weixin_56029873的博客

首先查看WSL状态：wsl -l -v。以压缩包的形式导出到其他盘。注销原有的linux系统。

这个错误主要与 CUDA 或 cuDNN 相关，常见原因包括显存不足或 CUDA/cuDNN 版本不匹配。你可以从调整batch_size开始，逐步排查是否是硬件资源问题或库版本问题。

【代码】【Deep-ML系列】Single Neuron with Backpropagation（手写单神经元反向传播梯度下降）

【代码】【Deep-ML系列】Single Neuron（手写基于sigmoid的单神经元）

Pegasos算法（Primal Estimated sub-GrAdient SOlver for SVM）是一种用于训练SVM的在线学习算法。与标准的SVM优化方法不同，Pegasos通过随机梯度下降（SGD）逐步更新模型参数，使得算法在处理大规模数据时更加高效。在每次迭代中，Pegasos只对一个或一小部分样本进行参数更新，这与传统的批量梯度下降不同。这个特点使得Pegasos在处理大规模数据集时有明显的速度优势。

【代码】【Deep-ML系列】Decision Tree Learning（手写决策树）

主成分分析（PCA）是一种统计方法，用于将高维数据集映射到一个低维空间，同时保留尽可能多的原始数据方差。PCA的目标是通过找到一组新的未相关的变量（称为主成分），这些变量可以用来解释数据中的大部分变异性。

【代码】【Deep-ML系列】Cross-Validation Data Split Implementation（手写交叉验证）

K-Means聚类：事先给定k个簇点以及n个points，经过max_iterations轮次的迭代，每次更新新的簇点。

【代码】【Deep-ML系列】Feature Scaling Implementation（特征缩放：standardization & min-max）

这道题主要是要考虑矩阵乘法的维度，保证维度正确，就可以获得最终的theata。

【代码】【Deep-ML系列】Linear Regression Using Normal Equation(正规方程求解线性回归)

会返回一个以输入数组元素为对角线元素的。会返回输入矩阵的对角线元素组成的。

【代码】【Deep-ML系列】Calculate Covariance Matrix (协方差)

最近在安装Docker容器，执行命令，配置Docker的yum源时报错。出现如下截图，代表安装成功（如果还是不行，在最前面加上 sudo）

最后保存并退出，清理并重新生成yum缓存，成功解决问题。

机器翻译具有悠长的发展历史，目前主流的机器翻译方法为神经网络翻译，如LSTM和transformer。。对于术语名词、人名地名等机器翻译不准确的结果，可以，避免了混淆或歧义，最大限度提高翻译质量。

WSL（Windows Subsystem for Linux）是微软开发的一项技术，允许用户在Windows系统中直接运行完整的Linux环境，无需虚拟机。通过操作系统级虚拟化，WSL将Linux子系统无缝嵌入Windows，提供原生Linux命令行工具、软件包管理器及应用程序支持。它具有轻量化、文件系统集成、良好的交互性及开发效率提升等优点，消除了Windows与Linux之间的隔阂，尤其适合开发者和需在Windows平台上使用Linux工具的用户。

对抗样本攻击发生在模型的验证阶段，将一个对抗样本输入到网络中，使神经网络发生误判，降低神经网络模型的鲁棒性。对抗样本攻击中最为重要的生成一个对抗样本，使用生成的对抗样本来攻击神经网络。首先导入需要用到的包，随后导入模型ResNet，并使用预训练权重。冻结预训练模型的所有参数，使它们在后续的训练过程中不被更新。将张量转化为图像的形式，并进行展示。

最近在准备毕业论文，研究了一下主流的多目标算法，对于NSGA-II，网上大部分代码是全部是面向过程来实现的，本人更喜欢采用面向对象的方式，故采用python面向对象实现了一个示例，实现了对于二元多目标问题的求解。