在工作与学习中，我们时常希望在；而一些传统的浏览器书签同步方案，或多或少都面临着一些问题——比如，浏览器尽管可以实现比较好的跨设备同步，但由于网络的限制可能导致同步不稳定；另一方面，比如想跨浏览器实现同步（例如将某一台电脑上浏览器的书签与这台或另一台电脑上的浏览器的书签实现同步），则很少有可靠的解决方法。而若借助于这一浏览器插件，则可以很好的实现浏览器书签的跨浏览器、跨设备同步。本文就详细介绍

zero-shot learning顾名思义即是对某（些）类别完全不提供训练样本，也就是说没有标注样本的迁移任务被称为零次学习。zero-shot learning是为了能够识别在测试中出现，但是在训练中没有遇到过的数据类别，可以说是迁移学习。zero-shot learning指的是我们之前没有这个类别的训练样本，但是我们可以学习到一个映射X->Y。

//先看代码classTest{public:int a;};void main(){Test test1;//栈中分配，由操作系统进行内存的分配和管理Test test2 = Test;//栈中分配，由操作系统进行内存的分配和管理Test *test3=new Test();//堆中分配 ...

学习率是一个非常非常重要的超参数，这个参数呢，面对不同规模、不同batch-size、不同优化方式、不同数据集，其最合适的值都是不确定的，我们无法光凭经验来准确地确定lr的值，我们唯一可以做的，就是在训练中不断寻找最合适当前状态的学习率。比如下图利用fastai中的lr_find()函数寻找合适的学习率，根据下方的学习率-损失曲线得到此时合适的学习率为1e-2。

在pytorch中，数据集对象被抽象为Dataset类，实现自定义的数据集需要继承Dataset，并实现相应的方法。在学习Pytorch的教程时，加载数据许多时候都是直接调用里面集成的数据集，直接在线下载，然后使用进行加载。那么，我们怎么使用我们自己的数据集，然后用DataLoader进行加载呢？常见的两种形式的导入：1.1、一种是整个数据集都在一个文件下，内部再另附一个label文件，说明每个文

Obsidian

ok，cuda配置结束，正常的测试是用sample里的脚本来测试的，可能是最新版的cuda，没有sample，就假设它装好了。使用nvcc -V测试以下有没有cuda。然后就直接install。等待片刻后，会安装完成，然后在.bashrc里配置环境变量。2.4、之后就继续，把第一个选择驱动，给他回车取消，因为我们已经有驱动了。gcc，如果报错直接安装gcc和g++就好。2.3、之后就继续，输入ac

        在机器学习或者深度学习中，我们需要了解我们的模型包括什么：1）模型设计：①模型架构（包括模型有多少层，每层有多少个神经元）；②可训练权重参数（模型内置参数）；2）模型训练的参数（模型外置参数，如学习率、优化策略等等）。训练集（train set） —— 用于模型拟合的数据样本。在训练过程中对训练误差进行梯度下降，进行学习，可训练的权重参数。验证集（validation set）..

到graphsurgeon目录下,安装graphsurgeon，

       因为想跑深度学习的东西所以安装Window 和 Ubuntu双系统。但是安装后，发现Ubuntu无法识别无线网卡，从网上找教程都失败。      众所周知，Linux的无线网卡驱动一只是个问题。Linux其实已经着手解决一些驱动问题，Linux的内核在Linux 4.14之后已经支持8822be无线网卡，但是当前我用的版本是Ubuntu16.04，内核版本是Linux 4.13，Ub