我想连接到远程服务器，我知道用户名和主机名，并且我也有该private_key.pem文件。如何使用 VSCode 连接到该虚拟机？
我在互联网上的解决方案中遇到了这个错误，这是合理的，因为我没有private_key.pem在任何地方导入这个文件，而且我不知道如何导入。
Permission denied (publickey)
感谢您的帮助。
我使用的是windows，但远程机器是ubuntu。
如果我们有一串字母字符和一些破折号，我们想计算这个字符串中任意两个字母字符之间破折号的数量。最简单的方法是什么？
例子：
输入： a--bc---d-k
输出： 2031
这意味着a和b之间有2个破折号，b和c之间有0个破折号，c和d之间有3个破折号，d和k之间有1个破折号
在 python 中找到这个输出列表的好方法是什么？
我想使用 训练循环神经网络Tensorflow。我的模型为每个训练样本输出一个 1 x 100 向量。假设这y = [y_1, y_2, ..., y_100]是我的训练样本输出x，预期输出为y'= [y'_1, y'_2, ..., y'_100]。
我希望编写一个自定义损失函数来计算该特定样本的损失，如下所示：
Loss = 1/sum(weights) * sqrt(w_1*(y_1-y'_1)^2 + ... + w_100*(y_100-y'_100)^2)
这weights = [w_1,...,w_100]是给定的权重数组。
有人可以帮助我实现这样的自定义损失函数吗？（我在训练时也使用小批量）
我想在这里复制代码，在 Google Colab 中运行时出现以下错误？
ImportError：无法从“torch.autograd.gradcheck”导入名称“zero_gradients”（/usr/local/lib/python3.7/dist-packages/torch/autograd/gradcheck.py）
有人可以帮我解决这个问题吗？
我想在我的 GPU 设备上运行一些实验，但出现此错误：
运行时错误：CUDA 内存不足。尝试分配 3.63 GiB（GPU 0；15.90 GiB 总容量；13.65 GiB 已分配；1.57 GiB 空闲；PyTorch 总共保留 13.68 GiB）
我在这里阅读了可能的解决方案，常见的解决方案是：
这是因为小批量数据不适合 GPU 内存。只需减少批量大小。当我为 cifar10 数据集设置批量大小 = 256 时，我遇到了同样的错误；然后我设置batch size=128，就解决了。
但就我而言，这是一个研究项目，我想拥有特定的超参数，我无法减少任何东西，例如批量大小。
有没有人对此有解决方案？