mutongyindi的博客

​ 在 设备管理器中能识别到两块 NVMe SSD，但在文件资源管理器中看不到，很可能是因为新加的那块硬盘还没有被初始化、分区和格式化。这是 Windows 系统的正常行为 —— 只有已经格式化并分配了驱动器盘符的硬盘才会在“此电脑”中显示。如果出现了你所买的新的固态硬盘名称，则证明你安装成功，系统已正确识别你的新固态硬盘。如有本文未说明确，可进一步查看原Blog进行学习交流！完成后，这块硬盘就会在资源管理器中显示出来了。加装固态硬盘的检查与初始化工作。按住win + x 打开。文章参考csdn大佬的。

有了 Ventoy 你就无需反复地格式化 U 盘，你只需要把镜像文件或者可引导文件直接拷贝到 U 盘里面就可以启动了，无需其他操作。安装完成重启到 Windows，发现时间慢了 12 小时，右键右下角时钟 -> 调整日期和时间 -> 立即同步 即可。Ubuntu 安装后的首次重启可以选择启动 Windows 还是 Ubuntu，默认为 Ubuntu。可以自行必应搜索各自型号修改引导顺序的方法，使对应引导方式的 U 盘引导在最前面即可。同理，要使用 Ubuntu 时，将 Ubuntu 切换至第一个即可。

模型微调。

【代码】day50。

【代码】day49。

··

【代码】day47。

【代码】day45。

【代码】day 45。

【代码】day44。

【代码】day43。

【代码】day42。

··

【代码】day 40。

【代码】day 39。

【代码】day38。

早停。

复习日。

一、模型结构可视化理解一个深度学习网络最重要的2点：了解损失如何定义的，知道损失从何而来----把抽象的任务通过损失函数量化出来了解参数总量，即知道每一层的设计才能退出—层设计决定参数总量为了了解参数总量，我们需要知道层设计，以及每一层参数的数量。下面介绍1几个层可视化工具：1.1 nn.model自带的方法。

数据传输开销 (CPU 内存 <-> GPU 显存)在 GPU 进行任何计算之前，数据（输入张量 X_train、y_train，模型参数）需要从计算机的主内存 (RAM) 复制到 GPU 专用的显存 (VRAM) 中。当结果传回 CPU 时（例如，使用 loss.item() 获取损失值用于打印或记录，或者获取最终预测结果），数据也需要从 GPU 显存复制回 CPU 内存。对于少量数据和非常快速的计算任务，这个传输时间可能比 GPU 通过并行计算节省下来的时间还要长。