​问题： Cursor 调用国外模型时：最近出现以下 Error： Model not available This model provider doesn't serve your region. Visit Cursor – Regions for more information.解决方案： 打开 chat settings-->搜索 http 设置-->设置为 HTTP1.1-->打开科

PyCharm的缺点是：不能实时同步、操作繁琐，需要维护两份代码。而VS Code是通过SSH(Secure Shell)的方式连接到远程服务器，换句话说，VS Code在远程开发过程中扮演的角色更像是一款终端模拟工具，它不需要繁琐的上传和下载步骤，实时性更好，只需要在Windows上保存一下，就会瞬间同步到远程服务器。

以上的每一步，都是建立在运行后报错，找原因，改进后的实践经验总结。运行剩下的不同的训练脚本，修改的方法都大同小异。目录：0. 前序工作1. 连接远程虚拟环境 (配置解释器)2. 理解.sh (shell脚本 - 以Occ为例)补充shell脚本讲解3. 配置运行参数 (PyCharm)值得注意的路径问题：小结

在本章中，我们将深入探索深度学习计算的关键组件， 即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘， 以及利用GPU实现显著的加速。 这些知识将使读者从深度学习“基础用户”变为“高级用户”。 虽然本章不介绍任何新的模型或数据集， 但后面的高级模型章节在很大程度上依赖于本章的知识。很多同学反馈道，本章的学习解开了前后章节的很多困惑，对打牢基础非常有帮助

李沐老师：过拟合不一定是坏事，为了把泛化误差往下降，不得不承受一定程度的过拟合；首先是模型容量要足够（模型足够大）（伴随一定的过拟合）；其次才是通过（缩减容量）调整模型容量，缩小误差（这是整个深度学习的核心）

本文汇总了常用的深度学习模型，深入介绍其原理及应用：VAE（变分自编码器）、GAN（生成对抗网络）、AR（自回归模型 如transformer）、Flow（流模型）和Diffusion（扩散模型）

（李沐老师提供的范例中，描述的是一个二维空间中的二次曲面，其在三维空间中的形状是一个椭圆锥面（eccentric cone）。李沐老师：关于分子还是分母布局，总得选一个，这样形状才能对上，所以这里一般是用“分子布局符号”

二维卷积层的核心计算是二维互相关运算。最简单的形式是，对二维输入数据和卷积核执行互相关操作，然后添加一个偏置。我们可以设计一个卷积核来检测图像的边缘。我们可以从数据中学习卷积核的参数。学习卷积核时，无论用严格卷积运算或互相关运算，卷积层的输出不会受太大影响。当需要检测输入特征中更广区域时，我们可以构建一个更深的卷积网络。

本文还能解决：torch.cuda.is_available() 输出为False；这两个问题，包括标题里的Torch not compiled with CUDA enabled，实际上是同一个问题：环境中Torch的版本和cuda版本不匹配torch.cuda.device_count()输出为 0；

目录1. 在github上搜项目 (以OpenOcc为例）2. 转移到码云Gitee上3. 下载整个项目到本地4. 在pycharm中打开项目