转载于https://cloud.tencent.com/developer/article/1049579，如有侵权，请联系 chris.zhang@wiz.ai 删除深度学习模式可能需要几个小时，几天甚至几周的时间来训练。如果运行意外停止，你可能就白干了。在这篇文章中，你将会发现在使用Keras库的Python训练过程中，如何检查你的深度学习模型Checkpoint神经网络模型应用程序Chec

执行install_mkl.sh时会下载mkl，但是国内速度过于慢，而且因为过慢的速度，还是timeout。真是无法忍受。那么看一下是否可以另辟蹊径呢？当然，如果可以人肉FQ也是可以的，不过大多同学可能没有这个条件...

有的时候我们需要计算多个batch的CrossEntropyLoss, 如下面的代码片段从官网上的例子来看， 一般input为(Number of Batch, Features), 而target一般为 (N,)

原文地址： https://terpconnect.umd.edu/~toh/spectrum/Convolution.html什么是卷积Convolution is an operation performed on two signals which involves multiplying one signal by a delayed or shifted version of anoth

公式Softmax(xi)=exp⁡(xi)∑jexp⁡(xj){Softmax}(x_{i}) = \frac{\exp(x_i)}{\sum_j \exp(x_j)}Softmax(xi​)=∑j​exp(xj​)exp(xi​)​结果一致从源码上来看，torch.nn.functional.F.softmax实际上调用的是Tensor自身的softmax函数公式Log_softmax(xi)

公式Softmax(xi)=exp⁡(xi)∑jexp⁡(xj){Softmax}(x_{i}) = \frac{\exp(x_i)}{\sum_j \exp(x_j)}Softmax(xi​)=∑j​exp(xj​)exp(xi​)​结果一致从源码上来看，torch.nn.functional.F.softmax实际上调用的是Tensor自身的softmax函数公式Log_softmax(xi)

torch.nn.functional.pad 是对Tensor做padding，输入的参数必须的torch的Tensor一般地，习惯上会做如下声明import torch.nn.functional as F所以，torch.nn.functional.pad一般使用F.pad来代替参数列表第一个参数为Tensor第二个参数为一个Tuple，它表示分别对前，后做多少位的padding操作第三个参

可以使用unbound来构建自定义的nameserver，在Centos或者Ubuntu下可以直接安装unbound服务；centos安装ubuntu安装默认的配置文件在/etc/unbound/unbound.conf安装完unbound后，可以通过命令unbound直接启动服务或者可以通过系统服务启动。下面是通过命令行启动unbound的日志在默认的配置中是写入到syslog中的，如果需要重定

使用FFT来计算IFFT公式DFT与IDFTDFT公式iDFT公式DFT计算iDFT公式推导FFT是DFT的一种快读计算方式，本质上的计算逻辑是一样的，所以下面使用DFT来讨论公式，应用于FFT是一样的公式DFT与IDFTDFT公式Xk=∑n=0N−1e−i2πNknxn,k∈{0,1,...N−1}X_k = \sum_{n=0}^{N-1}e^{-i\frac{2\pi}{N}kn}x_n ,

可以使用unbound来构建自定义的nameserver，在Centos或者Ubuntu下可以直接安装unbound服务；centos安装ubuntu安装默认的配置文件在/etc/unbound/unbound.conf安装完unbound后，可以通过命令unbound直接启动服务或者可以通过系统服务启动。下面是通过命令行启动unbound的日志在默认的配置中是写入到syslog中的，如果需要重定