背景 目前使用的Jenkins 版本2.289.3 很舊了，運(yùn)行在Cenos6上。本次升級(jí)操作系統(tǒng)，升級(jí)新版Jenkins 2.528.3 LTS。為啟用“參數(shù)化構(gòu)建”功能，支持自由風(fēng)格使用tag發(fā)版做準(zhǔn)備。 參見：配置Jenkins使用tag發(fā)布 文檔 官方安裝文檔 環(huán)…

HuggingFace Trainer自定義訓(xùn)練循環(huán)：超越默認(rèn)封裝 在深度學(xué)習(xí)的實(shí)際項(xiàng)目中，我們常常會(huì)遇到這樣的場景：一個(gè)基于 BERT 的文本分類模型已經(jīng)用 Trainer 快速跑通了 baseline，但接下來想要引入對(duì)比學(xué)習(xí)增強(qiáng)語義表示、或者同時(shí)微調(diào)多個(gè)…

Docker Prune清理系統(tǒng)：釋放PyTorch構(gòu)建產(chǎn)生的冗余數(shù)據(jù) 在現(xiàn)代AI開發(fā)中，一個(gè)看似不起眼的問題卻常常讓工程師措手不及——明明剛換的硬盤，怎么跑幾個(gè)模型訓(xùn)練任務(wù)就滿了？尤其是在使用 PyTorch-CUDA 鏡像進(jìn)行深度學(xué)習(xí)項(xiàng)目時(shí)&#xf…

GitHub Projects 項(xiàng)目管理：高效追蹤 PyTorch 功能開發(fā)進(jìn)度 在深度學(xué)習(xí)項(xiàng)目日益復(fù)雜的今天，一個(gè)常見的困境是：代碼跑通了，但團(tuán)隊(duì)卻“卡”在協(xié)作上。環(huán)境不一致、任務(wù)不透明、進(jìn)度難追蹤——這些問題往往比模型調(diào)參更耗時(shí)。尤其是在…

CNN空洞卷積實(shí)現(xiàn)：PyTorch中atrous convolution應(yīng)用 在處理語義分割、醫(yī)學(xué)圖像分析這類需要高分辨率輸出的任務(wù)時(shí)，我們常面臨一個(gè)棘手的矛盾：如何在不犧牲空間細(xì)節(jié)的前提下，讓網(wǎng)絡(luò)“看到”更大范圍的上下文？傳統(tǒng)做法是堆…

Jupyter Notebook界面美化與PyTorch-CUDA開發(fā)環(huán)境的融合實(shí)踐 在深度學(xué)習(xí)項(xiàng)目日益復(fù)雜的今天，一個(gè)開發(fā)者每天可能要面對(duì)十幾個(gè)小時(shí)的代碼編寫、模型調(diào)試和結(jié)果分析。而Jupyter Notebook作為最主流的交互式開發(fā)工具之一，其默認(rèn)的白底黑字界面雖然清晰&…

PyTorch分布式訓(xùn)練的兩條路徑：從DataParallel到DistributedDataParallel 在現(xiàn)代深度學(xué)習(xí)系統(tǒng)中，單卡訓(xùn)練早已無法滿足大模型和海量數(shù)據(jù)的需求。當(dāng)我們在ImageNet上訓(xùn)練ResNet，或在百億參數(shù)的語言模型上做微調(diào)時(shí)，多GPU甚至多機(jī)集群…

長期投資在波動(dòng)市場中的優(yōu)勢 關(guān)鍵詞：長期投資、波動(dòng)市場、投資優(yōu)勢、資產(chǎn)配置、復(fù)利效應(yīng) 摘要：本文聚焦于長期投資在波動(dòng)市場中的優(yōu)勢。通過深入剖析波動(dòng)市場的特點(diǎn)以及長期投資的核心原理，從多個(gè)角度闡述了長期投資在應(yīng)對(duì)市場波動(dòng)時(shí)所展現(xiàn)出的獨(dú)特優(yōu)勢。詳細(xì)介紹了相關(guān)的數(shù)…