墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
2.1k累计阅读
2.2k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
OSError: [WinError 1455] 页面文件太小，无法完成操作。 Error loading "D:\software\Anaconda\lib\site-packages\torch\lib\shm.dll" or one of its dependencies.
进入查看高级系统设置页面，按如下操作
注意：出错时显示哪个盘内存不足，就修改哪个盘。本人显示为D盘。故修改的D盘
自由选择删除对应磁盘的内容
飞牛Docker部署Zerotier后无法访问？三步搞定SSH权限配置！
本文详细解析了在飞牛NAS上通过Docker部署Zerotier后无法访问的常见问题及解决方案。重点介绍了SSH权限配置、tun模块加载和Docker容器权限设置等关键步骤，帮助用户快速解决虚拟网络接口的权限问题，确保Zerotier节点间的正常通信。
pytorch使用tips
一、数据加载 1.给collate_fn函数传参 (1)使用lambda函数 info = args.info # info是已经定义过的 loader = Dataloader(collate_fn=lambda x: collate_fn(x, info)) 这里巧用lambda函数, 相当于使用collate_fn函数再定义了一个匿名函数. ...
IBTrACS v04r01 数据提取实战：Pandas 筛选 JTWC/CMA/JMA 3机构最佳路径数据
本文详细介绍了如何使用 Pandas 高效提取和处理 IBTrACS v04r01 数据集中的最佳路径数据，特别针对 JTWC、CMA 和 JMA 三家权威机构的数据进行对比分析。通过构建可复用的数据提取函数，解决多机构数据质量差异问题，并提供高级分析与可视化应用示例，助力热带气旋研究。
PyTorch Tips(二)
归并操作 此类操作会使输出形状小于输入形状，并可以沿着某一维度进行指定操作。如加法sum，既可以计算整个tensor的和，也可以计算tensor中每一行或每一列的和。常用的归并操作如下表所示： | 函数 | 功能 | | norm/dist | 范数/距离 | | mean/sum/median/mode | 均值/和/中位数/众数| | std/var | 标准差/方差| | cumsum/cumprod | 累加/累乘 | 以上大多数函数都有一个参数dim,用来指定这些操作是在哪个维度上执行的。关于
6层高速PCB设计实战：BGA布局与阻抗匹配关键解析
本文深入解析6层高速PCB设计中BGA布局与阻抗匹配的关键技术。通过实战经验分享，详细介绍了六层PCB层叠结构的选择与优化、BGA器件布局技巧、阻抗匹配的实战经验以及高速布线技巧，帮助工程师提升PCB设计水平，确保信号完整性和电源完整性。
CODESYS做Modbus TCP主站踩坑记：从IP配置到数据映射的完整避坑指南
本文详细记录了在CODESYS中配置Modbus TCP主站的全过程，从IP配置到数据映射的常见问题及解决方案。重点解析了网络适配器选择、Slave ID误解、地址偏移陷阱等关键问题，并提供了实用的调试技巧和性能优化建议，帮助工业通信开发者高效避坑。
pytorch小tips
查看pytorch的环境 python -m torch.utils.collect_env
34、婴儿监视器应用开发指南
本文详细介绍了基于 ESP32 和 Edge Impulse 开发婴儿监视器应用的全过程，涵盖音频处理、机器学习推理、ESP RainMaker 平台集成以及内存监控等功能。通过实现 AppAudio、AppRmaker 和 AppMem 三个核心类，完成了婴儿哭声的实时检测与远程通知，并通过合理的内存管理优化，有效节省了 ESP32 的内部 RAM 资源。文章还提供了完整的代码示例和配置说明，适用于物联网和嵌入式 AI 应用开发爱好者参考学习。
pytorch安装tips
创建虚拟环境 conda create -n pix2sgg python=3.8激活虚拟环境 conda activate pix2sggCUDA 驱动版本。
【逐函数讲解ORB_SLAM3源码】获取普通帧率、关键帧、IMU数据
获得imu的旋转 mRwc * mImuCalib.mTcb.rotationMatrix(); Sophus::SE3 mTwc 创建ORB_SLAM3系统 Create SLAM system. It initializes all system threads and gets ready to process frames. ORB_SLAM3::System SLAM(argv[1],argv[2],ORB_SLAM3::System::IMU_RGBD, true, 0, file_nam
R语言LASSO回归作图为什么X轴使用-log(λ)而不是log(λ)，如何转化为log(λ)？
🏆本文收录于 《全栈Bug调优(实战版)》 专栏，该专栏专注于分享我在真实项目开发中遇到的各类疑难Bug及其深层成因，并系统提供高效、可复现的解决思路和实操方案。无论你是刚入行的新手开发者，还是拥有多年项目经验的资深工程师，本专栏都将为你提供一条系统化、高质量的问题排查与优化路径，助力你加速成长，攻克技术壁垒，迈向技术价值最大化与职业发展的更高峰🚀！
Pytorch Personal Tips
GPU # Device configuration device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') targets = ids[:, (i+1):(i+1)+seq_length].to(device) argparse if __name__ == "__main__": parser = argparse.ArgumentParser() parser.add_argument('--cont.
Linkage Mapper 输出文件夹结构解析——LCPs（栅格廊道）、LinkagePaths（矢量廊道）、Nodes（节点）
Linkage Mapper输出文件解析摘要 Linkage Mapper是生态连通性分析的重要工具，通过最小累积阻力模型(MCR)识别物种迁移廊道。其输出包含三类核心文件： LCPs(栅格廊道)：存储累积阻力值的栅格数据，直观展示低阻力路径，适用于空间分析和廊道质量评估。 LinkagePaths(矢量廊道)：以矢量线状要素精确记录廊道位置和走向，便于地图可视化及连通性分析。 Nodes(节点)：标记廊道关键点(起点/终点/交汇点)，为保护策略制定提供依据。 典型应用场景包括： 山地物种(如大熊猫)栖息地
【PyTorch】小经验 Tips
Backto PyTorch Index Flags torch.backends.cudnn.benchmark = true : 让内置的 cuDNN 的 auto-tuner 自动寻找最适合当前配置的高效算法，来达到优化运行效率的问题。应该遵循以下准则： 如果网络的输入数据维度或类型上变化不大，设置 torch.backends.cudnn.benchmark = true 可以...
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
TMS_WebGMaps_1.9.8.0_Full_Source
TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder
PyTorch Lightning使用过程中的tips
从一开始学习这个框架之后，我慢慢的了解了很多这个框架的强大之处，不得不感叹一下它相对于PyTorch真香。在我们研究深度学习项目的过程中，确实要涉及到很多基本的tips，这些方法在传统的PyTorch中都是需要自己去实现的，而在pl中这些东西都得到优化，目前还在发掘中。具体方法查看。如果没接触过这个框架的可以看我上一篇文章。文章。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
pytorch学习的一些tips（1）
inplace，scatter，TSNE
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
python/pytorch tips
多GPU使用，直接改环境变量设置： os.environ['CUDA_VISIBLE_DEVICES'] = '0,1,2,3' 想知道num_workers怎么设： from multiprocessing import cpu_count threads = cpu_count() 关于conv2d参数的设置： 当输入 H1*W1，步长stride S，零填充pad...
学习Tensorflow Pytorch中的一些小Tips
Tensorflow中各种小trick和知识点。从版本对应，到模型生成等都有：（个人记录，快查表） 版本问题 tensorflow 1.13以上 要用CUDA10 对应CuDNN 7.4 1.5-1.12 CUDA9 凸(艹皿艹 )了。 查看cuda 版本 cat /usr/local/cuda/version.txt cudnn 版本 cat /usr/local/...
pytorch学习的一些tips（10）
add_module，for _ in range(10) ，格式化字符串（%d %f %s ），print(model)，复现代码结果
几点提升pytorch性能的tips
偶然看到的，感觉有几点还是比较中肯的 用distributionDataparallel代替Dataparallel; 直接在GPU上create tensor,而不是用.cuda()； 在使用Dataloader的时候设置num_workers和pin_memory,多线程加速和避免额外GPU缓存 使用16bit精度(pytorch1.6之前需要有Nvidia apex支持) 原文: 7-tips-for-squeezing-maximum-performance-from-pytorch ...
pytorch_tips_day1
操作是否创建新张量是否仍与原张量共享数据是否影响反向传播常用场景x.detach()✅ 是✅ 是✅ 断开计算图暂时不追踪梯度（如 inference）❌ 否❌ 否（直接修改属性）✅ 阻断梯度传播永久关闭梯度追踪（如冻结参数）场景推荐操作冻结部分模型参数推理阶段或提取中间特征x.detach()在 loss 计算中屏蔽某些梯度路径x.detach()临时防止梯度传播但不改变原参数x.detach()📅 文件更新日期：2025-07-11。
pytorch学习的一些tips（3）
nn.ParameterList，torch.empty，torch.nn.init.normal_（），enumerate，torch.zeros_like，torch.where，torch.unsqueeze，torch.cat，squeeze
pytorch 程序错误集锦及常用tips
pytorch bug
pytorch学习的一些tips（11）
map, filter() ,torch.randperm(n)：
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
788
扫一扫
