在 Kubernetes（k8s）编排文件（如 Pod 或 Deployment 的 YAML 文件）中设置的 CPU 核数，。这种抽象设计是为了屏蔽底层硬件差异，，确保资源配额在不同节点上是一致的。的 Pod，在 3GHz 和 2GHz 节点上均获得“相当于 1 个标准核”的算力承诺。

问题及解决所遇问题解决方案情形一：路径错了情形二：代码错了所遇问题假设其他一切均正常，而在终端输入tensorboard --logdir=runs后如下图一样无法正常显示数据。解决方案情形一：路径错了由于路径错误，导致TensorBoard没法找到对应文件。此时，可以选择自己添加runs文件夹的路径。我的做法如下：在jupyter中我可以看到自己的runs文件夹所在的位置，据此能够找到电脑中的r

1. 可能引入随机性的地方cuDNN中大量nondeterministic的算法GPU多线程多个num_workers带来的随机性来自复杂模型的随机性（比如一些版本的RNN和LSTM、Conv、Dropout、Dense、GRUCell层的初始化）一些第三方库（因此需要固定对应库RNG的种子）优化器（比如Adam）不同的开发环境，比如软件版本、CPU类型2. Pytorch如何固定随机种子在其他模