为了让notebook服务监听所有的IP地址，而不仅仅是localhost，并且允许其他计算机通过网络连接，你应该使用。step4.一旦notebook服务在服务器上启动后，可以看到一个URL输出到控制台。step2.然后，在该环境下创建一个新的内核。其中username是在远程服务器上的用户名, your_remote_server_ip 是远程服务器的IP地址.现在，就能够从本地计算机浏览和编

本文将总结从LeNet5开始到现在，具有代表性或具有创新意义的CNN网络模型架构。本文特点是，一、总结内容非常精简，不详细，适于想快速了解的人进行阅读；二、附带有相关网络图，来源于论文或网络，直观不枯燥；三、附带论文链接地址，需要详细学习该网络的人可直接点开下载；四、附带pytorch代码实现，代码来源于网络或自己写…目录LeNet5网络结构解析Pytorch实现AlexNet网络结构解析创新点P

背景R-CNN计算成本很高，但是各种推荐中共享卷积，成本已经大大降低，然而其训练过程和测试依然非常慢R-CNN方法端到端地对CNN进行训练，将推荐区域分类为目标类别或背景；R-CNN主要作为分类器，并不能预测目标边界，其准确度取决于区域推荐模块的性能在OverFeat方法中，训练一个全连接层来预测假定单个目标定位任务的边界框坐标，然后将全连接层变成卷积层，用于检测多个类别的目标Multi...

目录算法简述优缺点回归的一般方法线性回归：1.标准线性回归（LR）2.局部加权线性回归（LWLR）3.岭回归4.lasso5.前向逐步回归算法简述优缺点优点：结果易于理解，计算上不复杂缺点：对非线性的数据拟合不好使用数据类型：数值型和标称型回归的一般方法收集数据：任意方法准备数据：数值型，标称型转二值型分析数据：可视化二维图训练算法：找回归系数测试算法：R2或其他使用...

支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane） [1-3]。这一知识点我花了零零散散的时间看了三天，在理论上还是...

目录总结参数量化参数量化定义参数量化特点1.二值化二值化权重二值化权重与激活函数2.三值化3.聚类量化4.混合位宽手工固定自主确定训练技巧参考文献深度学习模型的压缩和加速是指利用神经网络参数的冗余性和网络结构的冗余性精简模型，在不影响任务完成度的情况下，得到参数量更少、结构更精简的模型。被压缩后的模型计算资源需求和内存需求更小，相比原始模型能够满足更加广泛的应用需求。在深度学习技术日益火爆的背景下

目录1.导包&定义一个简单的网络2.多参数剪枝3.全局剪枝4.总结目前大部分最先进的（SOTA）深度学习技术虽然效果好，但由于其模型参数量和计算量过高，难以用于实际部署。而众所周知，生物神经网络使用高效的稀疏连接（生物大脑神经网络balabala啥的都是稀疏连接的），考虑到这一点，为了减少内存、容量和硬件消耗，同时又不牺牲模型预测的精度，在设备上部署轻量级模型，并通过私有的设备上计算以保证

tensorflow.python.framework.errors_impl.InternalError: Blas GEMM launch failed：a.shape=(xx, xx), b.shape=(xx,xx), m=10, n=2, k=10 [Op:MatMul]配置：tensorflow-gpu 2.0pycharm最佳解决方案：重启电脑...

目录环境1.查看自己配了哪些环境2.配一个新环境3.进入和退出环境4.删除环境包（三方库）1.查看安装了哪些包2.删除包3.安装包环境1.查看自己配了哪些环境conda env list2.配一个新环境conda create -n 环境的名字 python=版本号3.进入和退出环境退出：deactivate进入：activate 环境名4.删除环境conda remo...

在数学最优问题中，拉格朗日乘数法（以数学家约瑟夫·路易斯·拉格朗日命名）是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。这种方法将一个有n 个变量与k 个约束条件的最优化问题转换为一个有n + k个变量的方程组的极值问题，其变量不受任何约束。这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的梯度（gradient）的线性组合里每个向量的系数。 [1]此方法的证明牵涉到偏...