这个名字好长啊。。但是，考虑到每一次训练都要耗费长达数日的GPU时间，每次启动训练前，细致而缜密的前期准备工作其实非常必要而且至关重要，这直接影响着数日之后的loss和最终的performance。首先推荐的一个文章是前几日看到的，知乎上谭旭的一个回答，谈到了最近facebook的training ImageNet in one hour，比较详细地阐释了batch size的大小对收敛性

论文全称：Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments项目地址： https://blog.openai.com/learning-to-cooperate-compete-and-communicate/本文是对MADDPG的翻译，huanghe摘要一， 引言二， 相关工作三...

下面主要总结一下语义分割和边缘检测中，使用VGG作为base network的论文中，训练参数和策略的情况：

台大林轩田·机器学习基石记要昨天开始看林轩田的机器学习基石，从今天起开始去粗取精本文在差不多是随堂笔记，可读性不好。。第一讲比较基础，一些概念自己早已经理解了，所以不再做笔记，有点印象的是讲到了ML、DL、AI的一些联系与区别，ML主要是想从数据中学习/逼近一个理想的函数f(x)第二讲讲到了PLA，感知器学习算法，并且证明了线性可分时感知器收敛定理（与Haykin的Neural Networks

论文全称：Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments项目地址： https://blog.openai.com/learning-to-cooperate-compete-and-communicate/本文是对MADDPG的翻译，huanghe摘要一， 引言二， 相关工作三...

万恶的login loop， 自从装了NVIDIA的官方驱动，已经有好几天没有看见桌面是什么模样了。 然而，就在几分钟前，这篇博客救我于万劫不复之中，重新看到久违的桌面后，我的心情简直。。。十！分！平！静！因为，在尝试无数的方法并失败之后，我已经麻木了。。另外，上一篇博客中引用的一篇博客分析了在虚拟机中使用CUDA，调用NVIDIA显卡的可行性，结论是“虚拟机中运行 CUDA 需要硬件和软件的配

台大林轩田·机器学习基石记要昨天开始看林轩田的机器学习基石，从今天起开始去粗取精本文在差不多是随堂笔记，可读性不好。。第一讲比较基础，一些概念自己早已经理解了，所以不再做笔记，有点印象的是讲到了ML、DL、AI的一些联系与区别，ML主要是想从数据中学习/逼近一个理想的函数f(x)第二讲讲到了PLA，感知器学习算法，并且证明了线性可分时感知器收敛定理（与Haykin的Neural Networks