在Anaconda中使用PyTorch 查看CUDA版本的三种方法 123nvcc -Vnvcc --versionnvidia -smi 快速搭建虚拟环境 1234567891011# 创建环境并指定Python版本conda create -n <env_name> python=3.9 # 激活环境conda activate <env_name># 安装PyTorch版本conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c...

电饭煲的购买电饭煲容量 1-2人选择$\le 3L$ 3-5人选择$3-4L$ 大家庭选择$5L$以上的 内胆材质 铁质内胆＞多层复合内胆＞铝合金内胆＞不锈钢内胆＞陶瓷内胆 多层复合内胆锌价比较高，如铝合金＋不锈钢 涂层建议复合涂层：PEEK+PFA/PTFE＞PFA＞PFA+PTFE＞PTFE 厚度 厚一点为佳 3mm＞2mm＞1.5mm 形状 异形＞圆柱形 异形，包括球釜、本釜、弧形等等 加热方式远红外加热/多段IH电磁加热＞IH电磁加热＞三维立体加热＞底盘加热

原文链接传送门 知识清单Abstract 小样本学习方法(few-shot learning)：让模型仅通过极少量样本（如1-5个样本，称为1-shot或5-shot）快速学习新任务 元学习(meta-learning)：通过大量相似任务（如分类不同模型）训练模型 例如：训练时让模型学习“如何区分5种类别的鸟类”，测试时快速适应“区分5种新鸟类”。 跨领域小样本学习(cross-domain...

知识笔记 多阶段训练(multi-stage training)：指模型训练过程中分为多个阶段（阶段间目标或数据不同），每个阶段针对性地优化模型的不同能力，最终提升整体性能。 冷启动数据(cold start data)：指在模型训练初期（或新任务启动时）使用的特定引导数据，用于解决模型初期因缺乏足够信息导致的性能低下或不稳定问题。 训练后阶段：指在机器学习模型完成训练后的一系列操作，包括模型评估、优化、部署、监控等。 预训练与训练的差别 预训练：在大规模通用数据集上进行 训练：在特定任务上调整模型参数的过程 推理导向的强化学习(Reasoning-Oriented...

增1db.getCollection('uesr').insert({"userId" : "014","uclass" : "B","name" : "Back","age" : 11,"email" :...

Critical Point情况 局部最小值（local minima）。如果是**卡在local minima,那可能就没有路可以走了，**因为四周都比较高，你现在所在的位置已经是最低的点，loss最低的点了，往四周走 loss都会比较高，你会不知道怎么走到其他地方去。 鞍点（saddle point）。（如图可看出，左右是比红点高，前后比红点低，红点既不是local minima,也不是local maxima的地方）如果是卡在saddle point，saddle point旁边还是有其他路可以让你的loss更低的，你只要逃离saddle...

使用线性模型有很多缺点，比如Model Bias（模型偏差） 红色的曲线可以表示为一系列蓝色曲线的和 对于连续曲线函数，可以用一条分段线性函数来近似。为了有好的相似，我们需要足够多的片段 我们可以用sigmoid函数来近似表示分段函数$$y,=,c \frac{1}{1,+,e^{-(b+wx_1)}}$$ 也就是说，对于蓝色的曲线，我们有：$$曲线1：c_1sigmoid(b_1,+,w_1x_1)$$$$曲线2：c_2sigmoid(b_2,+,w_2x_2)$$$$…$$$$曲线i:...

得到权重的值以下是一个 单层神经网络（感知机） 的完整示例，通过 手动模拟训练过程，展示如何从数据中学习权重。我们以 房价预测 为例，假设数据仅包含一个样本，目标是让模型学会调整权重和偏置。 问题设定输入特征 $ x_1 $（面积）：1（标准化后的值，如100平方米） $ x_2 $（房龄）：1（标准化后的值，如5年） 真实输出 $ y_{\text{true}} = 3 $（单位：万元） 模型结构 线性模型：$ y_{\text{pred}} = w_1 x_1 + w_2 x_2 + b $ 初始参数（随机初始化）： 权重：$ w_1...