断开 SSH 连接后继续执行任务
我们经常需要通过 SSH 连接到远程 Linux 服务器来执行各种任务。但有时,我们希望即使在断开 SSH 连接后,这些任务也能继续运行。
本文介绍了如何将任务放入后台并使用 disown
命令使其在当前 Shell 终端窗口关闭后依然不会结束。
我们经常需要通过 SSH 连接到远程 Linux 服务器来执行各种任务。但有时,我们希望即使在断开 SSH 连接后,这些任务也能继续运行。
本文介绍了如何将任务放入后台并使用 disown
命令使其在当前 Shell 终端窗口关闭后依然不会结束。
isinstance
和 type
的区别在 Python 中,isinstance
和 type
都是用于检查对象类型的函数,但它们的使用场景和结果有所不同。本文介绍了 Python 中的 isinstance
和 type
的区别。
JupyterLite 是一个轻量级的 Jupyter 笔记本环境,旨在为用户提供快速、便捷的交互式计算体验。与传统的 Jupyter 环境不同,JupyterLite 可以在不需要安装任何软件的情况下直接在浏览器中运行。
有时我们希望快速测试一些简单的代码(例如得到 ChatGPT 给出的代码后),就可以用 JupyterLite 在浏览器中快速运行代码。
本文记录了如何部署 JupyterLite 站点,以及参与开源项目贡献的心得。
在 Jupyter Notebook 中,可以使用 HTML 功能来并排显示两个 Pandas DataFrame,让我们更方便地查看和对比多个表格。本文提供了一个简单的例子,展示了如何做到这一点。
CrossEntropyLoss
在机器学习中,特别是处理分类问题时,损失函数是衡量模型预测与实际标签差异的关键。在 PyTorch 中,CrossEntropyLoss
是一个常用的损失函数,用于分类问题。它首先通过 Softmax 函数计算对应类别的概率值,然后计算每个样本的负对数似然损失,最后对所有样本的损失值求平均。
本文将通过一个简单的例子来手动计算CrossEntropyLoss
,并展示如何使用 PyTorch 实现这一过程。
.to(device)
的使用在使用 PyTorch 框架进行深度学习模型训练时,我们经常需要将模型从 CPU 迁移到 GPU 上以加速计算。PyTorch 提供了一个简洁的 API model.to(device)
来实现这一过程。但是,在使用这个 API 时,我们可能会遇到两种不同的写法:model.to(device)
和 model = model.to(device)
。那么,这两种写法有什么区别呢?
在 Python 中,set 和 list 是两种不同的数据结构,它们在使用和功能上有很大的不同。set 是一个无序的、不重复的元素集合,而 list 是一个有序的、可重复的元素集合。
然而,从 set 到 list 的过程并不是一个简单的转换,因为 set 本身就是无序的,所以从 set 到 list 的过程并没有固定的顺序。这意味着每次转换得到的 list 的元素顺序可能都会不同。
在一些项目中,我们希望结果可重现,因此需要确保每一步的结果都没有随机性。许多随机性可以通过随机种子来控制,但从 set 到 list 的过程并不会被随机种子控制住,因此仍然存在随机性。
本文探讨了从 set 到 list 的过程中的随机性,亦作为排查随机性来源的一次记录。
有时需要批量替换许多 Jupyter Notebook 的内容,由于 Jupyter Notebook 并不是简单的文本文件,在读取和替换时并不像批量修改 Python 脚本那样方便。
本文介绍了使用 nbformat
批量修改 Jupyter Notebook 的内容的方法。