xianyu791-CSDN博客

原创 pipeline在计算机领域有什么贴切的翻译

1. **处理器流水线**：在计算机架构中，流水线是CPU中指令执行的一种方式，它将指令的执行过程分解为多个阶段，如取指令、解码、执行、访存和写回等。2. **编译器流水线**：编译过程中，源代码可以经过多个阶段，如词法分析、语法分析、中间代码生成、优化和目标代码生成等。3. **网络流水线**：在网络通信中，数据包可以通过一系列处理步骤，如路由、转发、加密和解密等，实现高效的数据传输。5. **图形处理流水线**：在图形渲染中，流水线用于高效地处理图形数据，包括顶点处理、光栅化、着色等步骤。

2024-05-31 15:23:55 130

原创 Linux常用命令使用

查看当前目录：pwd 列出目录内容：ls 切换目录：cd 创建目录：mkdir 删除目录：rmdir 创建文件：touch [文件名] 查看文件内容：cat [文件名] 复制文件：cp [源文件] [目标文件] 移动文件：mv [源文件] [目标文件] 删除文件：rm [文件名] 查看权限：ls -l 修改权限：chmod [权限] [文件名] 修改所有者：chown [所有者] [文件名] 修改组：chgrp [组名] [文件名]

2024-05-29 13:31:29 66

原创 loss = criterion(output, target)

这种顺序在大多数情况下是约定俗成的，并且符合大多数损失函数的参数顺序要求。在 PyTorch 中，计算损失时将。作为参数传递给损失函数 (

2024-05-24 17:22:52 351 1

原创为什么要使用 eval

方法的原因是为了确保模型在进行预测时使用正确的配置。在训练过程中，某些层（如 Dropout 层）的行为是为了正则化而设计的，它们会在每次迭代中随机丢弃一些神经元的输出。而在评估模式下，这些层将不再随机丢弃神经元，而是输出所有神经元的结果，这样可以确保每次评估时模型的行为是一致的。在评估时，它会使用训练期间学到的均值和方差的移动平均值来进行规范化，以确保模型的预测稳定性。方法确保了模型在评估和测试时能够提供稳定和一致的输出，这对于模型性能的准确评估至关重要。

2024-05-23 22:05:28 232 1

原创 Markdown 列表语法

要创建无序列表，请在每个列表项前面添加破折号 (-)、星号 (*) 或加号 (+)。缩进一个或多个列表项可创建嵌套列表。要创建有序列表，请在每个列表项前添加数字并紧跟一个英文句点。数字不必按数学顺序排列，但是列表应当以数字 1 起始。通常采用四个空格或一个制表符缩进。当它们被放在列表中时，请将它们缩进八个空格或两个制表符。

2024-04-27 13:03:14 1010

原创 Overleaf链接url不是蓝色

2. **编辑器或查看器设置**：您使用的 LaTeX 编辑器或查看器可能有特定的颜色设置，这些设置可能会影响文档中链接颜色的显示。如果链接仍然显示为粉色，您可能需要检查文档中的其他部分，或者查看您的编辑器和 PDF 阅读器的文档，以了解如何正确设置链接颜色。3. **PDF 阅读器设置**：您的 PDF 阅读器可能有设置，允许您自定义链接颜色。4. **宏包冲突**：如果您加载了多个可能影响链接样式的宏包，可能会发生冲突。1. **文档样式**：某些文档样式或宏包可能会覆盖您设置的颜色。

2024-04-26 11:09:06 376 1

原创哪一种内存管理方式不会产生内部碎片

在分页内存管理系统中，物理内存和虚拟内存都被划分为固定大小的块，这些块被称为“页”（在物理内存中）和“页框”（在虚拟内存中）。当程序被加载到内存时，它的各个部分被分配到一个或多个这样的页中。外部碎片是指未被利用的内存分布在物理内存的不同部位，可能导致无法为大的内存请求分配连续的空间，尽管总的未使用内存量可能足够。不过，在分页系统中，由于物理内存和虚拟内存的连续性问题对于程序来说是透明的，外部碎片的影响较小。由于每个页的大小是固定的，而且系统以页为单位进行内存分配和管理，因此在每个页内部不会产生碎片。

2024-03-28 14:59:32 454 1

m0_61544805的博客