近期我在实验室的电脑上对深度学习模型进行了训练，一般是直接操作电脑主机或通过向日葵等软件远程控制主机。然而，这种远程操作时遇到了两个问题，一是鼠标控制的网络延迟，二是笔记本和远程主机的显示屏幕大小分辨率不同，导致显示效果差，眼睛都要看瞎了。正好最近接触了反向代理和网站搭建，便有了基于实验室高配置电脑搭建Jupyter 远程深度学习开发环境的想法。

本人研究的方向是遥感作物分布提取，想基于**多时相、深度学习和GEE平台**展开研究，现对相关文献进行资料调研。现在的人工智能已经进入（知识+数据驱动）可解释的深度学习模型的发展阶段，**作物生长机理**和**数据挖掘算法**同样重要，下文将结合2个研究领域从如下3个方面陈述发展现状：1. 遥感作物提取技术的发展现状2. 深度学习算法的发展现状3. 基于**深度学习**算法的**多时相**遥感作物

🎨基于GO语言实现的微信聊天和图片生成机器人🎨个人微信接入ChatGPT，实现和GPT机器人互动聊天，同时支持基于文本生成图像。支持私聊回复和群聊艾特回复。

KNN算法Matlab实现简介：KNN全称K-Nearest Neighbors,源于20世纪70年代。属于有监督学习的传统机器学习算法，既可以解决回归问题也可解决分类问题。

最近租了一个最低配置云服务器，想尝试在上面搭建一个Wordpress网站，但是1G的内存实在是太低了，运行就会卡死。如果没有学生优惠和新用户优惠，买一个4G内存的云服务器对于学生党来说太贵了。但是实验室电脑有192G的内存，同门平时跑深度学习程序用，主要占用显卡和内存，那我建个网站挂在后台占用几G内存和带宽影响应该不大吧。对吧😁。

然后使用ffmpeg开源工具将USB摄像头的视频流推送到云服务器上，最后简单开发一个前端界面在浏览器端拉取视频流/或者使用VLC播放器直接打开rtmp地址播放视频。如果您的摄像头已经被正确地连接到系统上，那么命令会输出一个关于USB摄像头的信息，包括制造商和设备ID等信息。其中webcam是我们自定义的视频流的名称，stream是nginx-rtmp服务器默认配置的应用名（可通过配置文件修改）。把

Keras ConLSTM2D的用法详解

开机启动时自动将USB接口切换为主模式是相对危险的，因为随身WIFI需要通过网络或者USB接口与外界通信。意味着无法通过USB进行SSH连接，所以要保证随身WIFI可以连接外部网络，可以无线SSH访问。我个人采用的方案就是随身WIFI连接WIFI网络，将22端口反向代理到我的云服务器。USB OTG是USB协议规范中的一部分，它支持从设备和主设备之间的双向通信。虚拟复合设备可以在一个USB插槽中模