第30-32集：GPU番外 ×2 + 感知机硬件 → 神经网络开篇

30 · 07:54

Windows 装 CUDA

31 · 08:16

AWS 廉价 GPU

32 · 13:53

感知机 🎬

32 / 191

进度 16.8%

🎮 第30集：Windows 装 CUDANVIDIA 环境三件套

1️⃣ 显卡确认

nvidia-smi 查看显卡与驱动，无 N 卡则 CPU 跑课即可

2️⃣ 装 CUDA

官网下 CUDA Toolkit，版本与 PyTorch 官网命令对应

3️⃣ 验证

torch.cuda.is_available() 返回 True 即成功 ✅

💰 机型

g 系列竞价实例（spot），按需租用、用完释放，省钱核心

🔑 SSH 连接

密钥对登录 Linux 实例，装好 conda + PyTorch 环境

⚠️ 建议

个人学完即释放，避免账单刺客；国内可用 AutoDL 等替代

输出 = Σ wᵢxᵢ + b ≥ 0 ? 类别1 : 类别0　（二分类线性模型）

样本	x₁	x₂	x₁⊕x₂（XOR）	单层能否分？
A	0	0	0	❌ 一条直线永远切不开对角两类 → 催生多层网络 ⭐
B	0	1	1
C	1	0	1
D	1	1	0

📜 历史剧情

1958 感知机 → 1969《Perceptrons》指出 XOR 死穴 → AI 寒冬 → 多层+非线性复活

🔓 破局思路

XOR = AND 与 OR 的组合，多层隐藏层即可解决

⚡ 激活函数

sigmoid / tanh / ReLU 给网络注入非线性，ReLU 最常用