错误之Error response from daemon: could not select device driver ““ with capabilities: [[gpu]]关于配置docker19使用gpu，其实只用装官方提供的toolkit即可，把github上的搬下来：Ubuntu 16.04/18.04, Debian Jessie/Stretch/Buster：distribut

1. 前言近年来，随着人工智能的兴起无人驾驶汽车获得了越来越多的关注，而无人驾驶车辆想要真正上路行驶，最关键的技术在于精确掌握现实中复杂的交通状况，这样一来就必须使用雷达装置。由于毫米波雷达相对于摄像头及激光雷达，其感知特性具有距离远、可靠性高、不受光线及尘埃影响等特点 [1]，特别是不会受恶劣天气的影响并且能够全天候工作，因此是无人驾驶技术的最佳选择。毫米波雷达是利用目标对电磁波的反射来发现并测

受著名的局部二值模式(PA)LBP)[7]的启发,我们还将中心差分引入到原始卷积中,以提高其表示和泛化能力。同样,中心差分卷积也包括两个步骤:抽样和聚合。采样步骤与香草卷积相似,但聚集步骤不同:如图2 所示,中心差分卷积更倾向于聚集采样值的中心梯度。采样值的中心梯度=采样点-中心点...

呦呦鹿鸣：如何确定神经网络的层数和隐藏层神经元数量对于一般简单的数据集，一两层隐藏层通常就足够了。但对于涉及时间序列或计算机视觉的复杂数据集，则需要额外增加层数。单层神经网络只能用于表示线性分离函数，也就是非常简单的问题，比如分类问题中的两个类可以用一条直线整齐地分开。概括来说就是多个隐藏层可以用于拟合非线性函数。隐藏层的层数与神经网络的效果/用途，可以用如下表格概括：简要概括一下——没有隐藏层：

除了 WMT 翻译任务，可能感觉差距太大，要拿 SOTA 代价过大，所以就没有再往上提。11B 的模型最后在 GLUE，SuperGLUE，SQuAD，还有 CNN/DM 上取得了 SOTA，而 WMT 则没有。接着作者们拿着 C4 数据集做了各种实验，比如说从里面分出各种类型的数据集，单独训练 T5 模型，之后看在下游任务的表现，发现一些情况。呢，挑了 4 个值，10%，15%，25%，50%，

在进行pytorch编写程序过程中，会发现loss有两种相对较相似的或是看起来就是一类loss的函数，即BCELoss和BCEWithLogitsLoss，下面简单的描述一下。首先，BCELoss创建一个标准来度量目标和输出之间的二元交叉熵，即对一个batch里面的数据做二元交叉熵并且求平均。BCELoss函数的形式如下：其中，