维度Eager Mode执行方式解释执行，遇操作即运行先捕获图，编译优化，再运行速度基准速度通常更快（融合算子，减少开销）调试非常方便（printpdb较复杂（优化后的代码不易直接调试）内存占用基准占用通常更低（算子融合减少中间变量）启动时间无预热时间有一次性编译预热时间适用场景开发调试、动态性强的小模型生产部署、训练大模型、固定结构的推理。

输入 sudo apt install ubuntu-restricted-extras。按住 ctrl+alt+T 打开终端。来解决ubuntu许多受限问题。

它在回归问题中用于特征选择，有助于识别对目标变量有重要影响的特征，同时将不相关的特征的权重收缩为零。L1正则化的效果是使一些权重趋向于零，从而使模型更加稀疏，即某些特征对模型的预测贡献较小，这有助于特征选择和减小模型的复杂度。L1约束（L1 constraint）通常是指在机器学习和优化领域中，对模型的权重（参数）添加L1正则化项，L1正则化项也称为L1惩罚（L1 penalty）或L1范数（L1

通用扰动攻击是一种更通用的攻击方法，攻击者寻找一种扰动，可以应用于大量输入数据样本，而不是特定的单个样本。攻击者寻找一种扰动，将原始输入数据样本修改为对抗样本，以使模型在对抗样本上产生错误的输出。对抗样本攻击通常专注于欺骗模型的个别数据样本，目标是在特定输入上实现攻击成功。通用扰动攻击（Universal Perturbation Attack）和对抗样本攻击（Adversarial Exampl

最大池化是对局部的值取最大；平均池化是对局部的值取平均；随机池化是根据概率对局部的值进行采样，采样结果便是池化结果。具体来说，若卷积核是C，输入是X，卷积得到的特征图就是Y，那么CX=Y。反卷积操作就是，Y左乘X转置，c T y = x。反卷积是特殊的卷积，可以将输入还原。分为最大池化，平均池化，随机池化。内积后得到的是特征图。池化的作用就是降维。

当y为0的时候，公式前半部分为0，y' 需要尽可能为0才能使后半部分数值更小；当y为1时，后半部分为0，y'需要尽可能为1才能使前半部分的值更小，这样就达到了让y'尽量靠近y的预期效果。BCELoss：Binary Cross Entropy Loss，二值交叉熵损失，适用于0/1二分类。这要求输出必须在0-1之间，所以为了让网络的输出确保在0-1之间，一般都会加一个Sigmoid。y是真实标签，

它在回归问题中用于特征选择，有助于识别对目标变量有重要影响的特征，同时将不相关的特征的权重收缩为零。L1正则化的效果是使一些权重趋向于零，从而使模型更加稀疏，即某些特征对模型的预测贡献较小，这有助于特征选择和减小模型的复杂度。L1约束（L1 constraint）通常是指在机器学习和优化领域中，对模型的权重（参数）添加L1正则化项，L1正则化项也称为L1惩罚（L1 penalty）或L1范数（L1

深度伪造检测（Deepfake Detection）是指检测和识别深度伪造技术所生成的虚假图像、音频、视频或文本。深度伪造技术使用深度学习和人工智能方法来生成虚假内容，这可能包括合成面部图像、模仿声音、修改视频或生成虚假文本等。深度伪造检测是一个不断发展的领域，研究人员和工程师不断提出新的方法和技术，以提高检测的准确性和鲁棒性。随着深度伪造技术的不断演进，深度伪造检测方法也在不断发展，以适应新的挑

torch.argmax(outputs, dim=1)

单击”View“菜单->“Tool Windows”->"Python Console"即可重新调出。当时不小心将pycharm控制台右键hide了，就是下面这个。