如何解决conda无尽的solving environment
https://github.com/conda/conda/issues/11919
在base下执行：
conda update conda
conda update conda-build
之后安装libmamba并设置解析器：
conda install -n base conda-libmamba-solver
conda config --set solver libmamba
Linux下优雅的后台运行程序
很简单的指令：
nohup xxx >(>>) xxx.out 2>&1 &
# 0是标准输入、1是标准输出、2是标准错误输出。正常来说应该是2>1但是这样实际上会把标准错误输出到1文件中，为了解决这个问题需要加上&，&表示后面的内容是一个文件描述符，所以2>&1就可以理解成是一个merge操作。
但是由于python有输出缓冲，所以不能实时的看到文件内容数据的变更，而是需要添加：
nohup python -u xxx > xxx.out 2>&1 &
关于镜像站
https://mirrors.tuna.tsinghua.edu.cn/
虽然速度不是最快的，但是帮助非常清晰，建议背下来域名
https://developer.aliyun.com/mirror/anaconda?spm=a2c6h.13651102.0.0.5bfd1b117dp2dV
如果需要使用nvidia镜像的话还需要使用aliyun的镜像站。
关于训练过程中的收敛问题
由于现代神经网络越发混沌，选择合适的优化器或是模型结构都有多种选择，但是在测试模型性能的时候，不能只通过loss的变化判断收敛性，还需要同时的注意模型的的准确率等参数！