libstdc++.so.6: version `GLIBCXX_3.4.30' not found 的几个解决思路
写在前面 目前在学习 Paddle。在 conda 环境中使用 pip 安装好支持CUDA12.0的Paddle后，import paddle 时出现** libstdc++.so.6: version `GLIBCXX_3.4.30' not found** 这个问题。 根据网上的资料，Paddl
开机自动同步Internet时间（Windows）
目的 在英国读书期间装了个 Ubuntu 双系统。在这之后，只要开机进入了 Ubuntu，再重启回到 Windows，系统时间就会变回英国时间。 这是因为 Linux 默认将硬件时钟当作 UTC，而 Windows 当作本地时间，双系统切换时容易互相覆盖。其实这不是什么大问题，但是一些特殊软件需要正
OpenCV 在Ubuntu的安装配置，和加入CUDA支持
下载 OpenCV 下载地址：Releases - OpenCV 安装依赖库 sudo apt install cmake
sudo apt install gcc g++
sudo apt install build-essential pkg-config
sudo apt install l
在2022年，对未来两年AI行业发展的看法（转）
看到了一篇知乎上的回答，原网址 今年刚转入人工智能专业，了解到现在算法岗的形势，有些迷茫了，继续读下去还有出路吗？ - 知乎 (zhihu.com) 不要去商汤、AI 四小龙之类的接政府项目 / 靠补贴为生的公司，因为政府官员对 AI 这个新事物的认知过程，从「加大补贴下赶超英美」到了「好像没啥用都
机器学习八股文 - 模型相关
回归 线性回归的四个假设 线性关系：自变量 x 和因变量 y 之间存在线性关系 独立性：残差是独立的，特别是时间序列数据中连续残差之间没有相关性 同方差性：残差在 x 的每个水平上都有恒定的方差 正态性：模型的残差呈正态分布 误差和残差 误差是观察值与真实值之间的差；残差是观察值与模型估计值之间的差
深度学习八股文 - 基础概念
NN 中的 Bias？ 偏置 (bias) 相当于给线性变换加入常数项 b，使 z = Wx + b 而非 z = Wx。它的作用是允许激活函数（进而决策边界）向左或向右平移，使模型更好地适应不经过原点的数据分布。 常见实现方式有两种： 单独维护偏置向量 b 在输入向量前拼接常数 1，将偏置并入权重
深度学习 - 卷积神经网络 Convolutional Networks
卷积神经网路 Convolutional Neural Network CNN CNN的结构 卷积层 Convolution 池化层（下采样） Polling 全连接层 Full connection 卷积层 最基础的2D卷积操作，涉及到一个2D的过滤器（filter），或者说是核（kernel）。
深度学习 - 深度前馈网络 Deep Feedforward Networks
在机器学习中，如果想对非线性函数进行建模，深度前馈网络能够实现这一目标。 在深度学习中，使用一个简单函数的深度链来学习输入数据。 线性函数的输入函数： \hat{y} = \theta^\top x 非线性函数的输入函数： \hat{y} = f(\phi(x); \theta) 其中： \phi(
关于深度学习(Deep Learning ACS61011)这门课
关于这门课 这门课的授课老师是号称谢菲尔德大学最受欢迎的Lecture - Dr Sean Anderson。课堂的风格确实比较生动有趣，而且因为Deep Learning目前仍然比较前沿的原因，课堂上时常举一些比较cool或者exciting的例子，比如一次关于CUDA的课堂，开始跟我们讨论比特币
多系统BIOS的默认启动顺序调整
问题 我的 ThinkPad X280 装了 Ubuntu 和 Windows 的双系统，但是我发现 BIOS 的启动顺序中，排第一的是 Ubuntu，第三才是 Windows。 Figure 1 初始 BIOS 启动顺序 这也就导致了，如果我开机之后什么都不操作，会默认进入 Ubuntu。问题是，
机器学习 - 正则化和优化器(Regularisation and Optimisers)
当模型可调节参数（自由度）过多时，容易学习到训练数据中的噪声，进而出现过拟合（训练集误差小、测试集误差大）。因此要对模型的参数引入某种限制，在训练过程中避免过拟合。 正则化通过在损失函数中加入参数惩罚项，约束参数规模，迫使模型优先学习数据的通用规律，而非噪声。 范数 在正式进入正则化的学习之前，先了
机器学习- 感知机 Perceptron
Neural Networks, NN 1943 年 Warren McCulloch 和 Walter Pitts 提出了最早的神经元数学模型（McCulloch-Pitts 神经元），可看作人工神经网络（artificial neural network, ANN）的雏形，通常也简称为神经网络（