因为容器里的执行脚本中，判断了key是不是等于 “sk-aaabbbcccdddeeefffggghhhiiijjjkkk”，key不一致会出现401错误。用CPU就挺快的，所以我没把显卡映射到docker容器中，但从容器的代码中能看到，只要把显卡映射到容器就能自动判断是否有显卡。注意：密钥一定要配置成“sk-aaabbbcccdddeeefffggghhhiiijjjkkk”也可以在docker

overleaf在线版限制很多，好在开源，准备在本地Docker部署，网上翻了翻，似乎本地部署并非易事，我也尝试了一下，发现直接使用docker-compose拉官方最新镜像部署的确问题很多，不过最终还是完美解决。

具体原因不明，但前端实际上已经编译成功了，在projects/app目录下输入ll命令，能看到一个.next文件夹，这个文件夹存放的就是编译后的前端文件。注意：编译过程中会出现非常多的提示，但只要出现 ✓ Compiled successfully就说明已经编译成功。通过浏览器localhost:3000即可热修改，如果首次执行提示错误，则重新执行一下命令即可。此时会自动下载依赖包，这里如果执行n

那Top-1 Accuracy和Top-5 Accuracy是指什么呢？我们知道ImageNet有大概1000个分类，而模型预测某张图片时，会给出1000个按概率从高到低的类别排名，所谓的Top-1 Accuracy是指排名第一的类别与实际结果相符的准确率，而Top-5 Accuracy是指排名前五的类别包含实际结果的准确率。

H2O-3机器学习平台是一个非常适合非专业人士学习机器学习的平台，自带WebUI，效果还是蛮不错的，官方也提供了jar包，一条命令就能直接运行，非常方便，但最近有源码编译的需求，实际操作过程中，发现，想要编译它的源码，真的比登天还难！主要是因为，github的源码可以说是日更，成百上千的分支看的人眼花缭乱，而且编译说明文档是世纪更，可当前主线的代码完全对不上。照着它的编译说明文档操作，绝对掉坑里爬

【代码】阿里云语音转文本。

【代码】api调用阿里云的千问大模型。

【代码】使用阿里云的SpeechSynthesizer实现语音合成。

公司有多台AI服务器，最近几台服务器在执行nvidia-smi命令时，非常慢，要等5-6秒才能执行成功，翻了系统日志也没找到任何异常，最后发现，原来是显卡切换到了节能模式，只需关闭节能模式，切换到持久模式即可。系统重启后，大概率又会变成节能模式，只需要在系统引导时自动启用NVIDIA持久性模式即可。

那Top-1 Accuracy和Top-5 Accuracy是指什么呢？我们知道ImageNet有大概1000个分类，而模型预测某张图片时，会给出1000个按概率从高到低的类别排名，所谓的Top-1 Accuracy是指排名第一的类别与实际结果相符的准确率，而Top-5 Accuracy是指排名前五的类别包含实际结果的准确率。