写在前面我做毕设用的是这位博主的代码，他的代码注释写的非常清楚，在b站上也有很详细的教程，非常适合小白上手实战（尤其是大四要做深度学习毕设但是之前完全没有接触过深度学习的同学）。我用他的代码来训练自己的数据集，之前能够在自己电脑上跑通，但是因为后续需要跑更加复杂的网络，自己的电脑完全跑不动，所以选择用服务器来跑，我用的是AutoDL，如果有同学和我一样，用的是Bubbliiiing大佬的代码就可以
转载
2024-05-13 16:23:40
57阅读
提交计算前需要准备的文件和软件：1 后缀名为.gjf的Gaussian输入文件。2 后缀名为.sh的脚本文件。2 用于本地计算机与远程计算服务器链接、通信和文件交换的WinSCP软件。2 远程计算服务器的账户密码。一、运行WinSCP.exe文件弹出Login对话框，在Host name 中填写202.121.122.192，Port Number保持默认。User name和Password中填
转载
2024-09-26 12:32:25
170阅读
机器学习的模型都是参数化的，可以通过调参来提高模型的准确度。模型有很多参数，如何找到最佳的参数组合，可以把它当作一个查询问题来处理，但调整参数到何时为止呢？应该遵循偏差和方差协调的原则。1 机器学习算法调参调整算法参数是采用机器学习解决问题的最后一个步骤，有时也被称为超参数优化。学会调参是进行机器学习的前提。参数可以分为两种：一种是影响模型在训练集上的准确度或防止过拟合能力的参数；另一种是不影响这
案例1该方法mac，linux，windows都通用。我们使用terminal or cmd进行操作。假设我们本地具有一个需要跑的模型Unet，我们需要将该模型上传到服务器上跑，步骤如下：使用tar压缩文件我们定位到我们需要压缩的模型，如我的模型所在目录为~/Desktop/Unet，则我来到该目录，将Unet文件夹压缩。打开cmd or terminal我们键入代码cd ~/Desktop
转载
2024-06-09 08:21:46
50阅读
电脑、平板，只要有浏览器就能写代码，页面效果接近桌面版vscode，编译运行代码都在免费的微软服务器上，心动吗？随本文一起行动吧
欢迎访问我的GitHub这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos一图胜千言先上图，下面是欣宸在自己的iPad Pro上用浏览器写代码的实拍，右下方可见S
首先安装一个工具：
sudo apt-get install sysv-rc-conf 然后起动：
代码:
sudo sysv-rc-conf
（注意：进入以后，画“×”的表示选上并起动的。） 在这个软件里，可以用键盘的方向键移动，用空格选取，也可以直接用鼠标选取，最后用q保存退出，一下列出服务的名称和基本的解释。
代码: acpi-support 这个是关于电源支持的默认是1
安装流程本地下载Matlab安装包。 我从学校的公共软件网页下载。安装还可以参考的另一篇文章。Matlab2020a安装地址上传。 这里推荐使用Termius，支持Windows/MacOS/Linux甚至移动端。界面优美，使用简洁，可以直接拖拽文件进行上传。 我们还可以使用命令进行上传：$ scp (local)currentpath/matlab username@serverip:(serv
转载
2024-07-29 10:25:18
176阅读
很多用户在购买阿里云服务器之前首先想到的就是阿里云服务器在哪？有哪些地域可以选择，该如何选择地域，选择正确的地域，既利于我们自身访问网站或者应用资源，也有利于用户访问。阿里云服务器地域总体上分为国内地域和国外地域，阿里云服务器在中国大陆最新可用地域地域名称所在城市Region ID可用区数量华北 1青岛cn-qingdao2华北 2北京cn-beijing8华北 3张家口cn-zhangjiako
转载
2023-09-05 09:36:15
221阅读
前言前一节分享了如何在GPU云服务器上创建实例并运行YOLOV5项目，但是使用命令行的方式容易劝退很多小白，并且有些环境配置是需要图形化界面的，所以这一节就教大家如何在服务器上使用图形化界面。如果有不会创建服务器的小伙伴，可以参考我的上一篇博客：GPU云服务器使用教程、运行YOLOV5项目并连接到本地VSCode（Pycharm）一、开启实例服务器进入恒源云官网：恒源云_GPUSHARE-恒源智
这篇介绍ssh连接及一款客户端xshell本篇将分为以下几点讲述：1.ssh客户端2.ssh公钥配置3.使用xshell连接ssh4.使用xshell建立隧道，以访问服务器内网ip。5.在4.的前提下使用Tensorboard 查看实验数据-------------------------------------------------------------------------1.ssh客户
在当今的技术浪潮中，深度学习模型的应用越来越广泛，随之而来的问题也越来越复杂。尤其是在服务器上部署和运行深度学习模型时，我们常常会遇到各种各样的难题。本文将带您详细了解如何在服务器上跑深度学习模型，涵盖从背景情况到解决方案的全过程。
问题背景
随着人工智能的迅速发展，深度学习被广泛应用于图像识别、自然语言处理等各个领域。在我们的工作场景中，有许多团队正在尝试在服务器上部署这些深度学习模型。然而
一直听说SQL Server 2005所增加的镜像功能多么多么的好，苦于没有时间进行实施，现由于工作需要，特对 SQL Server 2005 进行镜像的配置，特写下此文。 SQL Server 2005镜像配置基本概念我理解的SQL Server 2005镜像配置实际上就是由三个服务器（也可以是同一服务器的三个 SQL 实例）组成的一个保证数据的环境，分别是：主服务器、从服务器、见证服务器。
在互联网高度发达的今天，如果你告诉客户，你连一个起码的官网都没有，业务该从何谈起?想要全面拥抱互联网，服务器将势必成为不可或缺的一环。那么对于租服务器要避免哪些陷阱?小编总结了以下几个关键：1、质量不好水货机一些服务商会利用客户不了解服务器，给客户许诺租用的机型和实际使用情况完全不是那么一回事，这样用户就会有上当受骗的感觉，但钱也退不了，这是让用户非常头疼的一件事情。2、机型错乱独立服务器和虚拟主
转载
2024-06-15 10:25:57
122阅读
前言Octopus(章鱼)是58集团自动化运维的核心服务之一，是上层业务运维自动化的基础组件。2013年发展至今，从最初单一提供自动部署功能，到目前的服务器信息采集、Nginx配置管理、服务器权限控制、远程命令执行、文件传输等服务器管控能力。Octopus通过自身插件系统，可实现管控能力的平台化与灵活扩展，以满足各种运维场景下的服务器管控需求。 整体架构图Octopus管理中
转载
2023-08-28 21:49:25
129阅读
划重点：免费GPU，免费GPU，免费GPU官方说明：1.Colab是Google提供的一个研究型项目。可以免费使用CPU,GPU,TPU环境。具体可免费使用多久还不知道。2.Colab支持NoteBook的，支持各种深度学习框架。3.官方说明：https://colab.research.google.com/notebook与其花钱买服务器资源，用colab的免费资源真的是太香了。用于研究和测试
转载
2023-11-29 19:35:09
99阅读
ChatGPT 问世后，各大公司都在「大模型」上下了苦功，模型能力也成为大家最关注的话题。ChatGPT 虽直接定义了基于大模型的生成式对话机器人这个产品类型，其模型的强大也导致大家都忽略了它在产品使用上的问题。其实不管是底层模型开发的大厂还是专注于应用层的小厂，又或者是开源的独立开发者，都在模型能力之外的产品体验上暗自较劲，以不同的姿态参与到这场能够定义新的人机交互方式的对话革命中来。那除了模型
转载
2024-05-13 12:26:36
80阅读
谁还不是一条懒狗呢? 工大自动疫情上报程序(Win/Linux)依赖于python运行环境+chorme+selenium+chrome驱动2020年11月7日更新增加处理新添加体温状态的功能GitHub地址：https://github.com/xrervip/HIT_auto_report每天都要搞学校的上报属实有点烦目前已经运行了两个多月，基本上没有再管过上报，除了有时候会抽风首先需要搞到一
转载
2024-06-08 19:53:42
72阅读
文章目录1 主要参考2 配置介绍3 安装流程4 详细流程4.1 显卡驱动的安装4.2 CUDA的安装4.3 CUDNN的安装4.4 Anaconda3安装（可选）conda 虚拟环境管理4.5 安装 tensoflow-gpu4.5.1 安装指定版本4.5.2 加速（换源、timeout）4.5.3 超级VIP加速4.5.4 pip 查看已经安装包的命令以及版本4.6 测试4.7 查看 tens
转载
2024-05-24 22:29:00
181阅读
推荐一篇近期出来的NAS(神经架构搜索)论文：Zen-NAS: A Zero-Shot NAS for High-Performance Deep Image Recognition神经架构搜索（NAS）中的一个关键组件是一个精度预测器，可以保证被查询架构的精度。为了建立一个高质量的精度预测器，传统的 NAS 算法依赖于训练大量的架构或一个大的超网。这一步往往要消耗几百到几千天的 GPU，影响总的
转载
2024-06-12 22:24:07
31阅读
一、介绍CUDA是Nvidia推出的一个通用GPU计算平台，对于提升并行任务的效率非常有帮助。本人主管的项目中采用了OpenGL做图像渲染，但是在数据处理方面比较慢，导致帧率一直上不来。于是就尝试把计算工作分解成小的任务，使用核函数在CUDA中加速计算。对于CUDA和OpenGL如何交互以前从来没有接触过，这次在实施时趟了不少的坑。在这里记录下OpenGL与CUDA的互操作的两种方式。二、基本操作
