记录ubuntu下常用软件的安装，避免每次安装查询，包括一些常用的配置。

CPU主要用于串行运算；而GPU则是大规模并行运算。由于深度学习中样本量巨大，参数量也很大，所以GPU的作用就是加速网络运算。CPU算神经网络也是可以的，算出来的神经网络放到实际应用中效果也很好，只不过速度会很慢罢了。而目前GPU运算主要集中在矩阵乘法和卷积上，其他的逻辑运算速度并没有CPU快。

深度学习模型参数量与FLOPs计算工具介绍

显卡内部，有三级结构：网格（grid）、块（block）、线程（thread）。每个显卡只有很少的网格，一个核函数只能运行在一个网格中，而一个网格里有多个块，每个块包含了若干线程。kernel在device上执行时实际上是启动很多线程，一个kernel所启动的所有线程称为一个网格（grid），同一个网格上的线程共享相同的全局内存空间，grid是线程结构的第一层次，而网格又可以分为很多线程块（blo

深度学习模型参数量与FLOPs计算工具介绍

也看了不少softmax和交叉熵的文章了，不少文章对它们的来龙去脉做了比较清晰地梳理，有些文章讲得过于复杂，从信息量、相对熵(KL散度)讲到交叉熵，对于想要实际应用的同学来说，其实没有必要掌握它的来龙去脉，于是在此，对softmax和交叉熵的概念和公式进行简要说明，辅助以实际例子对它们具体说明。

深度学习模型参数量与FLOPs计算工具介绍

输入矩阵格式：四个维度，依次为：样本数、图像高度、图像宽度、图像通道数输出矩阵格式：与输出矩阵的维度顺序和含义相同，但是后三个维度（图像高度、图像宽度、图像通道数）的尺寸发生变化。权重矩阵（卷积核）格式：同样是四个维度，但维度的含义与上面两者都不同，为：卷积核高度、卷积核宽度、输入通道数、输出通道数（卷积核个数）...

记录ubuntu下常用软件的安装，避免每次安装查询，包括一些常用的配置。

工作中大部分时间在用win和ubuntu的双系统，虽然能应付大部分工作，但是遇到频繁切换环境时，还是比较烦的，所以乘着周末时间研究了一下WSL系统。1. windows环境设置打开开发者模式电脑桌面右键选择显示设置->搜索开发者设置->打开开发人员选项开关。如下图所示。启用子系统功能，控制面板->程序->程序和功能->启动或光比Windows功能->适用于Linux的Windows子系统。勾选之后