前言本文是在笔者做深度学习相关研究的时候需要高算力GPU去运行代码因而选择去租借GPU云服务器，这里记下自己所接触的一些GPU服务器网站和使用技巧一、推荐站点1、极链AI云，首当其冲的一定是这家，这家是我用过认为较为好用而且相对价格比较平均然后操作方便，还有最重要的一点就是它微信注册绑定送100元，如果是学生再送100元，真的很爽，而且这家的GPU种类比较多，从RTX2080Ti，Tesla P1

1、前言实验室深度学习服务器从硬件到系统和软件上的配置，不使用外包的服务器，从装机到管理全程自己摸索，从而实现实验室多用户共同共用服务器资源，目前服务器上所有的硬件配置就都是INTEL和NVIDIA，系统上使用Ubuntu系统，同样其他Linux操作系统也可以，但是目前来说Ubuntu对于深度学习服务器来说还是适用性最广的。2、硬件方面服务器的配置方面，首先是CPU，普遍选择Intel至强系列芯片

前言本文主要记录关于李宏毅机器学习2021中HW3和HW4的卷积神经网络和自注意力机制网络部分的笔记，主要介绍了CNN在图像领域的作用及如何处理图像数据，Self-Attention在NLP(自然语言处理)领域的作用和处理词之间的关系。一、CNN卷积神经网络CNN处理图像的大致步骤前面介绍的FCN全连接神经网络是通过把一维的向量不断通过中间的隐藏层的multi和bias最后输出指定列数的vecto

1、前言实验室深度学习服务器从硬件到系统和软件上的配置，不使用外包的服务器，从装机到管理全程自己摸索，从而实现实验室多用户共同共用服务器资源，目前服务器上所有的硬件配置就都是INTEL和NVIDIA，系统上使用Ubuntu系统，同样其他Linux操作系统也可以，但是目前来说Ubuntu对于深度学习服务器来说还是适用性最广的。2、硬件方面服务器的配置方面，首先是CPU，普遍选择Intel至强系列芯片

前言本文是在笔者做深度学习相关研究的时候需要高算力GPU去运行代码因而选择去租借GPU云服务器，这里记下自己所接触的一些GPU服务器网站和使用技巧一、推荐站点1、极链AI云，首当其冲的一定是这家，这家是我用过认为较为好用而且相对价格比较平均然后操作方便，还有最重要的一点就是它微信注册绑定送100元，如果是学生再送100元，真的很爽，而且这家的GPU种类比较多，从RTX2080Ti，Tesla P1

前言本文是在笔者做深度学习相关研究的时候需要高算力GPU去运行代码因而选择去租借GPU云服务器，这里记下自己所接触的一些GPU服务器网站和使用技巧一、推荐站点1、极链AI云，首当其冲的一定是这家，这家是我用过认为较为好用而且相对价格比较平均然后操作方便，还有最重要的一点就是它微信注册绑定送100元，如果是学生再送100元，真的很爽，而且这家的GPU种类比较多，从RTX2080Ti，Tesla P1

1、前言实验室深度学习服务器从硬件到系统和软件上的配置，不使用外包的服务器，从装机到管理全程自己摸索，从而实现实验室多用户共同共用服务器资源，目前服务器上所有的硬件配置就都是INTEL和NVIDIA，系统上使用Ubuntu系统，同样其他Linux操作系统也可以，但是目前来说Ubuntu对于深度学习服务器来说还是适用性最广的。2、硬件方面服务器的配置方面，首先是CPU，普遍选择Intel至强系列芯片

前言本文主要记录在学习生成式模型时的一些关键知识点以及学习过程的笔记，若有错误之处还望指出并谅解。一、生成模型基于深度学习的生成式建模的方法主要有AE、VAE、GAN这三大种，其中VAE是基于AE的基础上进行变形的生成模型，而GAN是近年来较为流行并有效的生成式方法。自编码器(AE)：AE主要由编码器和解码器组成，整个模型其实就相当于一个压缩解压的一个过程，编码器将真实数据进行压缩到低维隐空间中的

前言：本文主要记录关于李宏毅机器学习2021中Transfomer和Normalization章节的相关笔记，其中Transformer主要介绍了在NLP领域的作用而Normalization主要介绍Batch Normalization的操作。一、Normalization① 为什么要做归一化处理先说归一化的目的或者优点：归一化的目的主要是为了让模型的收敛速度更快，对于使用梯度下降优化的模型，每

前言本文主要记录关于李宏毅机器学习2021中HW3和HW4的卷积神经网络和自注意力机制网络部分的笔记，主要介绍了CNN在图像领域的作用及如何处理图像数据，Self-Attention在NLP(自然语言处理)领域的作用和处理词之间的关系。一、CNN卷积神经网络CNN处理图像的大致步骤前面介绍的FCN全连接神经网络是通过把一维的向量不断通过中间的隐藏层的multi和bias最后输出指定列数的vecto