1、新建虚拟机的时候选择，自定义2、然后硬件兼容性选择，下面的那个，就没问题了

这篇博主写的非常的详细，非常感谢他http://www.cnblogs.com/fuly550871915/p/4949513.html注意：我需要的补充的是，本机的IP地址不要和虚拟机中的静态IP地址一样，如果一样也有可能会导致连接不上的问题。

错误信息在启动triton inference server的时候报I0701 02:42:42.028366 1 cuda_memory_manager.cc:103] CUDA memory pool is created on device 0 with size 67108864I0701 02:42:42.031240 1 model_repository_manager.cc:1065

在使用triton-server部署模型完成之后，我们需要测试一下模型服务的能力，这篇文章详细介绍了如何通过perf_analyzer和model-analyzer两款测试工具来测试模型服务的吞吐量

导读只需要一段5秒钟的录音，就能将其他的文字转换成你的声音。Real-Time-Voice-Cloning该项目目前在git上以及接近30k的星，作者将克隆后的效果已经上传到youtube演示视频。遗憾的是这个项目只支持英文。最近从这个项目中发展了一个中文的分支Realtime-Voice-Clone-Chinese，作者已经在效果上传到了bilibili演示视频下面我就教大家如何在你的电脑上使用

弄了一下午，以前都是好好的，也可以连xshell。然后，今天一直报错连不上。后面测试ping的时候也是报destination host unreachable。后面才发现原来是因为，选择了桥接导致的。因为选择桥接是用本机的一块物理网卡进行通信，因为我一起都是用网线的，这次用的无线。然后一直报错，估计连不上xshell的原因也是这个。下面说一下解决方法。第一步：先打开电脑的控制面板，找到网络连

导读在使用tensorflow训练模型的时候报如下错误tensorflow.python.framework.errors_impl.InvalidArgumentError: No OpKernel was registered to support Op 'NcclAllReduce' used by node AllReduceGrads/NcclAllReduce (defined at

在使用机器学习训练一个模型的时候，训练出来的模型很可能会出现两个常见的问题，过拟合和欠拟合从而导致模型对未知数据的预测能力会有所下降。欠拟合可能是由于模型的设计过于的简单，提取出来的特征不足以来刻画问题的趋势，比如说，使用一个模型来预测房价，影响房价的因素有房子所处位置、房子大小、卧室的数量、是否靠近医院、是否靠近学校等等。如果，我们在训练模型的时候仅仅只是用了房子的大小、房子所处的位置两个特征来

错误原因在TensorFlow2的版本中，已经移除了contrib模块，所以就没有slim模块，在TensorFlow1的版本中slim的模块导入如下from tensorflow.contrib import slim解决办法我们可以通过安装tf_slim模块来替换contrib中slim，安装tf_slim模块pip install tf_slimimport tf_slim as slim.

数据增强(Data Augmentation)：是指对图片进行随机的旋转、翻转、裁剪、随机设置图片的亮度和对比度以及对数据进行标准化(数据的均值为0，方差为1)。通过这些操作，我们可以获得更多的图片样本，原来的一张图片可以变为多张图片，扩大了样本容量，对于提高模型的准确率和提升模型的泛化能力非常有帮助，在进行数据增强的同时也会需要消耗大量的系统资源。利用opencv来读取图片，然后利用tensor