土豆不吃鱼

之前介绍了计算机如何产生随机数，同时也整理了常用的概率分布。现在我们来考虑这样的问题，如何得到服从正态分布的样本？，在计算机如何产生随机数中我们用线性同余发生器生成了随机数，这些随机数实际上就是服从$U(0,1)$的均匀分布，意味在$(0,1)$范围内，每个样本被抽取概率是一样的。

本篇文章整理常用的一些概率分布,这些经典的概率分布是实际生活中非常有用。之后的文章都会用到这些基础的概率分布。

计算机很容易产生随机数，很多编程语言提供了非常便捷的接口，获取各种条件的随机数。这篇文章主要介绍计算机是如何得到这些随机数的。理解本文需要一点点数列知识。

在服务器有网络的情况下，直接配置公开的源，速度已经非常快，也很方便。然而有些情况下服务器不方便安装网络，使用python安装包就变得非常麻烦，下载文件然后上传很折腾，如果团队这么做效率很低，这时就需要搭建私有的pip源。

一、概述

Triton 推理服务器可助力团队在任意基于 GPU 或 CPU 的基础设施上部署、运行和扩展任意框架中经过训练的 AI 模型，进而精简 AI 推理。同时，AI 研究人员和数据科学家可在不影响生产部署的情况下，针对其项目自由选择合适的框架。它还帮助开发者跨云、本地、边缘和嵌入式设备提供高性能推理。

最近读到丰子恺老先生的书《万般滋味皆是生活》，其中有一篇文章写秋。

我的年岁上冠用了“三十”二字，至今已两年了。不解达观的我，从这两个字上受到了不少的暗示与影响。虽然明明觉得自己的体格与精力比二十九岁时全然没有什么差异，“三十”这一个观念笼在头上，犹之张了一顶阳伞，使我的全身蒙了一个暗淡色的阴影，又仿佛在日历上撕过了立秋的一页以后，虽然太阳的炎威依然没有减却，寒暑表上的热度依然没有降低，然而只当得余威与残暑，或霜降木落的先驱，大地的节候已从今移交于秋了。

突然想到这个话题是源于最近工作中做了一个去除噪音的模型。简单说就是去除数据中的噪音，减少干扰统计指标。