代码结束运行后需手动关闭服务器，回到上一级页面点击停止并释放。记得保存环境，下次就可以从我的环境中进入，不用下载文件里依赖的包了
以上为个人使用方法，只用于R语言且一次性跑完代码。
如果有其它更便捷的方法，如利用代码自动关闭CPU等，请评论区指导，谢谢🙏
本人最近在学习yolov3相关的知识，但无奈自己的电脑算力有限，就在矩池云租了个服务器，我个人有比较喜欢服务器的可视化所以租的配置和和镜像选择是
关于如何让服务器可视化可参考矩池云上给的教程
点开这个链接
1.然后接下来就是进入之后环境的配置了
进入之后我们的第一步是创建一个终端新用户，因为服务器第一次进入的时候只有root一个权限用户，如果在该权限用户下载的文件权限都很高，如果要修改这些文件就不能直接打开修改，我个人觉得有点麻烦，所以我重新新建了一个zht的终端用户（这个用过ubuntu系统的朋友应该能
谷歌的colab以及pro
鼎鼎大名的colab，谷歌提供的免费GPU资源应该没人不知道吧（超小声）。最大的优点是免费不花钱，用起来美滋滋。最大的缺点就是不稳定，连接容易断以及谷歌被墙这个事实导致的你上传数据集的时候会很慢，如果你的数据集很大的话可能会经历上产N次还不成功（是心碎的声音）。上传数据慢的问题成为了一开始我放弃使用colab最大的原因。后来
2. 数据管理
矩池云为每位用户提供 5G 的存储空间，您可将自己的数据等资料上传到个人中心 – 我的网盘(右上角用户名 —— 个人中心 —— 我的网盘)，以便在租用的主机中使用。网盘中数据不会随着机器租用或释放而清空，同时矩池云保证数据的私密性和安全性，可放心使用。
点击上传，您可上传一个或多个文件，上传后文件会展示在当前的目录下。文件夹请压缩后上传。
一、矩池云
矩池云为每位用户提供 5G 的存储空间，您可将自己的数据等资料上传到个人中心 – 我的网盘(右上角用户名 —— 个人中心 —— 我的网盘)，以便在租用的主机中使用。网盘中数据不会随着机器租用或释放而清空，同时矩池云保证数据的私密性和安全性，可放心使用。
在主机市场选择自己需要的服务器即可
用Linux系统跑DeepFaceLab的文章我之前已经写过好几篇，有专门针对阿里云的，也有专门针对滴滴云的。今天来搞一搞矩池云（Linux系统安装DFL最新版）。
这次的搞法会和以前不一样，这次将用可视化算的方法使用Linux，在便捷性上会有大幅的提升。基本能实现和window远程桌面一样的效果。对于使用远程Linux系统的人来说，是一种非常方便的一种方式。
矩池云主要是按时间出租2080ti等游戏显卡，价格上来说还是比较有优势，同时深度学习的镜像种类非常多，可以直接使用预装各种Python，tens
注意当租用的主机不同时，可能不会提醒快捷命令，比如一台一小时两块的就不行。3.租用主机，这时候租用了最便宜的主机，搭载TensorFlow2.6。| - 定时释放机器，输入：tsd || - 访问网盘目录：输入：cd /mnt || - 后台运行Python代码（关电脑、断线都不会中断），输入：m || - 如有疑问或者其它需求，扫码联系小助手进行咨询，输入：sos |
矩池云直接提供了jupyter来执行python代码，不需要初学者再去自己去学习ssh命令远程链接这个云服务器，在使用时我们如果直接通过 datasets.cifar10.load_data() 下载数据集是比较耽误时间的，本文适用于初学者【从未接触过云服务器，linux服务的】来阅读使用。
目的是让，If将逐渐包含可见光图像Iv中越来越多的细节信息，如果在训练阶段期间，一旦生成器GθG生成样本（即，如果）不能被鉴别器DθD区分，则期望的融合图像If，说明包含了足够多的细节信息。其中a和B分别表示融合图像If和可见光图像Iv的标签，DθD（Iv）和DθD（If）分别表示可见光图像和融合图像的分类结果。Lcontent的第一项旨在保持融合图像If中的红外图像Ir的热辐射信息，Lcontent的第二项旨在保持可见图像Iv中包含的梯度信息，并且ξ是控制两项之间的折衷的正参数。
TensorFlow 提供了6种策略实现分布式计算，各个策略详情请参考官方文档。本文档使用 MirroredStrategy 实现单机多卡分布式，MultiWorkerMirroredStrategy 实现多机多卡分布式计算。
