深海游弋的鱼 – 第 116 页 – 智障儿童欢乐多

github上如何删除fork的项目

在github上如果看到有很不错的项目和作品，一般我们可以进行三种操作：那就是watch, star和fork.

Ubuntu 16.04下同步github中fork出来的分支

在github上fork出一些感觉比较好的项目，已经做了部分修改，由于某些原因，无法通过pull request合并到原作者的分支，但是想把原项目的最近更新代码合并进来，可以通过git fetch原始项目到本地，通过git merge的进行代码合并。

以fork出来的pyseeta项目为例

检出自己的代码

$ git checkout https://github.com/wangqiang1588/pyseeta.git

1	$ git checkout https://github.com/wangqiang1588/pyseeta.git

把原作者项目地址添加到刚刚检出的项目

$ git remote add upstream https://github.com/TuXiaokang/pyseeta.git

1	$ git remote add upstream https://github.com/TuXiaokang/pyseeta.git

从原作者仓库获取到分支，及相关的提交信息

$ git fetch upstream

1	$ git fetch upstream

切换到想合并代码的分支

$ git checkout master

1	$ git checkout master

代码合并,并解决冲突

$ git merge upstream/master

1	$ git merge upstream/master

提交合并后的代码

$ git commit -m "merge ......."

1	$ git commit -m "merge ......."

推送提交到远程服务器

$ git push

1	$ git push

参考链接

如何同步 Github fork 出来的分支

TypeError: slice indices must be integers or None or have an index method

执行如下Python脚本时

import numpy as np

dy = [0,1,2]
edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])
edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[dy[0]:edy[2]]

import numpy as np

dy = [0,1,2]

edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])

edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[dy[0]:edy[2]]

会遇到错误信息

Traceback (most recent call last):
  File "test.py", line 11, in <module>
    box2 = box[dy[0]:edy[2]]
TypeError: slice indices must be integers or None or have an __index__ method

Traceback (most recent call last):

File "test.py", line 11, in <module>

box2 = box[dy[0]:edy[2]]

TypeError: slice indices must be integers or None or have an __index__ method

这个提示非常具有迷惑性，会让人不知所措。

其实非常简单

dy[0:2] = np.fix(dy[0:2])

1	dy[0:2] = np.fix(dy[0:2])

这行导致整个数组变成了浮点数格式的数组，可以试着打印出结果，就会发现整个里面的数字完全变成了浮点数。

而浮点数是不可以用来作为数组的下标的。

修改成如下方式即可

import numpy as np

dy = [0,1,2]
edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])
edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[int(dy[0]):int(edy[2])]

import numpy as np

dy = [0,1,2]

edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])

edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[int(dy[0]):int(edy[2])]

请注意最后的

int()

int()

函数，强制转换浮点数为整数。

参考链接

错误异常slice indices must be integers or None or have

最近买了个微软Xbox One S国行版，结果到货后，非常悲剧的发现音频输出部分只支持HDMI跟光纤音箱的接口。注意：主机上那个貌似耳机插孔的地方，实际上是外置红外接收器的接口（接口附近有IR Input字样）Xbox One S自带的手柄上，有一个耳机的插孔，可以插上耳机，但是问题是，长时间带耳机会比较夹耳朵，因此还是用以前买的小喇叭最好了（本人对音质的追求不高）。

搜索了半天，在淘宝找到两个解决方法：

继续阅读微软Xbox One S音频输出到普通喇叭

如何用Python PIL获取图片的RGB数值

from PIL import Image
im = Image.open("xxx.jpeg")
pix = im.load()
width = im.size[0]
height = im.size[1]
for x in range(width):
    for y in range(height):
        r, g, b = pix[x, y]
        print(r, g, b)

from PIL import Image

im = Image.open("xxx.jpeg")

pix = im.load()

width = im.size[0]

height = im.size[1]

for x in range(width):

for y in range(height):

r, g, b = pix[x, y]

print(r, g, b)

参考链接

如何用Python PIL获取图片的RGB数值

Ubuntu 16.04命令行监视Nvidia显卡使用情况

在使用GPU做计算，比如跑Deep Learning代码的时候，我们可能希望能够实时检测显存的使用情况。

Nvidia自带了一个名为nvidia-smi的命令行工具，会显示显存使用情况，但这个命令行工具只能输出一次结果，不支持持续监控输出。

这时候就需要用到watch命令了.

继续阅读Ubuntu 16.04命令行监视Nvidia显卡使用情况

Ubuntu 16.04编译GPU(CUDA)版本的Caffe

配置编译环境

参照Ubuntu 14.04,14.10,16.04编译CPU版本Caffe确保可以正常编译通过CPU版本的Caffe.

安装Nvidia CUDA驱动

参照Ubuntu 16.04安装Nvidia CUDA驱动安装Nvidia CUDA驱动.

安装Nvidia CUDNN库

参照Ubuntu 16.04开启dlib对于AVX或者CUDA的支持里面设置Nvidia CUDNN部分，配置好Nvidia CUDNN库.

编译代码

$ cd caffe

$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

$ make

$ cd caffe

$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

$ make

编译出错的处理

如果编译时候出现如下错误信息

/usr/include/string.h: In function ‘void* __mempcpy_inline(void*, const void*, size_t)’:
/usr/include/string.h:652:42: error: ‘memcpy’ was not declared in this scope
   return (char *) memcpy (__dest, __src, __n) + __n;
                                          ^
CMake Error at cuda_compile_generated_softmax_layer.cu.o.cmake:266 (message):
  Error generating file
  /home/longsky/Source/caffe/src/caffe/CMakeFiles/cuda_compile.dir/layers/./cuda_compile_generated_softmax_layer.cu.o


src/caffe/CMakeFiles/caffe.dir/build.make:469: recipe for target 'src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o' failed
make[2]: *** [src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o] Error 1
CMakeFiles/Makefile2:272: recipe for target 'src/caffe/CMakeFiles/caffe.dir/all' failed
make[1]: *** [src/caffe/CMakeFiles/caffe.dir/all] Error 2

/usr/include/string.h: In function ‘void* __mempcpy_inline(void*, const void*, size_t)’:

/usr/include/string.h:652:42: error: ‘memcpy’ was not declared in this scope

return (char *) memcpy (__dest, __src, __n) + __n;

CMake Error at cuda_compile_generated_softmax_layer.cu.o.cmake:266 (message):

Error generating file

/home/longsky/Source/caffe/src/caffe/CMakeFiles/cuda_compile.dir/layers/./cuda_compile_generated_softmax_layer.cu.o

src/caffe/CMakeFiles/caffe.dir/build.make:469: recipe for target 'src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o' failed

make[2]: *** [src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o] Error 1

CMakeFiles/Makefile2:272: recipe for target 'src/caffe/CMakeFiles/caffe.dir/all' failed

make[1]: *** [src/caffe/CMakeFiles/caffe.dir/all] Error 2

则需要在执行cmake的时候增加

-DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

1	-DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

的定义。

编译选项

某些库在使用Nvidia CUDNN的时候会崩溃，此时我们可以在编译的时候，排除Nvidia CUDNN即可。

例子如下：

$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" -DUSE_CUDNN=OFF

1	$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" -DUSE_CUDNN=OFF

参考链接

ubuntu 16.04中CAFFE配置步骤

Python 2.7在调用自定义类函数时候报错"exceptions.TypeError: 'int' object is not callable"

Python 2.7中按照如下方式定义类

class Rectangle:

    def __init__(self,l):
        self.left = l

    def left(self):
        return self.left

if __name__ == '__main__':
    rect = Rectangle(1)
    print rect.left()

class Rectangle:

def __init__(self,l):

self.left = l

def left(self):

return self.left

if __name__ == '__main__':

rect = Rectangle(1)

print rect.left()

在执行脚本的时候会报告如下错误

Traceback (most recent call last):
  File "test.py", line 11, in <module>
    print rect.left()
TypeError: 'int' object is not callable

Traceback (most recent call last):

File "test.py", line 11, in <module>

print rect.left()

TypeError: 'int' object is not callable

造成错误的原因在于Python 2.7中当类的成员变量跟方法名重名的时候,默认是使用类的成员变量，而成员变量是无法被调用的，因而导致报错。

解决方法就是避免方法名跟成员变量同名即可，比如上面的定义修改成如下方式即可

class Rectangle:

    def __init__(self,l):
        self.l = l

    def left(self):
        return self.l

if __name__ == '__main__':
    rect = Rectangle(1)
    print rect.left()

class Rectangle:

def __init__(self,l):

self.l = l

def left(self):

return self.l

if __name__ == '__main__':

rect = Rectangle(1)

print rect.left()

Python 2.7使用multiprocessing报错PicklingError: Can't pickle : attribute lookup builtin.instancemethod failed

Python 2.7中使用下面代码的时候

import multiprocessing
 
class examplePool:

    def __init__(self):
        self.pool = multiprocessing.Pool()

    def run(self,args):
        print args

    def runProcessPool(self):
        self.pool.apply(self.run,(60,))
        self.pool.close()
        self.pool.join()

if __name__ == '__main__':
    pool = examplePool()
    pool.runProcessPool()

import multiprocessing

class examplePool:

def __init__(self):

self.pool = multiprocessing.Pool()

def run(self,args):

print args

def runProcessPool(self):

self.pool.apply(self.run,(60,))

self.pool.close()

self.pool.join()

if __name__ == '__main__':

pool = examplePool()

pool.runProcessPool()

会报告如下错误：

Traceback (most recent call last):
  File "text.py", line 18, in <module>
    pool.runProcessPool()	
  File "text.py", line 12, in runProcessPool
    self.pool.apply(self.run,(60,))
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 244, in apply
    return self.apply_async(func, args, kwds).get()
  File "/usr/lib/python2.7/multiprocessing/pool.py", line 567, in get
    raise self._value
cPickle.PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup __builtin__.instancemethod failed

Traceback (most recent call last):

File "text.py", line 18, in <module>

pool.runProcessPool()

File "text.py", line 12, in runProcessPool

self.pool.apply(self.run,(60,))

File "/usr/lib/python2.7/multiprocessing/pool.py", line 244, in apply

return self.apply_async(func, args, kwds).get()

File "/usr/lib/python2.7/multiprocessing/pool.py", line 567, in get

raise self._value

cPickle.PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup __builtin__.instancemethod failed

这种错误发生的原因是Python 2.7版本中的multiprocessing模块的进程池部分存在BUG，无法正常处理这种写法的代码，据说在Python 3.4版本之后解决了此问题。

目前测试来看，不用Python 2.7中的进程池，而是自己创建进程，自己管理进程的方式，可以比较简单的解决此类问题。

比如代码修改成如下样子，即可正常运行

import multiprocessing
 
class exampleProcess:

    def __init__(self):
        self.process = multiprocessing.Process(target=self.run,args=(60,))

    def run(self,args):
        print args

    def runProcess(self):
        self.process.start()
        self.process.join()

if __name__ == '__main__':
    process = exampleProcess()
    process.runProcess()

import multiprocessing

class exampleProcess:

def __init__(self):

self.process = multiprocessing.Process(target=self.run,args=(60,))

def run(self,args):

print args

def runProcess(self):

self.process.start()

self.process.join()

if __name__ == '__main__':

process = exampleProcess()

process.runProcess()

至于多进程的管理，则只需要使用

from multiprocessing import Process, Queue

1	from multiprocessing import Process, Queue

引入multiprocessing模块的Queue,实现一个简单的生产者，消费者模型即可。

参考链接

python multiprocessing遇到Can’t pickle instancemethod问题

WARNING:libav.swscaler:Warning: data is not aligned! This can lead to a speedloss

在Python中使用libav视频解码的时候，如果需要更改最后输出的视频的宽高，比如如下代码：

width = 240
container = av.open(url)
video_stream = next(s for s in container.streams if s.type == 'video')
for packet in container.demux(video_stream):
   for frame in packet.decode():
        if frame is None:
            break
        frame = frame.reformat(width,height)
        img = frame.to_image()

width = 240

container = av.open(url)

video_stream = next(s for s in container.streams if s.type == 'video')

for packet in container.demux(video_stream):

for frame in packet.decode():

if frame is None:

break

frame = frame.reformat(width,height)

img = frame.to_image()

可能会收到一条警告信息

WARNING:libav.swscaler:Warning: data is not aligned! This can lead to a speedloss

1	WARNING:libav.swscaler:Warning: data is not aligned! This can lead to a speedloss

导致警告的原因是swscaler的缩放的目标尺寸不合适，它预期的大小是16的倍数，这个倍数可以保证swscaler以最高效的方式进行图片的缩放处理。

解决警告的方式就是保证宽高都是16的倍数即可。

参考链接

[swscaler] Warning: data is not aligned! This can lead to a speedloss 的解决方法【FFmpeg】

一	二	三	四	五	六	日
					1	2
3	4	5	6	7	8	9
10	11	12	13	14	15	16
17	18	19	20	21	22	23
24	25	26	27	28	29	30