Ws努力做全栈

目标 配环境 tips 建议不要动base的环境，去conda配虚拟环境 不然真的是牵一发而动全身 核心思路 先看你的显卡信息 nvidia-smi 可以看到你的显卡支持最高的cuda版本，比如 去装

目标 这里只是serving 且模型直接引入huggingface的包 huggingface 可以理解为模型超市，可以根据业务需求，挑选可用模型 当然，你可以自己去训练一个模型 我选了微软的tts模

目标 跑一个tts的人任务，利用现在的大厂的api服务 主要是集成代码，也很简单 本质上这个和ai无关，就是一个集成的工作 之前的工作同步笔记 今天要说的也就是第三点的内容 操作 所有的操作都类似 找

目标 服务器上利用openai的apikey启一个chatgpt的服务， 等于本地部署，本地可用 （就不用去网页上查询了，可以私有化部署集成） 代码 比较简单 坑 坑1 我一开始问了gpt3.5给一个

ResNet50 ResNet50是深度学习中的一个卷积神经网络模型，全名为"Residual Network 50"，是微软研究团队在2015年提出的，用于解决深层神经网络训练过程中的梯度消失问题。

机器学习、深度学习、强化学习和监督学习关系 机器学习、深度学习、强化学习和监督学习都是人工智能领域中重要的概念，它们在不同的问题和应用中发挥着关键作用。下面我会简要介绍每个概念以及它们之间的关系： 机

回归前面讲的比较多，线性，多项式，一元，二元。回归前面讲的比较多，线性，多项式，一元，二元。回归前面讲的比较多，线性，多项式，一元，二元。回归前面讲的比较多，线性，多项式，一元，二元。

知识点：KNN模型 K近邻分类器（K-Nearest Neighbors Classifier，简称KNN分类器）是一种常用的机器学习分类算法，属于监督学习方法。 它基于一个简单的思想：如果一个样本在

scipy（Scientific Python）是一个开源的Python库，旨在提供各种科学计算工具，包括统计、优化、插值、信号处理、线性代数等等。它建立在NumPy库的基础上，并与NumPy、Mat