m0_59724556的博客

2.在服务器终端上，使用bash Anaconda3-2024.10-1-Linux-x86_64.sh，之后你就能看见一个anaconda3文件，这样我们的anaconda就下载完毕了。首先，我们在vscode远程ssh上服务器后，在vscode的终端上进行conda虚拟环境创建。首先，我们可以在终端上 输入 nvidia-smi 查看我们的cuda配置。5.最后在远程后的vscode终端上输入命令，这样整个环境就配置完毕了。vscode连接上服务器后，我们需要重新安装一个能跑深度学习的环境。

有18，34，50，101，152Resnet参数量比VGGNet低，效果非常突出。ResNet的结构可以极快的加速神经网络的训练，模型的准确率也有比较大的提升。在ResNet网络提出之前，传统的卷积神经网络都是通过将一系列卷积层与下采样层进行堆叠得到的。但是当堆叠到一定网络深度时，就会出现两个问题。BN（Batch Normalization）层能够解决梯度消失或者梯度爆炸问题，提出了residual结构（残差结构）来减轻退化问题右侧残差结构可以明显减少参数量。

语义分割的一些指标

使用pytorch框架制作自己的图像数据集

我最近在学习图卷积，以上就是我看完这两位大佬对图卷积有了初步的理解。比较基础，方便小白学习。

虚拟机安装

本文是记录对matplotlib.pyplot库的学习