow的gpu版本安装TensorFlow简介TensorFlow是什么TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Googlebrainteam进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数
文章目录TensorFlow简介TensorFlow是什么tensorflow版本变迁tensorflow2.0架构安装过程常用IDE安装python3.9的安装Anaconda的安装CUDA安装cuda软件安装cuDNN神经网络加速库安装配置环境变量TensorFlow的gpu版本安装TensorFlow简介TensorFlow是什么TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Googlebrainteam进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数
另一篇：ffmpeg硬编解码InterQSV常见的硬件编码包括NvidiaGPU与IntelQSV两种，还有一些嵌入式平台如树莓派，瑞芯微等。首先理解一下概念，Nvidia中文名英伟达是一个厂商名字，GPU则是这个厂商生产的显卡里的一个个图像处理的逻辑单元，它主要是作图片处理，但有逻辑处理的能力，所以可以替cpu分担一些逻辑处理压力。了解一下ffmpeg对Nvidia的GPU编码支持哪些参数，可以通过ffmpeg-hencoder=h264_nvenc可以看到编码的参数与x264相比有些类似，但少很多，不过关键的都在。解码时ffmpeg对它的参数支持查看：ffmpeg-hdecoder=h26
另一篇：ffmpeg硬编解码InterQSV常见的硬件编码包括NvidiaGPU与IntelQSV两种，还有一些嵌入式平台如树莓派，瑞芯微等。首先理解一下概念，Nvidia中文名英伟达是一个厂商名字，GPU则是这个厂商生产的显卡里的一个个图像处理的逻辑单元，它主要是作图片处理，但有逻辑处理的能力，所以可以替cpu分担一些逻辑处理压力。了解一下ffmpeg对Nvidia的GPU编码支持哪些参数，可以通过ffmpeg-hencoder=h264_nvenc可以看到编码的参数与x264相比有些类似，但少很多，不过关键的都在。解码时ffmpeg对它的参数支持查看：ffmpeg-hdecoder=h26
原文链接HowToBuildaDeepAudioDe-NoiserUsingTensorFlow2.0Practicaldeeplearningaudiode-noisingIntroduction语音去噪是一个长期存在的问题。给定一个嘈杂的输入信号，目标是在不降低感兴趣的信号的情况下过滤掉这些噪音。你可以想象这样一种场景，一个人在视频会议中说话，而背景中正在播放一段音乐。在这种情况下，语音去噪系统的工作是去除背景噪音，以改善语音信号。除了许多其他用例外，这种应用对于视频和音频会议尤其重要，因为噪音会大大降低语音的清晰度。语音去噪的经典解决方案通常采用生成式建模（Generativemodel
原文链接HowToBuildaDeepAudioDe-NoiserUsingTensorFlow2.0Practicaldeeplearningaudiode-noisingIntroduction语音去噪是一个长期存在的问题。给定一个嘈杂的输入信号，目标是在不降低感兴趣的信号的情况下过滤掉这些噪音。你可以想象这样一种场景，一个人在视频会议中说话，而背景中正在播放一段音乐。在这种情况下，语音去噪系统的工作是去除背景噪音，以改善语音信号。除了许多其他用例外，这种应用对于视频和音频会议尤其重要，因为噪音会大大降低语音的清晰度。语音去噪的经典解决方案通常采用生成式建模（Generativemodel
