安装pycocotools烦死了T.T
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
看了网上那么多解决方法，还是这个最厉害，我愿称之为神中神：
1conda install -c conda-forge pycocotools
脑机接口信号处理
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
运动想象赛题说明
1.实验范式
每组实验包含4s的左手运动想象任务数据,4s的右手运动想象任务数据,4s的双脚运动想象任务数据,如图1所示。本次比赛提供每位受试者的3个block的数据作为训练数据,该受试者的2个block的数据作为测试数据,每个block包含30个trial(左手、右手、双脚各十个随机出现);每个trial包含2s的任务提示、4s的运动想象以及2s的休息,如图1所示。
图1 实验过程
实验数据
Linux服务器配置PyTorch环境
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
说在前面
前提是Anaconda安装包已经下载好
1.查看cuda驱动版本
从下图可以看出是11.4版本：
2.创建“屋子”
1conda create -n ab python=3.9
输出结果：
1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556
Django外部网络访问
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
1.本地创建django项目，点击下方链接并确认本地可以访问
2.在settings.py中配置允许所有服务器访问（局域网访问）
1ALLOWED_HOSTS = ["*",]
3.查看本地ip地址和端口号
在命令行中输入以下指令查看ip地址：
1(base) chenyubin@chenyubindeMacBook-Pro ~ % ifconfig | grep "ine
nvidia-smi
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
1.简介
nvidia-smi是常用的GPU命令
2.nvidia-smi输出解析
3.示例
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849(sbert) root@3090_0002:/data10/sqy/spikeBert_Sqy# nvidia-smiSun Dec
spikeBERT:TBLD->BT(L)D
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
1. class BertLayer(nn.Module):
初始化函数：
12345678910111213def __init__(self, config): super().__init__() self.chunk_size_feed_forward = config.chunk_size_feed_forward self.seq_len_dim = 1
Linux服务器上解压缩文件
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
简介
解压缩是一个常用的操作，在 Linux 中通常比较常用的是 tar 命令，zip 和 rar 命令则是 Windows 中比较常用
目录
tar
rar
zip
1.tar
示例：
12345678# 压缩文件 file1 和目录 dir2 到 test.tar.gztar -zcvf test.tar.gz file1 dir2# 解压 test.tar.gz（将 c 换成 x 即可）tar -
No such file or directory
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
出现的报错
12(pytorch) root@notebook-devenviron-1129-193455-j8m3xk-notebook-0:/opt/code_chap_2_3/pycnnl/cnnl_python/swig# bash build_pycnnl.shbash: build_pycnnl.sh: No such file or directory
操作步骤
问题所在之处
当我pip
paper:LMUFORMER
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
abstract
Transformer 模型已在众多应用中表现出高精度，但复杂性高且缺乏顺序处理能力，这使得它们不适合设备资源严重受限的边缘的许多流应用程序。因此，许多研究人员提出将 Transformer 模型重新表述为 RNN 模块，用显式状态修改自注意力计算。然而，这些方法通常会导致性能显着下降。最终目标是开发一种具有以下属性的模型：并行训练、流式传输和低成本推理以及最先进的 (SOTA) 性能。在本文中，
使用VSCode在服务器上单步调试代码
MathJax.Hub.Config({ tex2jax: {inlineMath: [['$', '$']]}, messageStyle: "none" });
说在前面
如果想要在服务器中使用以下这种方法来单步调试python文件,那么直接点起单步调试按钮即可：
1python xx.py
在文章中，针对的是以下这种情况来单步调试文件,即无法点击调试按钮就可以开始调试的情况：
1python xx.py --train_file ...
直接点击调试按钮会出现以下这样的画面：
操作步骤
1.找到最上面的窗口，然后输入Debug: Open launch.js
