报错configure: error: in `/root/Python-3.7.4': configure: error: C compiler cannot create executablesgcc: error: unrecognized command line option '-V' gcc: fatal error: no input files安装以下依赖解决：yum instal

裁剪权重还是神经元，裁剪不重要的，权重是否重要看大小即可逐步裁剪，逐步重新训练达到最佳大的好训练，所以先训练个大的，才裁剪不规则，GPU矩阵运算不好加速只是把对应的weight的值设置为0，事件上weight还在，模型生成的大小仍然是一样的删除神经元是比较容易加速的先集成在蒸馏引入参数T，学习更多的信息矩阵分解，减少参数图像的卷积运算也是一样的近的是通用特征，不能打乱了...

32bit直接转换成8bit参与运算，一定是线性量化，整数前面会有对应的系数。另外量化需要硬件支持，cpu可能对整数运算有加速，GPU未必，有些本身就适合做浮点数运算。量化后非连续，不能求导，通过一些方式变成连续结构化的裁剪才能提速，本身就是矩阵运算transformer整个头的裁剪裁剪那个不重要的头蒸馏是主流的方案除了常规的学习人工标签这位老师，还可以学习预训练这位老师，信息会更充分，连续的表示

https://www.jianshu.com/p/2d1291d69a54import netronmodelPath = "../recall/in_batch_negative/inbatch_model_best/model_state.pdparams"netron.start(modelPath)

相关知识点BIOS 在计算机领域，BIOS是 "Basic Input Output System"的缩略语，译为"基本输入输出系统"， 与前者读法相同。计算机在运行时，首先会进入BIOS，它在计算机系统中起着非常重要的作用。一块主板性能优越与否，很大程度上取...

完整参考链接：https://www.paddlepaddle.org.cn/tutorials/projectdetail/1555945https://github.com/PaddlePaddle/Serving/blob/v0.6.0/README_CN.md获取模型的方式训练过程直接保存可部署的模型”通常训练过程是使用的save_inference_model接口保存模型的，但是这样保存

参考：https://blog.csdn.net/weixin_42137700/article/details/107137353

一假设您的Docker容器已启动并正在运行，则可以运行以下命令：docker exec mycontainer /bin/sh -c "cmd1;cmd2;...;cmdn"二有时候我们想执行某个容器的某条命令，但又不想进入容器内。那该怎么办？于是脚本可以这样写DOCKER_ID=62f3f40ab240sudo docker exec -it $DOCKER_ID /bin/bash -c 'c

os.environ[‘WECHATY_PUPPET’] = “wechaty-puppet-service”os.environ[‘WECHATY_PUPPET_SERVICE_TOKEN’] = “puppet_paimon_f3dabb5216d8826c681de77f85f18c07”这个token配置好后可以本地直接运行os.environ[‘WECHATY_PUPPET’] = “w

参考链接：https://blog.csdn.net/guotianqing/article/details/82391665