PVE安装参考：主要来源于张大妈 https://post.smzdm.com/p/ar6zmoox/ https://post.smzdm.com/p/a4dm98ok/ 下载 使用ultraiso安装 用diskgenius删除所有分区重新格式化如果插入u盘时提示需要格式化，大概率要重新格式化才能写入 格式化需要用到DiskGenius 恢复成功后应该就能够打开u盘了 update 先用rufus安装，再切换到ultraiso重新安装就可以了 pve设置ssh免密登陆直接搜ssh免密登陆，新建或者把已有的公钥黏贴到~/.ssh/authorized_keys即可 网络设置参考：https://blog.csdn.net/tangobravo/article/details/119336503 网络不通，检查以下几个参数 /etc/network/interfaces，其中gateway填写路由器地址即可 /etc/hosts一般不用改，安装的时候已经设置好了 /etc/resolv.conf 重头戏，需要改，主要是添加dns，比如下面添加了两个，一个国 ...

参考 https://blog.ccknbc.cc/posts/hexo-butterfly-algolia/ 相当详细，介绍了仅仅搜索标题了搜索全文的两种方法 Hugo博客搭配Algolia实现站内搜索，介绍了全文搜索的情况下自动更新 hexo-algolia和hexo-algoliasearch的区别 分别是 hexo-algolia 和 hexo-algoliasearch，他们的介绍分别为 Index your hexo website content to Algolia Search.🔎 A plugin to index posts of your Hexo blog on Algolia 也就很明显了，如果你想要全站搜索可选择前者，如果你只想搜索文章两者兼可。但前者不能将文章内容作为索引上传，后者可全文上传。然后就是 HEXO 配置文件中添加以下内容，下文基本以 hexo-algoliasearch 为例，因为我个人认为访客只会搜文章吧（事实上是搜索根本没人用，毕竟也根本没人访问），hexo-algolia 可查看官方文档，注意配置和命令的区别 仅仅搜索标题 ...

基本用法如下 hexo new layout [article_name] -p [path] 注意path末尾不用加.md hexo new layout [article_name] -p [article_name]这种默认是在source/_posts下创建 比如 hexo new article-img tttt -p tttt hexo new layout [article_name] -p subdir/[article_name]这种等价于在source/_post/subdir创建，如果subdir不存在则会自动创建 hexo new article-img tttt -p misc_1/tttt

参考.gitignore设置跟踪忽略文件夹中文件说的挺全的，可以好好参考 常见错误原因假设想要忽略所有的名为Win7Release或release的文件夹下除.txt文件之外的文件，很容易写成如下错误形式 *[Rr]elease/ !*[Rr]elease/*.txt 注意：上面已经说过git对于.gitignore配置文件是按行从上到下进行规则匹配的，由于先执行*[Rr]elease/忽略了所有符合条件的文件夹，接下来执行!*[Rr]elease/*.txt时找不到名为*[Rr]elease的文件夹，也就无法追踪这些文件夹下的txt文件了。 所以，在这里，第一步我们不应该忽略这些文件夹，而应该忽略这些文件夹下的所有文件，正确规则添加如下 [Rr]elease/* !*[Rr]elease/*.txt !*[Rr]elease/files/ *[Rr]elease/files/* !*[Rr]elease/files/*.txt */bin/*[Rr]elease/* !*/bin/*[Rr]elease/*.txt !*/bin/*[Rr]elease/files/ */bin ...

参考： GitHub 多账户设置 github_multiple-accounts.md github 多账号使用ssh key 适用场景：希望在同一台机器上使用多个github账号时 步骤核心步骤： 创建一个新的SSH key（注意路径）并添加进ssh 在新的账号上添加新创建的public key 在本地添加一个config文件以作区别 enjoy！ 创建一个新的ssh key并添加ssh-keygen -t rsa -C "xxx email" 注意这里不能一路回车，在下面这步需要输入新的位置，因为通常默认的是id_rsa，而这个已经被原来的账号所使用 因为默认只读取id_rsa，为了让SSH识别新的私钥，需将其添加到SSH agent中，比如这里就把上面的key命名为id_rsa_wttong 在新的账号上添加新创建的public key进入github setting - SSH key相关的即可添加 在本地添加config文件通常来说是默认是没有config文件的，所以要先创建，然后打开编辑 touch ~/.ssh/config vim ~/.ssh/co ...

tensordot的理解 参考 numpy的tensordot的说明文档，说的比较详细，但是依旧有点晦涩难懂 在tensorflow中有一样的函数，功能和numpy中的一样。 顾名思义，tensordot的含义就是“张量的点积“，具体到numpy或者tensorflow中的使用，有两种： 如果给定的axes是一个int N，则直接第一个张量的最后N维度和第二个张量的前N个维度逐个元素相乘，然后加起来（注意这里的加，对应+，对于number就是数字相加，对于字符串等价于拼接） 如果给第的axes是list，则其中每一个元素应该是一个tuple，tuple的第一个元素表示操作第一个张量对应的维度，第二个元素表示操作第二张量对应的维度 比如：a的维度是$(2,3,4)$, b的维度是$(3,4,5)$: np.tensordot(a, b, 2)的结果的维度应该是$(2,5)$​​​，具体的操作可以理解为，固定a的第一个维度和b的最后一个维度（依次取值，作为最外层的循环，即i,j），a的后两个和b的前两个维度相同位置的元素依次相乘，求和，作为对应位置的元素 ans = np.zer ...

问题训练时，只希望所有数据只有一份存储在内存中，即对于同样的一份数据只读取一次，但是又希望被多个不同的dataset或者dataloader共用，自然是需要单例模式。 一个经典的实现就是： class Singleton(type): _instances = {} def __call__(cls, *args, **kwargs): if cls_key not in cls._instances: cls._instances[cls] = super(Singleton, cls).__call__(*args, **kwargs) return cls._instances[cls] def clear(cls): # MyClass.clear() to clear cls._instances = {} 但是这种实现仅仅只能保证一个类只产生一个实例，但是对于想用一个类来初始化所有的数据来说，并不可行，等价于初始化完t ...

总体而言，主要从以下两个方面改善，不过能把第一个加速了就很好了： 数据预处理部分 模型自身的部分 当数据都在GPU时，prefetcher收益不大 哪怕数据不在GPU，FastDataloader效果也不错 而且GPU占用也不高 测试脚本 import torch from torchvision import datasets, transforms import time if __name__ == '__main__': use_cuda = torch.cuda.is_available() for num_workers in range(0,50,5): # 遍历worker数 kwargs = {'num_workers': num_workers, 'pin_memory': False} if use_cuda else {} train_loader = torch.utils.data.DataLoader( datasets.M ...

修改srceenrc后不重启screen生效来自 How to reload screenrc without restarting screen? Ctrl-a :source ~/.screenrc. 开启自动刷新（altscreen）具体原理说明参考： GNU screen clearing on vim,less,etc. exit Using screen, commands like less and man don’t clear the screen afterwards，推荐，说的非常详细 这是非常必要的设置，默认应该是关闭，则在使用vim等应用之后，上一页会残留，比如下面这样： 开启altscreen on之后，编辑完直接退出，不会有残留

问题使用IEG系列过程中，发生如下问题RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn： 原因模型写错了！！要注意要用meta module！！不能常规的nn.Module，因为这里面返回的params都是nn.Paramter而非像MetaModule那样是torch.tensor 解决方法直接改回来就好了！！