问题：使用pycharm远程调试一致出现No module named’_pydevd_bundle_ext’这个错误坑坑…，这个错误浪费了我3个小时。我的代码如下：if __name__ == '__main__':print('DD')print()错误如下Traceback (most recent call last): File "/home/www/.pycharm_helpers/p

书中的代码实现：https://github.com/fchollet/deep-learning-with-python-notebooks

CVPR2018: 更为鲁棒的分类器 卷积原型学习CPL[https://zhuanlan.zhihu.com/p/49458516](https://zhuanlan.zhihu.com/p/49458516)论文地址：代码实现：

当前主流的针对神经网络模型的持续学习方法可以分为一下几类：1. Regularization： 在网络参数更新的时候增加限制，使得网络在学习新任务的时候不影响之前的知识。这类方法中，最典型的算法就是EWC。EWC https://github.com/GMvandeVen/continual-learning2. Ensembling： 当模型学习新任务的时候，增加新的模型（可以是显示或者隐式的方

1.训练速度慢的原因在我们训练网络的时候，是cpu先处理好数据然后送入网络中gpu进行计算，这样在cpu处理数据时非常的慢，会使得gpu有较长的空载时间。常规的训练方式如下。2 加速方法2.1 方法1 tf.data.prefetch()这是可以使用tf.data.prefetch()方法，提前从数据集中取出若干数据放到内存中，这样可以使在gpu计算时，cpu通过处理数据，从而提高训练的速度。如下

1 CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.For debugging consider passing CUDA_LAUNCH_BLOCKING=1.在代码中加入os.environ['CUDA_LAU

书中的代码实现：https://github.com/fchollet/deep-learning-with-python-notebooks

docker的安装参考链接添加链接描述nvidia-docker的安装参考链接nvidia-docker的使用nvidia-docker run -it --shm-size=10g --runtime=nvidia -e NVIDIA_VISIBLE_DEVICE=0 nvcr.io/nvidia/tensorflow:20.03-tf2-py3#对应tensorflow 2.1.0版本nvid

前言径向基函数是一个取值仅仅依赖于离远点的实值函数，也就是 ϕ(x)=ϕ(∣∣x∣∣)\ \phi(x)=\phi(||x||) ϕ(x)=ϕ(∣∣x∣∣)，或者还可以是任意一点c的距离，c点称为中心点，也就是 ϕ(x−c)=ϕ(∣∣x−c∣∣)\ \phi(x-c)=\phi(||x-c||) ϕ(x−c)=ϕ(∣∣x−c∣∣)。任意一点满足 ϕ

`An HTTP error occurred when trying to retrieve this URL.HTTP errors are often intermittent, and a simple retry will get you on your way.SSLError(MaxRetryError('HTTPSConnectionPool(host=\'mirrors.tuna