很多系统在刚开始都把docker安装在系统盘，但是随着镜像越来越多，数据就可能存不下，所以就需要扩充容量，比如加一个磁盘这种。关于Ubuntu20.04如何挂载4T数据盘，可以参考前面发的文章：https://blog.csdn.net/qq_41318914/article/details/1236237611.首先，默认情况下docker的镜像和容器都是保存在/var/lib/docker下面

最近的几个项目接二连三遭到一些黑客组织的攻击，虽然项目才刚刚上线，没有什么特别重要的数据，但还是造成了不小的麻烦。在去检查项目漏洞的同时，想到了可不可以定时备份数据库，就像windows里的批处理一样，定时的执行某个任务。1.打开navicat客户端，连上mysql后，双击左边你想要备份的数据库。点击“自动运行”，再点击“新建批处理作业”。2.点击下面的“备份”，然后选择需要备份的数据库，然后双击

什么是 Github?github是一个基于git的代码托管平台，付费用户可以建私人仓库，我们一般的免费用户只能使用公共仓库，也就是代码要公开。Github 由Chris Wanstrath, PJ Hyett 与Tom Preston-Werner三位开发者在2008年4月创办。迄今拥有59名全职员工，主要提供基于git的版本托管服务。今天，GitHub已是：（1）一个拥有143万开发者的社区。

计算机科学与技术、网络空间安全、电子信息初试及复试科目如下：由于学校的调整，最终的招生计划、一志愿复试人数、复试最低分如下：招生计划、一志愿复试人数、复试最低分：

一.基础知识在理解各种损失函数的选择原理之前，先回顾一下损失函数、模型训练、训练方法的相关基本概念损失函数（Loss Function）：用来估量模型的预测值 f(x)与真实值 y的偏离程度，以下是选择损失函数的基本要求与高级要求：基本要求：用来衡量模型输出分布和样本标签分布之间的接近程度，高级要求：在样本分布不均匀地情况下，精确地描述模型输出分布和样本标签之间的接近程度模型训练（Training

一.基础知识在理解各种损失函数的选择原理之前，先回顾一下损失函数、模型训练、训练方法的相关基本概念损失函数（Loss Function）：用来估量模型的预测值 f(x)与真实值 y的偏离程度，以下是选择损失函数的基本要求与高级要求：基本要求：用来衡量模型输出分布和样本标签分布之间的接近程度，高级要求：在样本分布不均匀地情况下，精确地描述模型输出分布和样本标签之间的接近程度模型训练（Training

1.L1和L2的区别在机器学习中：- L1 normalization是指向量中各个元素绝对值之和，通常表述为,线性回归中使用L1正则的模型也叫Lasso regularization- L2 normalization指权值向量w中各个元素的平方和然后再求平方根（可以看到Ridge回归的L2正则化项有平方符号），通常表示为，线性回归中使用L2正则的模型又叫岭回归(Ringe regulariza

本文介绍了三种大模型优化技术：1）有监督微调（SFT），通过人工标注数据提升模型在特定任务的表现；2）基于人类反馈的强化学习（RLHF），包括DPO（直接偏好优化）和PPO（近端策略优化）两种方法，分别通过对比选择和奖励信号调整模型输出；3）检索增强生成（RAG），结合外部信息检索提升生成质量。这些技术各有侧重，共同推动大模型性能优化。