VS Code Server 离线安装（解决超时，XHR Failed等问题）
在设置远程开发环境时,我们首先需要获取并安装 VS Code Server 程序。由于不同的服务器版本和环境,不一定会事先预装 VS Code Server,那么我们需要手动进行下载安装。有时候安裝等半天，有时候还报错，为了防止这样的情况，我还是记录一下解决方法，免得每次都需要找好多资料，但是找不到一个很有效的。
如果服务器是连接外网的，就根本不用有这个烦恼，因为下载很快，有时候主要是因为离线安装
这里我就介绍一种方法，我觉得最有效的方法，其他可能太麻烦而且不一定有效
具体操作如下:
首先,我们需要到 VS Code 的下载页面获取最新的版本号,记为 Commit ID。
除此之外，也可以直接在vscode左上角的帮助查看版本，如：
访问此地址 https://update.code.visualstudio.com/commit:${commit_id}/server-linux-x64/stable，其中需要用实际的 Commit ID 替换 ${commit_id} 变量字段。
比如我这里就是 https://vscode.download.prss.microsoft. ...
CUDA编程实践：LLTM加速优化实践
接下来再进行一个实践，根据pytorch官网的一个[应用扩展文档](https://pytorch.org/tutorials/advanced/cpp_extension.html#)来一起来实现这个LLTM的神经网络的实现，这是官方对应的代码 https://github.com/pytorch/extension-cpp。 首先介绍一下，假设有一种新的循环单元，这个循环单元类似于 LSTM，但不同之处在于它没有遗忘门，并使用指数线性单元 ([ELU](https://so.csdn.net/so/search?q=ELU&spm=1001.2101.3001.7020)) 作为其内部激活函数。因为这个单元能够记忆很久，我们称之为 LLTM，或 Long-Long-Term-Memory 单元。
CUDA编程学习：自定义Pytorch+cpp/cuda extension
虽然说PyTorch提供了丰富的与神经网络、张量代数、数据处理等相关的操作，但是有时候你可能需要**更定制化的操作**，比如使用论文中的新型激活函数，或者实现作为研究一部分开发的操作。在PyTorch中，最简单的集成自定义操作的方式是在Python中编写，通过扩展Function和Module来实现，
