宇宙核-优快云博客

原创 Linux 实时查看 CUDA 显卡的使用情况命令

本文主要介绍了linux查看cuda显卡使用情况的三种方法。

2025-04-08 09:52:58 113

原创【2025必看】计算机毕业设计选题宝藏资源！100+神仙课题+8大技术方向！导师连夜收藏版！

本文为计算机类专业学子量身打造，精选100+毕业设计/大创创新前沿选题，涵盖人工智能、区块链、元宇宙、物联网、大数据、网络安全、AR/VR、量子计算等8大前沿技术方向。每个选题均提供详细技术栈（如SpringBoot、PyTorch、HarmonyOS等）与预期效果说明，并融入创新设计亮点（如AI+医疗、脑机接口、NFT数字藏品等），满足不同难度与兴趣需求。

2025-03-09 16:00:40 1373

原创手把手教你：Vue 项目在 Ubuntu 服务器上的 Nginx 部署全流程

确保Nginx配置中包含 try_files $uri $uri/ /index.html;浏览器访问 http://your_server_ip 或配置的域名。如果需要HTTPS，可以使用Let's Encrypt申请免费证书。建议将静态文件放在/var/www目录下保持规范。

2025-03-05 23:59:40 407

原创 Nginx或Tengine服务器配置SSL证书

本文全面介绍如何在Nginx或Tengine服务器配置SSL证书，具体包括下载和上传证书文件，在Nginx上配置证书文件、证书链和证书密钥等参数，以及安装证书后结果的验证。成功配置SSL证书后，您将能够通过HTTPS加密通道安全访问Nginx服务器。本文以CentOS 8.0 64位操作系统、Nginx 1.14.2为例介绍。不同版本的操作系统或Web服务器，部署操作会有所差异。

2025-03-05 23:16:24 851

原创 PyTorch环境配置常见报错的解决办法

本文主要讲解如何解决PyTorch环境配置的常见报错问题。

2025-01-12 21:17:35 607

测试集数据扩增（Test Time Augmentation，简称TTA）也是常用的集成学习技巧，数据扩增不仅可以在训练时候用，而且可以同样在预测时候进行数据扩增，对同一个样本预测三次，然后对三次结果进行平均。假设我们训练了10个CNN则可以将多个模型的预测结果进行平均。Dropout经常出现在在先有的CNN网络中，可以有效的缓解模型过拟合的情况，也可以在预测时增加模型的精度。在不同的任务中可能会有不同的解决方案，不同思路的模型不仅可以互相借鉴，同时也可以修正最终的预测结果。

2025-01-11 21:00:25 894

原创【机器学习】模型训练与验证

因为训练集和验证集是分开的，所以模型在验证集上面的精度在一定程度上可以反映模型的泛化能力。在划分验证集的时候，需要注意验证集的分布应该与测试集尽量保持一致。本节挑选了常见的一些技巧来讲解，与传统的机器学习模型不同，深度学习模型的精度与模型的复杂度、数据量、正则化、数据扩增等因素直接相关。所以当深度学习模型处于不同的阶段（欠拟合、过拟合和完美拟合）的情况下，大家可以知道可以什么角度来继续优化模型。

2025-01-11 20:45:38 984

原创【机器学习】数据读取与数据扩增

本文章主要由数据读取、数据扩增方法和Pytorch读取数据三个部分组成。在深度学习中数据扩增方法非常重要，数据扩增可以增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。

2025-01-11 20:12:08 611

原创机器学习算法（三）：K近邻(k-nearest neighbors)

kNN(k-nearest neighbors)，中文翻译K近邻。我们常常听到一个故事：如果要了解一个人的经济水平，只需要知道他最好的5个朋友的经济能力，对他的这五个人的经济水平求平均就是这个人的经济水平。这句话里面就包含着kNN的算法思想。

2025-01-11 15:00:28 638

原创机器学习算法（二）: 朴素贝叶斯(Naive Bayes)

朴素贝叶斯算法（Naive Bayes, NB) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率。NB模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。当年的垃圾邮件分类都是基于朴素贝叶斯分类器识别的。

2025-01-11 14:37:32 1007

原创机器学习算法（一）: 基于逻辑回归的分类预测

逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；缺点：容易欠拟合，分类精度可能不高。

2025-01-10 15:39:27 2365