1 删除 C:\Users\用户名.ssh 下的 know_hosts文件2 使用其他的ssh工具（MobaXterm）远程连接目标服务器首先使用指令：ps -aux |grep ‘自己的用户名’ 列出自己所有的运行的程序找到正在使用报错的文件/*/*/.vscode-server/bin/f80445acd5a3dadef24aa20916的进程使用kill ‘进程id’指令杀掉改进程然后使用

包含并行连结的网络（GoogLeNet）在2014年的ImageNet图像识别挑战赛中，一个名叫GoogLeNet的网络结构大放异彩 [1]。它虽然在名字上向LeNet致敬，但在网络结构上已经很难看到LeNet的影子。GoogLeNet吸收了NiN中网络串联网络的思想，并在此基础上做了很大改进。在随后的几年里，研究人员对GoogLeNet进行了数次改进。Inception块GoogLeNet中的基

使用softmax回归实现对Fashion-MNIST数据集进行分类import torchfrom torch import nnfrom torch.nn import initimport numpy as npimport sys读取数据集：mnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNI

正向传播与反向传播、数值稳定与模型初始化1. 正向传播正向传播是指对神经网络沿着从输入层到输出层的顺序，依次计算并存储模型的中间变量（包括输出）。假设输入是一个特征为x∈Rd\boldsymbol{x} \in \mathbb{R}^dx∈Rd的样本，且不考虑偏差项，那么中间变量z=W(1)x,\boldsymbol{z} = \boldsymbol{W}^{(1)} \boldsymbol{x}

pytorch实现对Fashion-MNIST数据集进行图像分类导入所需模块：import torchimport torchvisionimport torchvision.transforms as transformsimport matplotlib.pyplot as pltimport timeimport sys对数据集的操作（读取数据集）：由于像素值为0到255的整数，所以刚好是u

(python numpy) np.array.shape 中 (3,)、(3,1)、(1,3)的区别被人问到这个问题，就记录一下吧1. (3,)(3,)是[x,y,z][x,y,z][x,y,z]的形式，即为一维数组，访问数组元素用一个indexfor example:>>> array1 = np.array([1,2,3])>>> array1.shape

python 实现 BCH 纠错码的方法BCH码是一类重要的纠错码，它把信源待发的信息序列按固定的κ位一组划分成消息组，再将每一消息组独立变换成长为n(n>κ)的二进制数字组，称为码字。如果消息组的数目为M(显然M>=2),由此所获得的M个码字的全体便称为码长为n、信息数目为M的分组码，记为n，M。把消息组变换成码字的过程称为编码，其逆过程称为译码。我这里考虑输入是 torch.Ten

前馈神经网络常见的前馈神经网络有感知机（Perceptrons）、BP（Back Propagation）网络等。前馈神经网络(FNN)是人工智能领域中最早发明的简单人工神经网络类型。各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层．各层间没有反馈。在它内部，参数从输入层经过隐含层向输出层单向传播。与递归神经网络不同，在它内部不会构成有向环。下图为一个简单前馈神

循环神经网络的从零开始实现首先，我们读取周杰伦专辑歌词数据集：import timeimport mathimport numpy as npimport torchfrom torch import nn, optimimport torch.nn.functional as Fimport syssys.path.append("..")device = torch.device('cuda'

pytorch避免过拟合-dropout丢弃法的实现对于一个单隐藏层的多层感知机，其中输入个数为4，隐藏单元个数为5，且隐藏单元hih_ihi​（i=1,…,5i=1, \ldots, 5i=1,…,5）的计算表达式为：hi=ϕ(x1w1i+x2w2i+x3w3i+x4w4i+bi) h_i = \phi\left(x_1 w_{1i} + x_2 w_{2i} + x_3 w_{3i} + x_