2. 将GitHub上的开源项目导入(clone)到(Linux)服务器上——深度学习·科研实践·从0到1

已于 2024-09-29 15:54:55 修改
阅读量412 收藏 3
点赞数 13
分类专栏： 深度学习·科研实践·从0到1 文章标签： 深度学习 人工智能 github 服务器 gitee git
于 2024-09-29 15:31:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_57972634/article/details/142635377
版权

目录

1. 在github上搜项目 (以OpenOcc为例）

2. 转移到码云Gitee上

3. 进入Linux服务器终端 (jupyter lab)

4. 常用Linux命令

5. 进入对应文件夹中导入项目(代码)

注意：系统盘和数据盘

1. 在github上搜项目 (以OpenOcc为例）

  • 把链接复制下来，转移到国内Gitee上，会更稳定

2. 转移到码云Gitee上

（在使用前，请先确保创建好了账户）官网：Gitee.com

  • 将刚才github上项目的链接复制到这里，会自动生成仓库名称和路径

  • 下拉，直接点击“导入即可”
  • 进入刚刚导入的项目仓库

  • 复制下来，后面再服务器的终端界面对应的文件夹(目录)下执行这行指令，就能自动导入整个项目代码

3. 进入Linux服务器终端 (jupyter lab)

如果不懂得如何租服务器，进入jupyter lab管理Linux系统中文件夹，可参考上一篇文章：1. 如何在服务器上租GPU跑实验 (以AutoDL为例) - 深度学习·科研实践·从0到1-CSDN博客

  • 单击后进入终端界面

4. 常用Linux命令

补充 Bash shell - Linux终端的基本功：

  • ls：列出当前目录中的文件和子目录
ls
  • cd ~：进入根(root) / (home) 目录（注意cd后面有空格）
cd ~
  • pwd：查看当前工作目录的路径
pwd
  • mkdir (空格后接文件夹名称)：创建新目录（这里本人在根目录下创建一个code文件夹）
mkdir code

5. 进入对应文件夹中导入项目(代码)

  • cd ：进入对应目录（code是在上面刚刚创建的文件夹，本人选择在这里导入该项目）
cd code
  • 输入Gitee上复制的项目导入命令

项目（全部代码）成功导入！

注意：系统盘和数据盘

刚才创建的code文件夹，推荐拖到数据盘里，因为数据盘后期可以扩容

陈苏同学
关注
专栏目录
人工智能实战——从Python入门到机器学习资料大全.zip
06-04
包含：Python 基础教程、10个编程技巧、Python高级编程、优化算法、实例学习Numpy与Matplotlib、实例学习pandas、机器学习、深度学习、梯度下降、实验等等等等人工智能实战——从Python入门到机器学习资料大全。...
Git和GitHub：从入门到实践，第1部分Git和GitHub基础简介
01-27
本文来自ibm，文章从概念的角度介绍版本控制系统、Git 和GitHub，并着重通过一些实验来演示Git的基础特性。 Git是目前业界最流行的版本控制系统（VersionControlSystem），而GitHub 是开源代码托管平台的翘楚。...
GitHub上最受欢迎的57个深度学习开源项目
02-28
### GitHub上最受欢迎的57个深度学习开源项目 随着人工智能技术的发展，特别是深度学习领域的突破，GitHub成为了一个汇集全球开发者智慧的重要平台。本文将重点介绍其中的一些顶级项目，包括它们的特点、应用场景...
如何把github项目搞到服务器上并打包成镜像运行起来
01-09
打开服务器Linux终端，克隆github上项目 git clone + gitub上的地址 如果ssh已经配好了可以直接ssh地址 我这里用的是https地址 git clone https://github.com/xrr075/Manage-api.git 执行完后需要输入你的username ...
导入线上so库文件。通过将so文件从apk中取出放到服务器上运行时下载并导入极大的减小apk的大小。本实例设定so文件在github上.rar
07-30
通过将so文件从apk中取出放到服务器上运行时下载并导入极大的减小apk的大小。本实例设定so文件在github上.rar,太多无法一一验证是否可用，程序如果跑不起来需要自调，部分代码功能进行参考学习。
DeepSS2GO——基于 CNN 的模型可以根据化学键预测蛋白质的功能
知来者逆的博客
09-24 664
研究发现，DeepSS2GO通过减少主序列中的冗余信息并引入一个整合二级结构特征的学习模块，提高了预测蛋白质功能的性能。作者引入了经典的卷积神经网络来提高该模型二次结构的有效性，但认为可以利用GNN 和****自监督学习来进一步提高功能预测模型的性能。此外，用于预测一级结构和二级结构的算法认为，氨基酸长度超过 1024 个的大型蛋白质不在预测范围之内。今后，必须引入对更长序列进行二级结构预测的方法。此外，该模型还可用于预测多肽的功能，从而更广泛地阐明疾病和发现药物靶点。
ResNet残差网络：深度学习的里程碑
2401_84670644的博客
09-25 1329
ResNet残差网络作为深度学习的里程碑之一，通过引入残差学习和残差块的设计，解决了深层网络训练中的梯度问题，并显著提高了模型的精度和训练速度。ResNet的成功不仅推动了深度学习领域的发展，也为后续的研究提供了宝贵的经验和启示
[论文总结] 深度学习在农业领域应用论文笔记13
You and Me
09-25 1129
这篇论文的立意是从实际出发的，与很多根据卫星图像来预测产量的文章不同，该研究的目的强调了不是产量预测而是提出使用棉花种植区块产量和纤维质量（长度和微米）数据来说明作物生产数据的缩小区域观测的通用方法。在实验数据方面，采用了澳大利亚11个种植区域2年生长季节260天的生长数据，8种不同植被指数、32个协变量和棉花的产量和棉纤维微米（质量）以及总共有约25张卫星图像可用于 NNSW区域，约70 张图像可用于SNSW区域。数据量挺大的，做的内容也具有实际意义。挺好的一篇文章。
深度学习：残差网络(ResNet)的原理及优缺点
mohanyelong的博客
09-25 1707
深度学习：残差网络(ResNet)的原理及优缺点
AI学习指南深度学习篇-Adadelta的Python实践
俞兆鹏的博客
09-25 542
Adadelta是由Google Research的Matthew D. Zeiler提出的一种自适应学习率的优化算法。它旨在解决传统梯度下降算法中学习率需要手动调整的问题。Adadelta通过动态调整学习率，并利用累积的平方梯度的对角线均值，来自适应地调整模型参数，从而使得训练更加有效。本篇博客介绍了在Python中使用深度学习库（TensorFlow、PyTorch等）演示如何使用Adadelta进行模型训练的过程。
在深度学习中，是否应该打破正负样本1:1的迷信思想？
Angelina_Jolie的博客
09-25 729
如果任务很简单（如上图第一行的数据分布，线性可分） ，那么即便有很悬殊的正负样本数量比例（如最右侧，正负样本 1:100），也不影响模型可以直接在原始数据上学习得到一个完美的分类边界，并实现 0 错误率：见下图第一行，即使 IR=100 模型也可以实现 0 分类错误（分类错误的 sample 由红色表示）。但通常我们都更加关心少数类样本（positive cases，例如医疗诊断中的病人、欺诈/攻击检测中的恶意用户等）并使用 balanced accuracy，macro-f1 等 metric。
深度学习——线性回归
Vodka的博客
09-24 232
房价预测 线性模型 单层神经网络 损失函数的均方误差 训练数据 参数学习 显示解 偏导数少了负号 最优解y旁边的X少了转置符号 梯度下降 学习率选择 小批量随机梯度下降 批量规模的选择 总结
深度学习：pytorch简单神经网络模型实现手写数字识别
mohanyelong的博客
09-22 1257
深度学习：pytorch简单神经网络模型训练及代码实现
Python电能质量扰动信号分类(五)基于CNN-Transformer的一维信号分类模型
2402_85668383的博客
09-25 926
本文基于Python仿真的电能质量扰动信号，先经过数据预处理进行数据集的制作和加载，然后通过Pytorch实现CNN-Transformer模型对扰动信号的分类。
57 长短期记忆网络(LSTM)_by《李沐:动手学深度学习v2》pytorch版
最新发布
buyaotutou的博客
09-28 808
在[初始化函数]中，长短期记忆网络的隐状态需要返回一个额外的记忆元，单元的值为0，形状为（批量大小，隐藏单元数）。因此，我们得到以下的状态初始化。实际模型]的定义与我们前面讨论的一样：提供三个门和一个额外的记忆元。请注意，只有隐状态才会传递到输出层，而记忆元CtCt​不直接参与输出计算。outputs.append(Y) #Y的shape是（批量大小，词表长度）只有这里输出了批量大小的预测，之后才能用来计算损失。
一区黏菌算法+双向深度学习+注意力机制！SMA-BiTCN-BiGRU-Attention黏菌算法优化双向时间卷积双向门控循环单元融合注意力机制多变量回归预测
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
09-25 494
一区黏菌算法+双向深度学习+注意力机制！SMA-BiTCN-BiGRU-Attention黏菌算法优化双向时间卷积双向门控循环单元融合注意力机制多变量回归预测
【深度学习】（10）--ResNet残差网络
m0_74896766的博客
09-28 725
本篇介绍了： ResNet残差网络的好处：解决梯度消失和梯度爆炸以及退化问题。 ResNet残差网络有两个核心特征：1. 残差结构；2. BN（Batch Normalization）。 残差结构：防止退化。 BN：减少梯度消失和梯度爆炸问题。
基于深度学习的情感生成与交互
weixin_42605076的博客
09-25 851
基于深度学习的情感生成与交互是一个新兴的研究领域，旨在通过深度学习技术生成具有情感的反应，以增强人机交互的自然性和有效性。该技术涉及情感识别、自然语言处理、计算机视觉等多个领域，并在多个应用场景中展现出潜力。
深度学习(4):torch.nn.Module
qq_51976556的博客
09-24 1146
要创建自定义的神经网络模型，需要继承nn.Module构造函数__init__：在这里定义网络的层和子模块。前向方法forward：定义数据如何经过网络进行前向传播。# 定义网络层# 定义前向传播过程return out在大多数情况下，不需要手动实现反向传播函数。PyTorch 的自动求导机制（autograd）会根据前向传播中的操作，自动计算梯度。self.flatten = nn.Flatten() # 将输入展开为一维。
如何git clone github上的项目到服务器上
06-07
要将 GitHub 上的项目克隆到服务器上，需要执行以下步骤： 1. 登录到服务器，打开终端。 2. 使用 cd 命令进入到要克隆项目的目录。 ``` cd /path/to/clone ``` 3. 执行 git clone 命令，将项目克隆到服务器上。需要将以下命令中的 <github_username> 替换成 GitHub 上的用户名，<repo_name> 替换成要克隆的项目名称： ``` git clone https://github.com/<github_username>/<repo_name>.git ``` 4. 执行完上述命令后，Git 会将项目克隆到服务器上。如果项目是私有的，则需要输入 GitHub 账号的用户名和密码进行身份验证。 ``` Username for 'https://github.com': <your_username> Password for 'https://<your_username>@github.com': <your_password> ``` 5. 克隆完成后，可以使用 cd 命令进入到项目目录中，开始进行开发或者其他操作。 ``` cd <repo_name> ``` 以上就是将 GitHub 上的项目克隆到服务器上的步骤。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值