最近在学习c++，所以经典的排序算法需要用C++写一遍是必经之路。

按照下面步骤便可以获得指定的版本：假设我最近在用NeMo训练模型，最新的版本搭建环境遇到一些问题，之前用的时候还是比较顺畅的，因此想回到老版本（latest version is v2.4.0，目标版本是v2.3.0）github上有很多持续更新的项目，有时候需要比较老的版本，因此要找到对应的版本至关重要，

在日常模型训练时都习惯在终端直接bash run.sh训练模型，这是最直接也最简单的方法；但有时候各种原因需要关机操作机，又或者无法避免 ssh工具吊针(xshell),所以训练到一半的模型不得不重新开始训练，相当浪费时间；使用方法，与shell脚本结合，将日志输出到test.log中，可以使用tail -fn 10 test.log 动态查看日志(打印最后10行日志)；就会进入mysession

在linux上wget 下载时会遇到，web服务器会回答你“ERROR403: Forbidden”的情况；在浏览器中下载正常，但是将把浏览器中的下载地址用wget下载时，也会遇到下载无效的response;wget -c '下载链接'；在linux终端把下载链接用单引号括起来即可下载；给web服务指定浏览器代理。

【代码】手撕实现self-attention和multihead-attention(pytorchb版本)

在日常模型训练时都习惯在终端直接bash run.sh训练模型，这是最直接也最简单的方法；但有时候各种原因需要关机操作机，又或者无法避免 ssh工具吊针(xshell),所以训练到一半的模型不得不重新开始训练，相当浪费时间；使用方法，与shell脚本结合，将日志输出到test.log中，可以使用tail -fn 10 test.log 动态查看日志(打印最后10行日志)；就会进入mysession

通常ASR模型训练之前需要做数据预处理，如果原始数据不是wav，需要将把原始数据转成wav之后才能进一步做处理(一般都用wav格式的音频)；其中，-ac 是输出通道数，-ar是采样率，-ab比特率，-i是输入数据，

2.查看python，torch cuda，nvcc版本：python -V,pip show torch, nvidia-smi,nvcc -V。1.卸载现有的flash-attention： pip uninstall flash-attention。）官网下载,版本对应的flash-attention报即可使用；解决方案，从flash-attention（

最近在学习onnx模型c++推理相关的内容，case已经训练一款基于BERT的实体识别模型，分类总有24中，pytorch模型也已经被转成onnx模型，接下来是用C++编写推理代码；其中输入数据是用python tokenizer生成的，包括token_ids，token_type_ids和attention_mask等；编译完成之后在terminal中 ：bash your_api ./your

在linux上wget 下载时会遇到，web服务器会回答你“ERROR403: Forbidden”的情况；在浏览器中下载正常，但是将把浏览器中的下载地址用wget下载时，也会遇到下载无效的response;wget -c '下载链接'；在linux终端把下载链接用单引号括起来即可下载；给web服务指定浏览器代理。