转载需注明出处：https://www.codelast.com/
要查看更多树莓派相关文章，请点击这里。
很多年前我刚开始玩树莓派的时候，Python还是个“很不火”的编程语言，而如今Python借着深度学习(Deep Learning)的东风，已经毫无疑问地成了世界上最耀眼的明日之星；想当年我刚开始玩树莓派的时候，使用WiringPi开发库、在C++下开发GPIO应用是一个比较明智的选择，而如今树莓派上的Pyhton GPIO库已经百花齐放，并且多个树莓派的OS都已经内置了一或多个Python GPIO开发包，真正做到了：你只要装好系统，就马上能用Python写程序操作GPIO，立等可用。
阅读更多
转载需注明出处：https://www.codelast.com/
要查看更多树莓派相关文章，请点击这里。
在树莓派3上安装Miniconda，并不能安装普通的Linux版，你得安装 for ARM v7 的版本：
wget http://repo.continuum.io/miniconda/Miniconda3-latest-Linux-armv7l.sh
chmod +x Miniconda3-latest-Linux-armv7l.sh./Miniconda3-latest-Linux-armv7l.sh
转载需注明出处：https://www.codelast.com/
要查看更多树莓派相关文章，请点击这里。
在树莓派上安装好Ubuntu MATE 18.04之后，我在试图更新系统的时候遇到了 bluez 软件包和 内核固件 冲突，从而导致无法进行下去的问题，本文记录一下现场情况以及解决办法。
阅读更多
转载需注明出处：https://www.codelast.com/
要查看更多树莓派相关文章，请点击这里。
在树莓派上安装好Ubuntu MATE 18.04之后，我需要把外挂的显示屏去掉，从此只在command line下使用树莓派，因此要先打开Ubuntu MATE上的ssh服务。
阅读更多
转载需注明出处：https://www.codelast.com/
要查看更多树莓派相关文章，请点击这里。
廉颇老矣，尚能饭否？
周末在家写代码的时候，斜眼看见躺在我桌子上正在吃灰的树莓派3B（V1.2），我突然想把它的系统更新一下。
时至2019年11月，外面已经是树莓派4代(2019.06发布)的天下了，而3B这种老型号，最适合拿来做遥控车之类的儿童玩具了。
阅读更多
转载需注明出处：https://www.codelast.com/
在Python中，假设你最终想得到一个NumPy array，而它是通过append大量数据得到的，那么有两种办法：
✔ 先创建一个Python list，append完数据之后再把这个list转成NumPy array。
✔ 直接创建一个NumPy array，用 np.append() 函数来append数据。
第1种比第2种快很多，尤其是当你在一个for循环中频繁做这个事情的时候，差距就更明显了。
阅读更多
转载需注明出处：https://www.codelast.com/
查看关于 rlpyt 的更多文章请点击这里。
rlpyt 是BAIR(Berkeley Artificial Intelligence Research，伯克利人工智能研究所)开源的一个强化学习(RL)框架。我之前写了一篇它的简介。 如果你想用这个框架来开发自己的强化学习程序（尤其是那些不属于Atari游戏领域的强化学习程序），那么需要对它的源码有一定的了解。本文尝试从 rlpyt 自带的一个实例来分析它的部分源码，希望能帮助到一小部分人。
阅读更多
转载需注明出处：https://www.codelast.com/
查看关于 rlpyt 的更多文章请点击这里。
rlpyt 是BAIR(Berkeley Artificial Intelligence Research，伯克利人工智能研究所)开源的一个强化学习(RL)框架。我之前写了一篇它的简介。 如果你想用这个框架来开发自己的强化学习程序（尤其是那些不属于Atari游戏领域的强化学习程序），那么需要对它的源码有一定的了解。本文尝试从 rlpyt 自带的一个实例来分析它的部分源码，希望能帮助到一小部分人。
▶▶ sampler的主要功能
训练强化学习模型需要训练数据，收集训练数据的工作就是由sampler类做的。
收集训练数据，就需要在environment中步进，因此environment的实例化工作也在sampler中完成。
阅读更多
转载需注明出处：https://www.codelast.com/
根据PyTorch文档，在把PyTorch模型保存成文件的时候有两种方法，第一种是推荐的：
torch.save(the_model.state_dict(), PATH)
对应地，加载模型这样做：
the_model = TheModelClass(*args, **kwargs)
the_model.load_state_dict(torch.load(PATH))
转载需注明出处：https://www.codelast.com/
我们经常会看到后缀名为 .pt，.pth，.pkl 的PyTorch模型文件，这几种模型文件在格式上有什么区别吗？
其实它们并不是在格式上有区别，而只是后缀上不同而已（仅此而已）。在用 torch.save() 函数保存模型文件的时候，各人有不同的喜好，有些人喜欢用 .pt 后缀，有些人喜欢用 .pth 或 .pkl。用相同的 torch.save() 语句保存出来的模型文件没有什么不同。
在PyTorch官方的文档/代码里，有用 .pt 的，也有用 .pth 的。
据某些文章的说法，一般惯例是使用 .pth，但是官方文档里貌似 .pt 更多，而且官方也不是很在意固定用一种，大家就自便吧。
阅读更多
转载需注明出处：https://www.codelast.com/
查看关于 rlpyt 的更多文章请点击这里。
rlpyt 是BAIR(Berkeley Artificial Intelligence Research，伯克利人工智能研究所)开源的一个强化学习(RL)框架。我之前写了一篇它的简介。 如果你想用这个框架来开发自己的强化学习程序（尤其是那些不属于Atari游戏领域的强化学习程序），那么需要对它的源码有一定的了解。本文尝试从 rlpyt 自带的一个实例来分析它的部分源码，希望能帮助到一小部分人。
阅读更多
转载需注明出处：https://www.codelast.com/
查看关于 rlpyt 的更多文章请点击这里。
rlpyt 是BAIR(Berkeley Artificial Intelligence Research，伯克利人工智能研究所)开源的一个强化学习(RL)框架。我之前写了一篇它的简介。 如果你想用这个框架来开发自己的强化学习程序（尤其是那些不属于Atari游戏领域的强化学习程序），那么需要对它的源码有一定的了解。本文尝试从 rlpyt 自带的一个实例来分析它的部分源码，希望能帮助到一小部分人。
要先声明一下：rlpyt 的源码比较复杂，想要充分理解全部模块需要下很大的功夫，本系列“源码分析”文章，并没有把 rlpyt 的源码全部分析一遍，而只是分析了它的“冰山一角”，主要目的是让读者能了解它的基本结构及基本运作方式。
阅读更多
转载需注明出处：https://www.codelast.com/
查看关于 rlpyt 的更多文章请点击这里。
rlpyt 是BAIR(Berkeley Artificial Intelligence Research，伯克利人工智能研究所)开源的一个强化学习(RL)框架。我之前写了一篇它的简介。 如果你想用这个框架来开发自己的强化学习程序（尤其是那些不属于Atari游戏领域的强化学习程序），那么需要对它的源码有一定的了解。本文尝试从 rlpyt 自带的一个实例来分析它的部分源码，希望能帮助到一小部分人。
要先声明一下：rlpyt 的源码比较复杂，想要充分理解全部模块需要下很大的功夫，本系列“源码分析”文章，并没有把 rlpyt 的源码全部分析一遍，而只是分析了它的“冰山一角”，主要目的是让读者能了解它的基本结构及基本运作方式。
阅读更多
转载需注明出处：https://www.codelast.com/
如果你觉得一个运行中的Python程序有问题，例如它的耗时比你预想的要长很多，那么你可能会想知道它到底在“干什么”，有很多方法可以实现这个目的，但是很多都是需要修改Python代码来配合的，这显然是让人最不爽的方式。
而 py-spy 这个工具提供了一种无侵入的方式来达成这个目的：
py-spy是Python程序的采样分析器。 它使你可以直观地看到Python程序花费的时间，而无需重新启动程序或以任何方式修改代码。 py-spy的开销非常低：为了提高速度，它是用Rust编写的，并且它与被分析的Python程序不在同一进程中运行。 这意味着py-spy可以安全地用于生产环境的Python代码。