deep learning

【Deep Learning】Meta-Learning：训练训练神经网络的神经网络本文基于清华大学《深度学习》第12节《Beyond Supervised Learning》的内容撰写，既是课堂笔记，亦是作者的一些理解。

gpustat使用gpustat命令查看GPU的资源使用情况，例如：但是需要先安装：

Keras实现SegNet我真服了原来我之前用tf复现SegNet给复现错了在网上试了多个版本代码，折腾了好久，现在终于复现对了，代码也跑通了 SegNet的架构比较老了，这几年都没人更新代码了，我这里算是提供一个最近能跑通的版本的代码吧

Big Bill Fighter

【框架】简化多卡训练——huggingface accelerate使用方法介绍HuggingFace 的 accelerate 库可以实现只需要修改几行代码就可以实现ddp训练，且支持混合精度训练和TPU训练。(甚至支持deepspeed。) accelerate支持的训练方式为CPU/单GPU (TPU)/多GPU(TPU) DDP模式/fp32/fp16等。

更改 DeepXDE 的后端DeepXDE 库为科学计算和工程优化等领域提供了深度学习方法，是一个非常有用的工具。其中一个重要的功能是它允许用户自定义后端。在本文中，我们将指导如何更改 DeepXDE 的后端，并且验证更改是否成功。

无监督多视角行人检测 Unsupervised Multi-view Pedestrian Detection论文url：https://arxiv.org/abs/2305.12457该论文提出了一种名为Unsupervised Multi-view Pedestrian Detection (UMPD)的新方法，旨在通过多视角视频监控数据准确地定位行人，而无需依赖于人工标注的视频帧和相机视角。

深度学习-CNN网络改进版LetNet5深度学习中，经典网络引领一波又一波的技术革命，从LetNet到当前最火的GPT所用的Transformer，它们把AI技术不断推向高潮。

【深度学习】ND4J-科学计算库目录简介基础用法基础信息数组创建打印数组变更维度&堆叠加减乘除累加/最大/最小转换操作矩陈乘法索引/迭代

Pytorch分布式训练，其他GPU进程占用GPU0的原因最近跑师兄21年的论文代码，代码里使用了Pytorch分布式训练，在单机8卡的情况下，运行代码，出现如下问题。也就是说GPU(1..7)上的进程占用了GPU0，这导致GPU0占的显存太多，以至于我的batchsize不能和原论文保持一致。

从零开发短视频电商 PaddleOCR Java推理（二）优化Translator模型输入和输出PaddleOCR提供了一系列测试图片，你可以通过点击这里来下载。值得注意的是，PaddleOCR的模型更新速度远远快于DJL，这导致了一些DJL的优化滞后问题。因此，我们需要采取一些策略来跟上PaddleOCR的最新进展。

Transformer Decoder的输入大部分引用参考了既安的https://www.zhihu.com/question/337886108/answer/893002189这篇文章，个人认为写的很清晰，此外补充了一些自己的笔记。

DL4J无法下载MNIST数据集解决 Server returned HTTP response code: 403 for URL解决方法报错如下：自己下载好MNIST数据集，然后放入DL4J对应的文件夹下。可以在Java中运行这行代码查看：

报错Intel MKL FATAL ERROR: Cannot load libmkl_core.so.的一种解决方法今天上80服务器跑mdistiller的代码时，意外发现torch、numpy都不能用了T_T以torch为例，出现如下报错情况以numpy为例，出现如下报错情况

报错AttributeError: Attempted to set WANDB to False, but CfgNode is immutable今天在跑代码的时候，使用到了wandb记录训练数据。我在23服务器上跑的好好的，但将环境迁移到80服务器上重新开始跑时，却遇到了如下报错

DragGAN使用记录DragGAN是一种基于人工智能的图像编辑工具，它可以根据用户的输入生成逼真的图像。与传统的图像编辑工具只能扭曲或裁剪现有的像素不同，DragGAN可以创建与用户意图匹配的新内容。