LeetCode 50 Pow(x,n) 测试样例精度问题探究

编程中浮点数运算会损失精度已经成为了默认的惯例,精度损失的原因也信手拈来,目前科普文章大多讨论浮点数四则运算的精度问题,而鲜有探究其他浮点数运算的精度。

今天在做LeetCode 50的时候发现 LeetCode服务端检验的问题,同时带出了乘法运算和log、exp运算在硬件上的精度问题。

该题采用模拟的方式计算Pow,计算x的n次幂。测试过程中对于一些手动输入的样例不能通过,但是本题仍可以AC(考虑过double的问题)。

继续阅读“LeetCode 50 Pow(x,n) 测试样例精度问题探究”

使用Python向你的移动设备发送通知

有时候我们需要在一段python代码执行完成后提醒我们,比如长时间的深度学习训练完成后,向手机发送通知来提醒我们训练完成。使用python包 notify-run 可以方便的实现如上需求,并且内置了Keras的回调函数,能够更方便地发送实时训练消息。

1. 安装

直接pip安装 notify-run 包:

2. 配置

注册服务: 然后会弹出一个二维码:
继续阅读“使用Python向你的移动设备发送通知”

在命令行中使用wget下载Google Drive中的文件

有时候在没有图形界面的情况下想要下载Google Drive中的文件非常麻烦,虽然有一些软件可以实现,但是如果只是偶尔使用就显得很繁琐

一行命令:

其中 FILEID 是Google Drive共享文件的ID,可以通过右键->获取共享链接得到, FILENAME 随意

 

在 Google Cloud 上使用 GPU 进行深度学习加速

深度学习需要用到GPU的并行计算能力进行加速,由于不方便安装台式机,计划用云GPU进行,以国内某知名云为例:

CPU: E5 4vCPU,内存: 30G,GPU: NVIDIA P100,SSD: 40G,硅谷节点(无国内节点),包月5460.80元

而Google Cloud Compute Engine提供以小时计费的GPU计算单元(关机后不收费),相似配置需要894.06美元/月(约6000元),如果按小时计费,约1.225美元/小时,所以如果是学习为目的的话Google Cloud还是非常划算的。

1.创建Google Compute Engine

选择Compute Engine -> VM instances -> Create Instance

选择适合你的CPU、GPU、内存配置,可以先选低一点,后期随时可以调,GPU也是,我选择了如下配置: 继续阅读“在 Google Cloud 上使用 GPU 进行深度学习加速”