稳定性：只要保证校内工位电脑“从不睡眠”且 Tailscale 进程在线，你在全世界任何地方打开本地电脑，都能一秒唤醒学院服务器。安全性：Tailscale 采用的是端到端加密（WireGuard 协议），相较于向全网公开暴露端口的内网穿透，这种局域网组网方案将访问权限严格限制在你的个人账号下，安全性提升了数个量级。结语：技术折腾的一小步，科研效率的一大步. 强烈建议深受动态端口折磨的同学们尝试这

稳定性：只要保证校内工位电脑“从不睡眠”且 Tailscale 进程在线，你在全世界任何地方打开本地电脑，都能一秒唤醒学院服务器。安全性：Tailscale 采用的是端到端加密（WireGuard 协议），相较于向全网公开暴露端口的内网穿透，这种局域网组网方案将访问权限严格限制在你的个人账号下，安全性提升了数个量级。结语：技术折腾的一小步，科研效率的一大步. 强烈建议深受动态端口折磨的同学们尝试这

为了避免遭受公网脚本的暴力破解，很多学院服务器在本地客户端（持有私钥 id_rsa） ───通过隧道校验───> 远程服务器（保存公钥 authorized_keys）私钥 (id_rsa：严格保密，存放在你身边的校外本机上，相当于你的“实体钥匙”。公网 (id_rsa.pub：已经提前写入了学院服务器的中，相当于“门锁”。内网穿透工具本身只负责搬运和转发网络流量，不会也无法改变服务器原有的密钥验

Batch Size 是指在一次训练迭代（iteration）中传递给神经网络进行前向传播和后向传播的数据样本数量。整个数据集通常不会一次性传递给模型，而是分成多个较小的批次，每个批次逐步传递给模型进行训练。

在日常使用深度学习数据集时，我们经常通过像 `kagglehub` 这样的工具快速下载数据。但当我们在 **Windows 系统中使用 WSL（Windows Subsystem for Linux）** 运行 Python 脚本时，可能会遇到以下典型问题：> ✔ 我用 `kagglehub.dataset_download(...)` 成功下载了一个数据集，比如 Food-101，但> ❌ 我在

CIFAR（Canadian Institute For Advanced Research）数据集是由多伦多大学的Alex Krizhevsky和Geoffrey Hinton等人创建的。CIFAR数据集主要用于图像分类任务，广泛用于机器学习和计算机视觉研究。ImageNet是由斯坦福大学的Fei-Fei Li教授领导的团队创建的。ImageNet是一个大规模的图像数据库，旨在推动计算机视觉和深

动量（Momentum）来源于物理学中的动量概念。在机器学习中，动量通过积累之前梯度的指数加权平均来实现。简单来说，动量优化算法在更新模型参数时，不仅依赖当前的梯度，还考虑了之前梯度的方向。这种方法有助于模型在训练过程中更加稳定和高效地向最优解前进。动量优化算法通过引入惯性，使得梯度下降过程更加平稳和高效。动量因子为 0.9 表示当前更新不仅依赖于当前梯度，还包括前一次更新方向的 90%。这种方法

在深度学习领域中，我们经常处理的是独立同分布（i.i.d）的数据，比如图像分类、文本生成等任务，其中每个样本之间相互独立。然而，在现实生活中，许多数据具有时序结构，例如语言模型中的单词序列、股票价格随时间的变化、视频中的帧等。对于这类具有时序关系的数据，传统的深度学习模型可能无法很好地捕捉到其内在的 时间相关性 。为了解决这一问题，循环神经网络（Recurrent Neural Network,

Heaviside 算子Hx0ifx01ifx≥0Hx01​ifx0ifx≥0​它的作用是将输入信号根据某个阈值进行二值化处理。可以理解为一个开关，当输入信号达到或超过某个阈值时，开关“打开”，输出1；否则开关“关闭”，输出0。在脉冲神经网络中，Heaviside 算子用于模拟神经元的发放行为。StHUt−θStHUt−θ其中UtU(t)Ut是膜电位，θ\thetaθ是发放阈值，StS(t)St是

我们训练速度每秒处理2510张样本，而在云上，则可以处理到4722张样本每秒。出现了这个错误的话，是网络原因（可以先切换一下网络xxx，然后再次启动）将下面显示的命令复制到我们刚才打开的Miniconda中。可以直接选择Windows打开，将会显示新添加的模块。这里需要安装的包有点大，需要等待一会儿……这里是cuda0的device，一切正常。在训练的时候，我们可以输入查看一下。运行成功后，将会出