输出 /bin/bash → 用的是 bash，配置文件是 ~/.bashrc。输出 /bin/zsh → 用的是 zsh，配置文件是 ~/.zshrc。为了避免冲突，需要把 claude 配置文件中的环境变量给它删除。配置完成之后，保存文件，并且使用下面的命令让配置生效。

输出 /bin/bash → 用的是 bash，配置文件是 ~/.bashrc。输出 /bin/zsh → 用的是 zsh，配置文件是 ~/.zshrc。为了避免冲突，需要把 claude 配置文件中的环境变量给它删除。配置完成之后，保存文件，并且使用下面的命令让配置生效。

github远程仓库已经创建, 我们要做的就是和远程仓库建立联系并上传代码到自建的分支上, 并修改上传者的身份信息.这个是在使用过程中总结的使用步骤, 希望遇到同样问题给大家有个比较完成的提示, 同时作为自我知识积累的沉淀.

不过，在实际应用中，硬盘等存储设备的制造商通常按照1GB=1000MB，1MB=1000KB，1KB=1000B的进制来计算容量，这就导致在操作系统中查看存储设备容量时，显示的容量会略小于按照1024进制计算的结果。参数（2字节） + 梯度（2字节） + 动量（2字节） + 方差（2字节） = 8字节/参数。B = Billion（十亿）, 因此，671B模型指拥有6710亿参数的模型。- 1GB

解决方案:git clone https://github.com/NVIDIA/apexcd apexpython setup.py install在使用python setup.py install 的过程中会报错, 错误截图解决方案:需要在命令行执行 export TORCH_CUDA_ARCH_LIST="6.0" 随便一下计算力值输入即可.然后在执行python setup.py ins

● milvus资料: https://milvus.io/docs/v2.4.x/install_standalone-docker.md。● attu资料: https://github.com/zilliztech/attu。

说明: 场景: 一张图片输入之后, 在向量数据库中, 每张图片的结果会返回最可能得top5结果图片, 然后判断其模型的召回率和准确率。这个指标能帮助评估模型在不同检索结果数量下，对正例图像的检索能力，指标值越高，说明模型在检索正例图像方面的性能越好。假设要识别包含猫的图像，数据集中共有 100 张包含猫的图像（标签为正例的个数 = 100）。○ 召回率(recall)：表示预测为正例且标签为正例的

不过，在实际应用中，硬盘等存储设备的制造商通常按照1GB=1000MB，1MB=1000KB，1KB=1000B的进制来计算容量，这就导致在操作系统中查看存储设备容量时，显示的容量会略小于按照1024进制计算的结果。参数（2字节） + 梯度（2字节） + 动量（2字节） + 方差（2字节） = 8字节/参数。B = Billion（十亿）, 因此，671B模型指拥有6710亿参数的模型。- 1GB

supervisor常用命令

注意力机制说白了就是要通过训练得到一个加权，自注意力机制就是要通过权重矩阵来自发地找到词与词之间的关系。因此肯定需要给每个input定义tensor，然后通过tensor间的乘法来得到input之间的关系。那这么说是不是给每个input定义1个tensor就够了呢？不够啊！如果每个input只有一个相应的q，那么q1和q2之间做乘法求取了a1和a2的关系之后，这个结果怎么存放怎么使用呢？而且a1和