weixin_44210987的博客

如果是mailline，需要选择第一个，可以先买一个看看，我每次都是买10个，一个0.8元，有5美刀的额度。下载安装：https://github.com/getcursor/cursor。下单后获取到key，发送的密钥就是我们需要的key了。1、购买gpt3.5的api。也可以自己想办法去官网获取。3、配置cusor的密钥。开始prompt式编程。

VGG-19比VGG-16的结构更深，包含更多的卷积层。VGG-19通常会有更多的参数，这可能导致更高的训练成本和更慢的推理速度。尽管VGG-19在理论上可以捕获更复杂的特征，但在实践中，更深的模型并不总是导致更好的性能。实际表现取决于任务和数据集。VGG-16和VGG-19都已被认为是重要的深度学习架构，并在许多子领域内广泛应用，如图像分类、物体检测和图像分割。

当我们考虑两个分布时，概率比的对数（即 log(Q(x) / P(x) )提供了一个衡量从Q到P的视角下信息增益或惊讶度变化的方法。直观理解：最后，使用概率比可以提供一种直观的方式来理解一个事件在一个分布中的重要性相对于另一个分布的变化。如果你根据分布Q预测事件，而真实分布是P，KL散度就告诉你，平均而言，你的预测有多么“出乎意料”。其中 ( X ) 是所有可能事件的集合，( P(x) ) 和 ( Q(x) ) 分别是事件 ( x ) 在两个分布中的概率。P(x)−Q(x) 时，我们得到的是绝对差异。

在神经网络中，全连接层（也称为稠密层或线性层）的参数量计算通常包括权重（weights）和偏置（biases）。：每个输入特征都与每个输出特征连接。因此，权重的总数等于输入特征数乘以输出特征数。在这个例子中，就是 (1024 \times 100 = 102400)。这些参数在训练过程中通过反向传播算法进行学习，以便网络能够从输入特征中有效地学习到预测输出的映射关系。因此，偏置的总数等于输出特征数。把这两部分相加，得到全连接层的总参数量：(102400 + 100 = 102500)。

（这将授予所有用户读取、写入和执行该文件夹及其所有内容的权限。请注意，这可能会带来潜在的安全风险，因此请谨慎操作）Vscode 中 Remote-SSH 连接不上服务器，但是在终端中使用SSH可以连接，我试了各种办法。可以使用 ls -ld 命令来查看文件夹的权限。怀疑是我用了conda管理环境，可能造成base环境权限变了？最后准备删除配置文件看看，结果发现没有权限。

安装API客户端库：使用API客户端库可以简化API调用过程，并提供一些有用的工具和函数。根据您选择的API套餐和API功能，您可以调用不同的API端点，例如生成自然语言文本、图像分类、语音识别等等。GPT-3 API沙盒计划：OpenAI提供了一个免费的API沙盒计划，允许用户在API调用方面进行一些试验。如果需要更高级别的API功能和更大的API调用量，就需要考虑选择OpenAI提供的付费API套餐。选择API套餐：OpenAI提供不同的API套餐，您需要选择适合自己需求的套餐。

总结，可能是没有选对环境，然后对应的环境没有安装jupyter notebook和kernel，还需要把kernel注入环境中。2、官网安装Python包太慢？6、在anaconda启动jupyter notebook找不到anaconda的虚拟环境内核。重点看第六个链接，然后pip install时出错了，我用的conda install。5、Jupyter中安装深度学习pytorch框架并import torch测试。3、利用Anaconda安装、使用、配置jupyter notebook。