使用Samba可以非常方便地将Linux上的文件夹共享到其他设备上，Ubuntu的共享方法非常简单，参考官方文档，我使用的Ubuntu版本为22.04LTS。 Windows使用Samba共享文件夹可以参考：Windows 10 Samba文件共享的设置方法，解决不能访问和密码错误的问题 安装Samba sudo apt update # 更新软件源 sudo apt install sa

adb&waydroid常用命令 waydroid官方参考文档，adb速查表 adb常用命令 adb devices ：列出当前连接的设别（当连接设别数目大于1个时，使用 adb shell 控制命令需要加入 -s 设别号 指定控制的设备） adb connect <IP:port>：使用 adb 连接当前 ip 对应的Android设备。例如：使用 waydr

ffmpeg常用命令 以下代码可在Linux上测试通过，参考：GitHub awesome-cheatsheets - 中文速查表，JiaHe’s Blog - FFMPEG CHEATSHEET (中文速查表) 可以从 Sample Videos 网站上下载视频进行测试。 基础参数 ffmpeg是一个在shell中对视频进行处理的工具，包含以下基础参数： -i <input>

参考 LiuXueChao🩷蛋～ - Linux 服务器安装 Clash代理 安装 Clash 内核 在服务器上由于没有可视化窗口，所以只能直接运行 Clash 内核，下载 clash-linux-amd64-v3 可以直接在命令行中启动 Clash： mkdir Clash # 创建文件夹 cd Clash wget https://down.clash.la/Clash/Core/R

参考 CSDN - SSH 端口转发实现 Jupyter Notebook 远程连接服务器 Jupyter Notebook在启动后会默认在服务器中的 localhost:8888 端口启动，所以我们只需要将其映射回本机即可，可以使用 ssh 中的端口转发实现，在使用 ssh 连接服务器前使用 -L 命令： ssh -L 本地地址:[本地端口,可选]:目标地址:目标端口 用户名@你的服务器地址

由于CVPR大作业需要，学校给我们申请了一些服务器账号，这里记录下服务器基本配置方法及操作流程. 登录服务器 我使用的是最简单的方法登录的服务器，直接使用ssh进行连接. （还可以使用vscode连接服务器方法，也比较方便，且可以编辑代码） Windows，可以使cmd或者PowerShell，这里推荐在Windows Store中下载Windows Terminal，集成了上述两个，而

端到端的机器学习项目实例 《机器学习实战：基于Scikit-Learn，Keras和TensorFlow》中第二章内容，英文代码可参考github - handson-ml2/02_end_to_end_machine_learning_project.ipynb 下面内容对应的Jupyter Notebook代码位于github：2.end_to_end_machine_learning_pr

MNIST 数据集进行分类 《机器学习实战：基于Scikit-Learn，Keras和TensorFlow》中第三章内容，英文代码可参考github - handson-ml2/03_classification.ipynb 下面内容对应的Jupyter Notebook代码位于github：3.classification.ipynb 数据集导入 使用Scikit-Learn中的 sklea

Ubuntu设置休眠选项 我的笔记本是Yoga14s，经常发现和上笔记本后进入待机模式耗电非常高，而且启动速度很慢，考虑使用休眠模式代替。休眠模式主要思路是将内存中的数据保存到磁盘上的一个叫交换空间“swap area”的位置，然后关闭电脑，下次启动就从交换空间中提取数据到内存中启动; 而待机模式是保证对内存的供电，仍然耗电。 由于默认的Ubuntu安装系统方式只会自动分配2Gb的swap空间，

该问题是在使用GradientTape训练MNIST数据集时发现的，尝试使用了三种方式进行训练：直接GradientTape训练，调用fit函数训练，重写fit函数后训练. 发现重写GradientTape训练的正确率尽然有96%，而后两者的正确率90%都不到，这引起了我很大的好奇心，于是通过查阅大量文档和阅读TF源代码一步一步排除问题，最终找到问题原因. 训练集使用最简单的MNIST，重写f