文章目录一、nvidia-smi 命令介绍二、nvidia-smi 命令详解1. 显示GPU当前的状态2. 隔几秒刷新一下显存状态：nvidia-smi -l 秒数参考链接一、nvidia-smi 命令介绍nvidia-sim 简称 NVSMI，提供监控 GPU 使用情况和更改 GPU 状态的功能，是一个跨平台工具，支持所有标准的 NVIDIA 驱动程序支持的 Linux 和 WindowsSer

本文解释了决策树模型中用到的信息增益的概念

文章目录含义解释参考链接含义解释Epoch（时期）：当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次>epoch。（也就是说，所有训练样本在神经网络中都进行了一次正向传播 和一次反向传播 ）再通俗一点，一个Epoch就是将所有训练样本训练一次的过程。然而，当一个Epoch的样本（也就是所有的训练样本）数量可能太过庞大（对于计算机而言），就需要把它分成多个小块，也就是就是分

文章目录一、图片是怎么存储的？二、RGB 色彩空间参考链接一、图片是怎么存储的？图片可以看作是 三层 二维数组 的叠加，每一层二维数组都是一个通道。单通道的图像是灰色的，每个像素pixel只有一个value，数字越高，颜色越白，也就越亮。在一个定义好的色彩空间里，这三层的 value 分别代表着这个点在三个通道的数值，计算机根据这些数值来确定这一个像素点的颜色。每个不同的色彩空间都有着自己的调色盘

几乎所有的机器学习算法最后都归结为求解最优化问题，以达到我们想让算法达到的目标。为了完成某一目标，需要构造出一个目标函数来，然后让该函数取极大值或极小值（也就是优化），从而得到机器学习算法的模型参数。如何构造出一个合理的目标函数，是建立机器学习算法的关键，一旦目标函数确定，接下来就是求解最优化问题，这在数学上一般有现成的方案。

文章目录一、FedAvg 简介二、联邦训练过程参考链接一、FedAvg 简介FedAvg是一种分布式框架，允许多个用户同时训练一个机器学习模型。在训练过程中并不需要上传任何私有的数据到服务器。本地用户负责训练本地数据得到本地模型，中心服务器负责 加权聚合本地模型 从而得到全局模型，经过多轮迭代后最终得到一个趋近于集中式机器学习结果的模型，有效地降低了传统机器学习源数据聚合带来的许多隐私风险。二、联

文章目录一、pth 文件中保存的是什么二、使用 torch.save()/torch.load() 保存/恢复模型1. torch.save() 保存模型2. torch.load() 恢复模型参考链接一、pth 文件中保存的是什么import torchstate_dict = torch.load("resnet18.pth")print(type(state_dict))----------

机器学习SOTA模型大集合SOTA模型参考链接SOTA模型SOTA，全称「state-of-the-art」，用于描述机器学习中取得某个任务上当前最优效果的模型。例如在图像分类任务上，某个模型在常用的数据集（如 ImageNet）上取得了当前最优的性能表现，我们就可以说这个模型达到了 SOTA。如果你是一位机器学习研究者，需要持续了解最前沿研究进展；或者你希望将最前沿的机器学习研究应用于自己从事的

本文解释了决策树模型中用到的信息增益的概念

Anaconda、python3.8环境下安装Theano可以安装theano的python版本创建虚拟环境+安装theano参考链接可以安装theano的python版本theano兼容的python版本：- theano -> python[version='>=2.7,<2.8.0a0|>=3.7,<3.8.0a0|>=3.8,<3.9.0a0|&g