个人学习历程,持续更新中......

主要与NLP相关。

• 教程 一些成体系的课程书籍等
• 基础知识 一些深度学习的基础知识,可当成面经用
• NLP NLP相关
• LLM LLM相关
• DeepSeek-R1 R1技术相关(RL)
• 写作 论文写作相关
• 其他 算法题、Python、pytorch、服务器、Git、docker等

• 【机器学习必看】—吴恩达Stanford CS229

  • CS229: Machine Learning (stanford.edu)
  • CS229 课程讲义中文翻译
  • 个人整理的229资料,主要是08年和18年吴恩达的。

• 【强推】李宏毅人工智能课

  • Bilibili-2021/2022春机器学习课程
  • 李宏毅老师YouTube频道,包括机器学习、自然语言处理、GAN、强化学习等一系列课程。

• 【机器学习经典书籍】—《统计学习方法》

  • 手写实现李航《统计学习方法》书中全部算法,非常厉害且详细,每一章都有博客讲解和对应代码,且代码力求每一行都有注释,重要部分注明公式来源。

• 《神经网络与深度学习》

  • https://nndl.github.io/

• 《动手学深度学习》

  • Tensorflow2版本
  • pytorch版本

• 强化学习教程(蘑菇书):datawhalechina/easy-rl: 强化学习中文教程(蘑菇书)

• 深度学习圣经—花书

  • 英文版原书:https://www.deeplearningbook.org/
  • 中文版翻译:https://github.com/exacity/deeplearningbook-chinese
  • 花书数学推导、原理剖析与源码级别代码实现:https://github.com/MingchaoZhu/DeepLearning
  • 深度之眼花书啃书指导:https://www.bilibili.com/video/BV1kE4119726
  • 花书各章笔记:https://zhuanlan.zhihu.com/p/38431213

• 【NLP必看】—Stanford CS224N

  • Stanford CS 224N | Natural Language Processing with Deep Learning
  • 作业:parachutel/cs224n-stanford-winter2021: Stanford Winter 2021 (github.com)

• 【NLP】大模型科普教程 Stanford CS324

  • Introduction | CS324 (stanford-cs324.github.io)
  • datawhale团队做的CS324中文版:zhoucz97/CS324-datawhale: CS324+datawhalge每月组队学习的内容 (github.com)

• 【LLM-TAP】复旦LLM书籍-《大规模语言模型·从理论到实践》:大规模语言模型:从理论到实践 (intro-llm.github.io)

• 【huggingface官方NLP教程】Introduction - Hugging Face NLP Course

• 激活函数

  • Bert使用的激活函数:gelu---高斯误差线性单元
  • GELU 激活函数

• 评价指标

  • 精确率、准确率、召回率、F1值含义及sklearn调用 - 知乎 (zhihu.com)
  • 三种F1指标
  • BLEU - Wikipedia
  • ROUGE (metric) - Wikipedia

• 过拟合问题

  • 解决方式:加大数据量、降低模型复杂度、Dropout、正则化、早停策略、warmup学习率、模型集成
  • Early Stopping - 简书 (jianshu.com)
  • 深度学习技巧之Early Stopping(早停法) | 数据学习者官方网站(Datalearner)
  • 生动形象告诉你神经网络的Dropout为何有效_qiuzitao的博客-CSDN博客_dropout为什么有效
  • 为什么正则化能减少模型过拟合程度_ybdesire的博客-CSDN博客
  • L1正则化与L2正则化的区别_ybdesire的博客-CSDN博客_l1正则化和l2正则化的区别
  • 为什么PCA不被推荐用来避免过拟合?
    • 因为PCA是无监督的降维方法。
    • 为什么PCA不被推荐用来避免过拟合_嘀嗒嘀嘀嗒嘀的博客-CSDN博客
    • (5 封私信) 为什么PCA不被推荐用来避免过拟合? - 知乎 (zhihu.com)

• 数据归一化

  • 如何理解归一化(normalization)? - 知乎 (zhihu.com)

  • 机器学习笔记:为什么要对数据进行归一化处理? - 不说话的汤姆猫 - 博客园 (cnblogs.com)

  • 不同评价指标会具有不同的量纲和量纲单位,会影响数据分析的结果;也会让模型寻找最优解的过程变得不够平滑。

  • 归一化可以消除奇异样本导致的不良影响,也能够加快梯度下降求最优解的速度,使模型训练过程更加平滑。

  • 归一化方法

    • 线性比例变换法 $x' = \frac{x}{max(x)}$

    • 极差变换法,即最大最小标准化

      $x' = \frac{x-min(x)}{max(x) - min(x)}$

      • 适用于数值比较集中的情况,受max和min的影响较大;

    • z-score标准化

      $x' = \frac{x- \mu}{\sigma}$

      • 将数据归一化为标准正态分布
      • 适用于需要使用距离来度量相似性的时候,或者使用PCA降维的时候。

  • 需要归一化的算法和不需要归一化的算法

    • 需要:基于距离计算的模型KNN;梯度下降求解的模型线性回归神经网络等。
    • 不需要:决策树,随机森林等。

• 条件随机场CRF

  • 超容易理解的CRF讲解

• 支持向量机SVM

  • SVM算法 - 知乎 (zhihu.com)
  • 机器学习算法(一)SVM_yaoyz105的博客-CSDN博客_svm

• 优化器

  • 简单认识Adam优化器 - 简书 (jianshu.com)

• 主动学习

  • 主动学习(Active Learning),看这一篇就够了 - 知乎 (zhihu.com)
  • 主动学习(Active Learning)概述及最新研究 - 知乎 (zhihu.com)

• 持续/增量学习

  • 增量学习(Incremental Learning)小综述 - 知乎 (zhihu.com)

• 强化学习

  • 深度强化学习(Deep Reinforcement Learning)入门 - 知乎 (zhihu.com)

• 对比学习

  • 图解SimCLR框架,用对比学习得到一个好的视觉预训练模型-CSDN博客

  • 一文梳理2020年大热的对比学习模型

  • 我分析了ACL21论文列表,发现对比学习已经...

• Normalization

  • BatchNorm:

    • 聊聊Batch Normalization在网络结构中的位置_炼丹笔记的博客-CSDN博客
    • BatchNorm原理以及PyTorch实现_ffiirree的博客-CSDN博客_batchnorm pytorch
    • Pytorch中的BatchNorm_小王同学w的博客-CSDN博客_pytorch中的batchnorm
    • batch normlization问题总结 - 知乎 (zhihu.com)
    • 对 BatchNormalization 中 Internal Convariate Shift 的理解_wzg2016的博客-CSDN博客_协变量漂移

  • BatchNorm和LayerNorm区别:

    • BatchNorm是对一个batch-size样本内的每个特征做归一化,LayerNorm是对每个样本的所有特征做归一化。
    • BatchNorm与LayerNorm的异同 - 知乎 (zhihu.com)

  • 各种Normalization - 知乎 (zhihu.com)

• 霍普菲尔德网络

  • Hopfield网络的基本 - 知乎 (zhihu.com)
  • 最简单的神经网络:霍普菲尔德神经网络 - 知乎 (zhihu.com)

• 对神经网络的结果做显著性检验

  • 如何对一个神经网络分类器做显著性检验(例如t-test)? - 知乎 (zhihu.com)

• 分布式:

  • 集合通讯库介绍:NCCL、OpenMPI、Gloo对比_taoqick的博客-CSDN博客

• 数据标注一致性评价---Kappa

  • 如何评价数据标注中的一致性?以信息抽取为例,浅谈Fleiss' Kappa - 知乎 (zhihu.com)
  • Cohen’s kappa系数_Unacandoit的博客-CSDN博客_cohen鈥檚 kappa

• Pointwise,Pairwise, listwise

  • 文本匹配的两种方法——PairWise和PointWise - 知乎 (zhihu.com)
  • 排序主要的三种损失函数(pointwise、pairwise、listwise) - 知乎 (zhihu.com)
  • 学习排序入门级概述 (360doc.com)

• 乘积运算

  • 哈达玛积、矩阵乘积、克罗内克积:hadamard product、matmul product、kronecker product_hellocsz的博客-CSDN博客
  • 点积,内积,哈达玛积的区别_哈达玛乘积_SaltyFish_Go的博客-CSDN博客
  • 阿达玛乘积 (矩阵) - 维基百科,自由的百科全书 (wikipedia.org)

• 判别式模型和生成式模型的区别

  • 判别式模型和生成式模型区别 - bonelee - 博客园 (cnblogs.com)

• 自编码器AE和变分自编码器VAE

  • AutoEncoder (AE) 和 Variational AutoEncoder (VAE) 的详细介绍和对比 - 知乎 (zhihu.com)
  • 自编码器(AE、VAE)的原理与代码实现 - 知乎 (zhihu.com)

• 归一化操作之RMSNorm

  • 去掉了LayerNorm中的中心化操作,只进行缩放。缩放使用的是均方根。在性能不变的前提下可以提高效率。
  • 论文笔记RMSNorm:Root Mean Square Layer Normalization - 知乎 (zhihu.com)
  • RMSNorm的原理和代码 - 知乎 (zhihu.com)
  • bzhangGo/rmsnorm: Root Mean Square Layer Normalization (github.com)

• 位置编码RoPE

  • 一文看懂 LLaMA 中的旋转式位置编码(Rotary Position Embedding) - 知乎 (zhihu.com)第一条评论最简洁证明

    • 十分钟读懂旋转编码(RoPE) - 知乎 (zhihu.com)

    • Transformer升级之路:2、博采众长的旋转式位置编码 - 科学空间|Scientific Spaces (kexue.fm)

    • [2104.09864] RoFormer: Enhanced Transformer with Rotary Position Embedding (arxiv.org)

    • Rotary Position Embedding (RoPE, 旋转式位置编码) | 原理讲解+torch代码实现_#苦行僧的博客-CSDN博客

    • 各种位置编码对比:让研究人员绞尽脑汁的Transformer位置编码 - 科学空间|Scientific Spaces (kexue.fm)

    • 大语言模型中常用的旋转位置编码RoPE详解:为什么它比绝对或相对位置编码更好? (qq.com)

• KVCache

  • Transformer推理性能优化技术很重要的一个就是K V cache,能否通俗分析,可以结合代码? - 知乎 (zhihu.com)

• RAG检索增强生成

  • Modular RAG and RAG Flow: Part I. A compressive and high-level... | by Yunfan Gao | Jan, 2024 | Medium
  • Modular RAG and RAG Flow: Part II | by Yunfan Gao | Jan, 2024 | Medium
  • LLM(廿一):从 RAG 到 Self-RAG —— LLM 的知识增强 - 知乎 (zhihu.com)

• CNN, RNN, LSTM, GRU

  • 一文看懂卷积神经网络-CNN(基本原理+独特价值+实际应用)- 产品经理的人工智能学习库 (easyai.tech)
  • 一文看懂循环神经网络 RNN(2种优化算法+5个实际应用) (easyai.tech)
  • 一文看懂 LSTM - 长短期记忆网络(基本概念+核心思路) (easyai.tech)
  • 深度学习面试题37:LSTM Networks原理(Long Short Term Memory networks) - 黎明程序员 - 博客园 (cnblogs.com)
  • [经典必读:门控循环单元GRU的基本概念与原理](https://www.jiqizhixin.com/articles/2017-12-24#:~:text=在本文中,我们将讨论相当简单且可理解的神经网络模型:门控循环单元(GRU)。 根据 Cho, et al. 在 2014,年的介绍,GRU 旨在解决标准 RNN 中出现的梯度消失问题。 GRU 也可以被视为 LSTM 的变体,因为它们基础的理念都是相似的,且在某些情况能产生同样出色的结果。)

• Tokenizer分词

  • 自然语言处理1:分词 - 知乎

  • NLP--BPE、WordPiece、ULM、SentencePiece子词分词器总结【原理】_故事挺秃然的博客-CSDN博客

  • 大模型中的分词器tokenizer:BPE、WordPiece、Unigram LM、SentencePiece - 知乎 (zhihu.com)

  • BPE字节对编码:

    • 【推荐-huggingface BPE讲解】Byte-Pair Encoding tokenization - Hugging Face NLP Course

    • BPE 算法原理及使用指南【深入浅出】

    • Openai出的字节对编码包tiktoken,比huggingface的快3~6倍:openai/tiktoken (github.com)

  • Unigram分词:

    • NLP中的子词分割算法(BPE,Unigram) - 知乎 (zhihu.com)
    • 大语言模型学习随笔1-从头开始构建 Unigram 分词器 - 知乎 (zhihu.com)

• 未登陆词问题OOV

  • 未登录词识别,NER
  • word2vec中,给未登录词一个随机初始化的向量;
  • 预训练语言模型中,统一当成【UNK】来处理;

• 预训练模型中融入KG知识

  • 清华ernie:T-encoder,K-encoder;T-encoder与bert相同,K-encoder用来融入知识图谱信息。
    • 用NER技术识别出输入序列中的实体,并与知识图谱中的实体进行对应。采用TransE将其转化为向量表示,与原本的输入序列的向量表示拼接送入K-encoder。
  • KG与预训练模型结合的问题
    • 结构化文本与非结构化文本;
    • 异构特征空间的对齐;
    • 知识噪声的解决。

• Transformer

  • the illstrusted Transformer

  • transformer详解

  • 哈佛transformer代码实现(pytorch)

  • RoBERTa模型原理总结

  • 从BERT, XLNet, RoBERTa到ALBERT

  • 图解BERT模型

  • 超细节的BERT/Transformer知识点

• BERT

  • 图解BERT模型 - 知乎 (zhihu.com)

  • 【深度学习】BERT详解 - 知乎 (zhihu.com)

    • BERT缺点
      • 预训练和微调之间的GAP;
      • 假设MASK掉的token是不相关的;
      • 速度慢

  • BERT参数量计算:

    • How is the number of BERT model parameters calculated? · Issue #656 · google-research/bert (github.com)
    • BERT参数量如何计算 - 知乎 (zhihu.com)

• Sentiment Analysis

  • 2021属性级情感分析新进展

  • 情感分析论文笔记 - 知乎 (zhihu.com)

  • 对话情绪识别paper reading list: zhoucz97/ERC-Reading-List

  • 情绪溯源paper reading list: zhoucz97/ECA-Reading-List

  • CCAC 前沿趋势报告-文本情感计算新进展 (qq.com)

  • CCAC 2022 讲习班-情感分析基础与前沿 (qq.com)

  • 情感词库构建代表工作详解

• GNN

  • 知乎—如何理解GCN?

  • GCN (Graph Convolutional Network) 图卷积网络解析

  • 图注意力网络(GAT) ICLR2018, Graph Attention Network论文详解

  • GCN作者博客解释GCN

  • 谱聚类原理总结

  • Graph Convolutional Networks in PyTorch

  • Pytorch Graph Attention Network

  • Pytorch-Geometric(PyG)官方文档

• SimCSE 经典的无监督文本匹配模型

  • 【SimCSE】没有标注数据也能训练文本匹配模型(附源码) - 知乎 (zhihu.com)

  • 论文:2104.08821.pdf (arxiv.org)

  • ESimCSE:2109.04380.pdf (arxiv.org)

入门huggingface的transformers库强推

HarderThenHarder/transformers_tasks: ⭐️ NLP Algorithms with transformers lib. (github.com)

该项目集成了基于 transformers 库实现的多种 NLP 任务。,是何枝大佬的transformers教程,**很推荐!**尤其适合入门transformers的小白。

目前已实现的NLP任务有:文本匹配、文本分类、文本生成、信息抽取、prompt任务、RLHF、大模型应用、大模型微调。

• 【文章】【LLM】从零开始训练大模型 - 知乎 (zhihu.com)

• 【ChatGPT入门资料】见zhoucz97/awesome-ChatGPT: ChatGPT相关资源汇总 (github.com)

• 【In-Context Learning】

  • 【Paper List】dongguanting/In-Context-Learning_PaperList: Paper List for In-context Learning 🌷 (github.com)

  • 【文章】ICL中的示例选择及效果:https://mp.weixin.qq.com/s/SsGmta7Ethx_rSchcKUioA

• 模型压缩及分布式训练

  • 大规模语言模型训练关键技术:混合精度训练、显存分析与DeepSpeed分布式训练实践
  • 当代研究生应当掌握的并行训练方法(单机多卡) - 知乎 (zhihu.com)

• ChatGLM-6B

  • THUDM/ChatGLM-6B: ChatGLM-6B: An Open Bilingual Dialogue Language Model | 开源双语对话语言模型 (github.com)
  • ChatGLM-6B微调 - 知乎 (zhihu.com)
  • 一文搞定ChatGLM2-6B部署! - 知乎 (zhihu.com)

• LangChain + ChatGLM搭建基于本地知识库的问题

  • 吴恩达LangChain视频教程 哔哩哔哩_bilibili

  • 【官方视频教程】ChatGLM + LangChain 实践培训_哔哩哔哩_bilibili

  • langchain-ChatGLM Github Repo: | 基于本地知识库的 ChatGLM 问答 (github.com)

• Retrieval-based LLM教程

  • ACL 2023 Tutorial: Retrieval-based LMs and Applications (acl2023-retrieval-lm.github.io)
  • 万字长文总结检索增强 LLM - 知乎 (zhihu.com)

• 大模型时代该何去何从?

  • 选择你的道路:LLM 时代指南 (qq.com)
  • 大模型LLM领域,有哪些可以作为学术研究方向? - 知乎 (zhihu.com)

• 模型参数量和训练所占显存量计算

  • LLM训练指南(二):模型参数、计算量、显存、计算时间计算 - 知乎 (zhihu.com)

• Mix-of-Expert (MoE)模型

  • Mixtral-8x7B 模型挖坑 - 知乎 (zhihu.com)
  • Mixture-of-Experts (MoE) 经典论文一览 - 知乎 (zhihu.com)

• llama-chineseFlagAlpha/Llama2-Chinese: Llama中文社区,最好的中文Llama大模型,完全开源可商用 (github.com)
• hiyouga/LLaMA-Factory: Easy-to-use LLM fine-tuning framework (LLaMA, BLOOM, Mistral, Baichuan, Qwen, ChatGLM) (github.com)

• repo: hiyouga/LLaMA-Factory: Easy-to-use LLM fine-tuning framework (LLaMA, BLOOM, Mistral, Baichuan, Qwen, ChatGLM) (github.com)

• 入门教程:LLaMA-Factory QuickStart - 知乎 (zhihu.com)

• 文档:LLaMA Factory

• Pass@K of HumanEval: 代码生成模型评价指标 pass@k 的计算 - 知乎 (zhihu.com)
• 2024.6月份代码大模型整理:2024年6月118篇代码大模型论文最全整理 (qq.com)

1. Latex写论文:https://www.overleaf.com/

2. LaTeX教程:

   1. Latex使用心得 - 知乎 (zhihu.com)

3. MLNLP-World/Paper-Writing-Tips: 该仓库是MLNLP社区用来帮助大家避免论文投稿小错误的整理仓库。 Paper Writing Tips (github.com)

4. LaTeX数学公式:

   1. Online Equation Editor - standalone (codecogs.com)
   2. 在线LaTeX公式编辑器-编辑器 (latexlive.com)

5. 画图表:

   1. Excel:
      1. Tip: Excel图表导出为PDF图像 - 知乎 (zhihu.com),然后利用工具裁剪导出后的PDF,比如WPS(开会员)。
      2. 用Excel制作Origin科研论文图(分组柱状图) - 知乎 (zhihu.com)
      3. 如何将论文图表做得漂亮? - 知乎 (zhihu.com)
   2. Python:
      1. Python常用画图代码(折线图、柱状图、饼图) - 知乎 (zhihu.com)
      2. Python 绘图,我只用 Matplotlib(三)—— 柱状图 - 知乎 (zhihu.com)
   3. MLNLP-World/Paper-Picture-Writing-Code: MLNLP: Paper Picture Writing Code (github.com)

6. 画模型图:draw.io

7. 设置字体颜色:LaTeX知识分享|如何设置字体颜色 - 知乎 (zhihu.com)

8. 数学公式加粗:如何在LaTeX数学模式中更好地使用粗体? - 知乎 (zhihu.com)

9. 对号和叉号:latex中的对与错(×ばつ)

10. 论文润色

    1. ChatGPT:如何使用ChatGPT对论文进行润色 - 知乎 (zhihu.com)

• PPO详解:图解大模型RLHF系列之:人人都能看懂的PPO原理与源码解读 - 知乎
• 人人都能看懂的RL-PPO理论知识 - 知乎
• 大模型中的强化学习——大语言模型研究05 | 柠檬CC

• labuladong的算法小抄。100多道题,分门别类,先讲某个算法,再讲该算法下对应的力扣题目,Github标星已经80多k了。
• liweiwei1419。威威哥,长期活跃在力扣社区,为力扣官方贡献了大量的优质题解。liweiwei个人博客,liweiwei力扣主页
• 个人笔记之LeetCode题解与算法(语雀)
• 知乎问题—如何理解和掌握KMP算法

• Logging:python中logging日志模块详解

• 调试器Pdb:10分钟教程掌握Python调试器pdb - 知乎 (zhihu.com)

• 类型注释:

  • Python -类型提示 Type Hints - 小菠萝测试笔记 - 博客园 (cnblogs.com)
  • Python - typing 模块 —— 常用类型提示 - 小菠萝测试笔记 - 博客园 (cnblogs.com)

• self和cls的区别和用法:python中cls和self的不同及使用_python cls和 self-CSDN博客

• python-deque()双端队列: python中的deque详解_python deque-CSDN博客

• 冻结参数

  • pytorch网络冻结的三种方法区别:detach、requires_grad、with_no_grad_shuttle6的博客-CSDN博客_pytorch冻结网络层
  • pytorch 冻结某些层参数不训练 - 知乎 (zhihu.com)

• 手动下载Pytorch

  • 官方源:https://download.pytorch.org/whl/torch_stable.html
  • 清华源:Index of /anaconda/cloud/pytorch/linux-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
  • Pytorch手动下载安装教程 - 知乎 (zhihu.com)

• 手动下载Transformers库的参数

  • 如何优雅的下载huggingface-transformers模型 - 知乎 (zhihu.com)
  • wget https://s3.amazonaws.com/models.huggingface.co/bert/${model_name}-pytorch_model.bin,
  • 例如wget -L https://s3.amazonaws.com/models.huggingface.co/bert/roberta-base-pytorch_model.bin

• huggingface模型下载

  • 大模型下载使我痛苦 - 知乎 (zhihu.com)
  • 如何快速下载huggingface模型——全方法总结 - 知乎 (zhihu.com)
  • huggingface国内镜像站:hf-mirror.com - Huggingface 镜像站

• tmux

  • 一文助你打通 tmux - 知乎 (zhihu.com)
  • Tmux 使用教程 - 阮一峰的网络日志
  • 自动保存tmux会话 关机重启再也不怕 - 知乎 (zhihu.com)
  • 使用tmux分屏(既可以左右分屏,也可以上下分屏) - yangjianfeng - 博客园 (cnblogs.com)
  • 设置服务器重启后自动恢复tmux工作现场
    • https://zhuanlan.zhihu.com/p/146544540?utm_source=wechat_session&utm_medium=social&s_r=0
    • tmux session重启机器后自动恢复 - 知乎 (zhihu.com)

• nohup

  • 服务器后台跑程序的一种方法(nohup)_Laiguibing521的博客-CSDN博客

• Ubuntu登录SSH后显示欢迎消息 - 知乎

• conda

  • Conda常用命令合集

• Nvidia-smi命令

  • windos中查看gpu信息,以及NVIDIA-SMI命令详解_tanlangqie的博客-CSDN博客_查看gpu

• frp内网穿透

  • frp (gofrp.org)
  • frp实现内网穿透访问内网多台Linux服务器 - JasonCeng - 博客园 (cnblogs.com)
  • 详细内网穿透原理(转载) - 知乎 (zhihu.com)

• ubuntu实现科学上网:Ubuntu纯命令行走Clash终端代理(Linux同理) | 恒HengY1毅

  • Ubuntu/Linux终端纯命令行部署和控制Clash懒人Blog (nekocat.top)

• 英伟达GPU选购指南

  • 英文原版-The Best GPUs for Deep Learning in 2023 — An In-depth Analysis (timdettmers.com)
  • 中文精炼版-2023炼丹GPU选购指南来了!英伟达3080和4070Ti成性价比之王! - 知乎 (zhihu.com)

• 切换CUDA版本

  • 修改~/.bashrc文件,或者修改软链接。
  • 【Ubuntu 切换 cuda 版本】_ubuntu切换cuda版本_梦难长的博客-CSDN博客

• 修改.cache路径:Unbuntu设置Hugging Face下载的本地缓存路径_浅陌sss的博客-CSDN博客

• 新服务器安装cuda

  • 什么是显卡驱动?cuda toolkit?CuDNN?Nvidia显卡对应驱动,cuda toolkit 和 cuDNN 之间的版本关系_cudatoolkit-CSDN博客

• 国内外芯片概述:小白也能看懂的国内外 AI 芯片概述 - 知乎 (zhihu.com)

• 廖雪峰的官方网站之Git
• push时报错ssh: connect to host xx.xx.xx.xx port 22: Connection timed out
  • 解决 push 到 GitHub 异常 - 无法连接22端口 - 轶哥 (wyr.me)

• 《Docker从入门到实战》

• b站狂神说之Docker详细版教程

• datawhale组队学习Docker

收藏从未停止,学习从未开始

• 熬了几个通宵,我写了份CUDA新手入门代码 - 知乎 (zhihu.com)
• CUDA编程入门极简教程 - 知乎 (zhihu.com)
• 一、CUDA C++ 编程指导 - 知乎 (zhihu.com)
• 推荐几个不错的CUDA入门教程(非广告) - 知乎 (zhihu.com)
• 《CUDA C编程权威指南》
• CUDA 编程入门PPT-李Rumor
• https://www.easyhpc.net/problem/programming_lab/4 然后这里面有一些简单的函数应用,也有答案,如果想敲一下可以比着敲一敲,能加深理解
• https://developer.download.nvidia.cn/compute/DevZone/docs/html/C/doc/html/index.html 这是英伟达的官方文档,里面有各种函数和数据结构的介绍 不过比较简单