博士研究生

学习之旅

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

本脚本用于自动监控多卡 GPU 的使用状态，当某张 GPU 连续活跃超过设定秒数时开始记录该卡的使用情况，并在其连续空闲超过设定时间后自动停止记录，并生成图像报告。每张 GPU 独立判断、独立记录、独立存储，避免覆盖历史，方便回溯分析。

【教程】后台监听GPU使用情况并自动记录和画图

3、将项目名称复制到star-history，点击“View star history”按钮，即可生成曲线图。

【教程】为github项目添加star趋势图

有时候装完python，但是没有自动安装pip。除了使用sudo apt install python3-pip来安装外，还可以使用get-pip.py这个脚本来装。

【教程】脚本方式安装pip

2、由于攻击者可能有很多肉鸡，基本上是同一网段内散播木马来拿下的，所以对IP段进行封禁

【教程】服务器如何防止GET/SYN洪泛攻击

经常看英文资料的同学可能会遇到：遇到一段英文，想看他的中文，通常需要复制后再粘贴到翻译软件里，步骤多非常麻烦。如果能有什么工具，可以一键自动翻译而不需要手动打开翻译软件，那就很方便了。

【工具】监听剪切板的翻译小工具 | 附源码

pyinstaller使用最方便，但exe实在太大了，一个tkinter窗口程序打包为200MB，因此转向Nuitka。

【教程】Nuitka | Python打包exe新工具

【教程】编译运行Gunrock

合成是一种窗口管理器功能，提供各种桌面效果，如透明度、褪色、缩放等。虽然这些效果可以增强用户体验，但也会减慢远程桌面体验。

【教程】优化xrdp的性能

3、用公对公的USB线，一头插在电脑上，另外一头插在玩客云靠近HDMI的USB口，不要通电！

【教程】详细! 玩客云WS1608刷机+从USB/SD卡启动+初始化配置等全套教程

Certbot failed to authenticate some domains

【教程】自动申请免费SSL证书并一键部署

1、使用生成器来生成样式(https://count.getloli.com/)，生成后你会的得到类似这样的链接：

【教程】一行代码为网站添加访问量计数

torchrun 和 torch.multiprocessing.spawn 都是在 PyTorch 中用于并行化和分布式训练的工具，但它们在使用场景和实现方式上有所不同。

【知识】torchrun 与 torch.multiprocessing.spawn 的对比

【知识】PyTorch中不同优化器的特点和使用

为什么方式二不太合适？
 在 方式二 中，optimizer.zero_grad() 被放在了梯度更新之后。这样会导致你在每次 backward() 和 step() 之前没有清理上一轮的梯度，而梯度计算是基于前一次的梯度累加的，可能导致梯度累加错误，因此会导致训练结果不符合预期。
 总之，正确的顺序是：

【知识】深度学习中，应该先zero_grad还是先backward？

1、收到一封邮件，与以往钓鱼网站形式不同，这次是给了一个exe可执行文件。毫无疑问，肯定是植入木马用的。

【安全】记录钓鱼邮件中木马病毒的分析溯源

近年来，随着大语言模型（LLM）的参数规模和训练数据量呈指数级增长，研究者发现模型性能与规模之间存在可预测的扩展规律（Scaling Laws）​。所谓Scaling Law，指的是模型性能（如测试集上的损失或准确率）如何随着模型参数数量、训练数据量以及计算量的增加而变化的经验性定律​。这一概念最初由OpenAI在2020年的开创性工作提出​。掌握Scaling Laws有助于我们在训练LLM时进行模型大小、数据规模和算力投入之间的权衡，指导训练方案的设计​。

【知识】 LLM中的Scaling Laws是什么？

GB/s、Gb/s、Gbps等是常见的网络和存储传输速率单位，它们的区别主要在于 单位大小写 和 进制定义。

【知识】详解GB/s、Gb/s、Gbps等常见的传输速率单位

PyTorch 是 Facebook 开发的一个 Python 库，用于运行和训练深度学习和机器学习算法。张量是机器或深度学习算法的基本数据结构，为了处理它们，我们执行了几个操作，PyTorch 库为此提供了许多功能。

【知识】Pytorch中基于索引的操作

np.fromiter 是 NumPy 提供的一个函数，用于从可迭代对象（如生成器、列表等）创建一个 NumPy 数组。它直接从可迭代对象中逐个读取数据，适合在数据量较大或数据生成过程中节省内存的场景。

【教程】实测np.fromiter 和 np.array 的性能

所以，share to gpu是最慢的，而对于pin和gpu之间的互传非常快(异步传输)。以后如何选，心里也大概有个数了。

【知识】对比Share mem/Pin mem/GPU mem之间的传输速度

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋 

腾讯云代码助手

CODING DevOps

Cloud Studio

SDK中心

API中心

命令行工具

腾讯云开发者社区推出了学习之旅专栏，为你提供了学习之旅的相关文章，致力于帮助开发者快速成长与发展。

学习之旅

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐