由于softmax是对两个类别（正反两类，通常定义为0/1的label）建模，所以对于NLP模型而言（比如泛BERT模型），Bert输出层需要通过一个nn.Linear()全连接层压缩至2维，然后接softmax（pytorch的做法，就是直接接上。sigmoid得到的结果是“分到正确类别的概率和未分到正确类别的概率”，softmax得到的是“分到正确类别的概率和分到错误类别的概率”。前者0.28

ROS通信机制——python实现

真正超详细手把手用YOLOv3训练自己的数据集实战过程记录（Ubuntu18.04）

今天在重新训练一个之前跑过的模型时候，突然发现训练损失一直居高不下，一直保持在0.6左右，就感觉很奇怪，为什么之前训练的时候没有问题，之前训练的时候loss是正常下降的，为什么今天重新把代码拉出来跑的时候，就出现loss不下降的问题呢？带着这个问题，我就狠狠调试，发现代码逻辑啥的都没有问题，为此调试了一整天，然后刚刚坐在实验室的时候，突然想着要不把中间结果输出看看，然后我就单独挑了几例数据训练一下

真正超详细手把手用YOLOv3训练自己的数据集实战过程记录（Ubuntu18.04）

虽然目前主流深度学习框架是Pytorch和TensorFlow2.x版本，但是也不乏有一些大佬使用TensorFlow1.x版本进行开发，这个时候如果不想使用Pytorch和TensorFlow2.x重写一下源代码的话，唯一的办法就是创建一下TensorFlow1.x的虚拟环境。

安装命令的选项，它的意思是在安装某个包时，会忽略这些依赖关系，不去安装这些依赖包。会自动安装该包所需要的依赖库，而加上。作为依赖，正常情况下。举个例子，如果你安装。

一、相关配置1.安装依赖sudo apt install ros-$ROS_DISTRO-rgbd-launch ros-$ROS_DISTRO-libuvc ros-$ROS_DISTRO-libuvc-camera ros-$ROS_DISTRO-libuvc-ros2.建立工作空间mkdir -p ~/catkin_ws/srccd ~/catkin_ws/catkin_makesource

【代码】Anaconda删除虚拟环境。

可以看到我们此时无法看到显卡的准确型号，只能看到NVIDIA GeForce ...