NVIDIA-SMI简称NVSMI，提供监控GPU使用情况和更改GPU状态的功能，是一个跨平台工具，支持所有标准的NVIDIA驱动程序支持的Linux和WindowsServer 2008 R2 开始的64位系统。这个工具是N卡驱动附带的，只要装好驱动，就会有这个命令Windows下表格参数详解：隔两秒刷新一下GPU的状态：nvidia-smi -l上面是显存监控中常用的几个命令，如果还有什么参数

本教程详细记录了在 ubuntu 上安装 deepstream5.1 的方法。一些版本要求：CUDA 11.1。

国内常见与人工智能（深度学习、机器学习）相关比赛合集

Anaconda 常用命令env_name：环境名称 package_full_name：包名称用途命令显示Anaconda版本conda --version创建环境名称为env_name版本号环境conda create -n env_name环境名称 python=版本号激活环境（conda）activate env_name退出当前环境conda deactivate显示当前所有环境cond

深度学习预备知识1、基础数学知识（线性代数、高等数学、概率论部分知识）•导数概念、如何求导、•矩阵概念、矩阵基本运算、•概率的概念、正态分布的概念等【注意】以上内容入门深度学习足够，强烈不建议大家拿上一本数学教材从头到尾去读，更不要被网上对人工智能中数学知识高深莫测的描述吓到。2、Python基础知识（基础语法即可）•基本概念——列表、循环、遍历、字典、函数、类•科学计算库 numpy（也不需要了

目前个人认为较好的数据集网站主要有：数据集网站1.AI Studio数据集： 开放数据集-百度AI Studio - 人工智能学习与实训社区2.天池数据集：数据集-阿里系唯一对外开放数据分享平台3.Papers With Code数据集：Machine Learning Datasets | Papers With Code4.Kaggle 数据集：Find Open Datasets and M

Pipeline，你土味一点你把它翻译成一条龙服务专业一点，叫它综合解决方案，就行。算法或者大数据分析里的可重复使用，针对新的数据，直接输入数据，可以得到结果。一个典型的机器学习构建包含若干个过程1、源数据ETL2、数据预处理3、特征选取4、模型训练与验证以上四个步骤可以抽象为一个包括多个步骤的流水线式工作，从数据收集开始至输出我们需要的最终结果。因此，对以上多个步骤、进行抽象建模，简化为流水线式

目前个人认为较好的数据集网站主要有：数据集网站1.AI Studio数据集： 开放数据集-百度AI Studio - 人工智能学习与实训社区2.天池数据集：数据集-阿里系唯一对外开放数据分享平台3.Papers With Code数据集：Machine Learning Datasets | Papers With Code4.Kaggle 数据集：Find Open Datasets and M

Caffe的作者为UC Berkeley大学的贾扬清。caffe是一个c++/CUDA架构，支持命令行、Python、Matlab接口，可以在CPU/GPU上运行。Caffe可以应用在视觉、语音识别、机器人、神经科学和天文学。Caffe提供了一个完整的工具包，用来训练、测试、微调和部署模型。.........

Pipeline，你土味一点你把它翻译成一条龙服务专业一点，叫它综合解决方案，就行。算法或者大数据分析里的可重复使用，针对新的数据，直接输入数据，可以得到结果。一个典型的机器学习构建包含若干个过程1、源数据ETL2、数据预处理3、特征选取4、模型训练与验证以上四个步骤可以抽象为一个包括多个步骤的流水线式工作，从数据收集开始至输出我们需要的最终结果。因此，对以上多个步骤、进行抽象建模，简化为流水线式