1. 相关理论概述Temporal Ensembling方法通过预测的标签的EMA（exponential moving average），并且通过保证ensemle 模型和 trained模型预测标签的连续一致性，从而保证训练得到的ensemle模型尽可能的接近groud truth模型。这里可以理解为，如果如果模型是正确的，那么前后两个模型的预测标签应该是接近的，并且变化较小的，那么使模型向.

1. 相关理论概述Temporal Ensembling方法通过预测的标签的EMA（exponential moving average），并且通过保证ensemle 模型和 trained模型预测标签的连续一致性，从而保证训练得到的ensemle模型尽可能的接近groud truth模型。这里可以理解为，如果如果模型是正确的，那么前后两个模型的预测标签应该是接近的，并且变化较小的，那么使模型向.

一、远程服务器以及docker配置ssh1 原理将docker中的ssh端口22映射到服务器中的某一个端口，例如9999，本地使用docker的用户名和密码登录9999端口，也就登录了相应的docker2 ssh配置步骤运行docker镜像，并且指定相应的端口映射关系NV_GPU=5 nvidia-docker run -ti --name my_tensorflow1.9_py3 ...

Greater() 和less()函数经常使用在sort()中用来对容器进行升序或者降序排序，或者用在push_heap()和pop_heap()中用来构建最大堆或者最小堆.二者包含在头文件functional中原型如下：//包含在头文件<functional>中// TEMPLATE STRUCT greateremplate<class _Ty>struct greate

sed -i &quot;s/learndata/NewDisk\/learndata/g&quot; `grep learndata -rl --include=&quot;*.py&quot; ./`背景：更改代码生成的文件和读取的文件的所在目录，需要更改该所有代码中涉及到文件操作的路径之前放在learndata文件夹下，现在放在，NewDisk/learnda

Linux更改python默认版本sudo rm -rf /usr/bin/pythonsudo ln -s /usr/bin/python3 /usr/bin/python

不收敛描述及可能原因分析不收敛情景1描述从训练开始就一直震荡或者发散可能原因图片质量极差，人眼几乎无法识别其中想要识别的特征，对于网络来说相当于输入的一直都是噪音数据，所以loss一直震荡无法收敛大部分标签都是对应错误的标签leaning rate 设置过大不收敛情景2描述训练开始会有所下降，然后出现发散可能原因数据标签中有错误，甚至所有标签都有一定的错误l...