沉默的倔驴-优快云博客

原创 PyTorch 学习速记（3）：rearrange 与.reshape 和.view的区别

reshape()省心，view()高效（连续时）；是最优解（可读性 + 功能双优）；深度学习中，einops的rearrange几乎是维度操作的标配，建议优先掌握。

2025-12-01 00:27:09 935

原创 PyTorch 学习速记（2）：torch中.reshape 和.view的区别

张量在内存中是按行优先（C-style）存储的（比如的张量，内存顺序是当通过transposepermuteflip等操作修改张量维度后，内存布局未变，仅索引映射改变，此时张量变为 “非连续”（内存顺序与逻辑维度顺序不一致）。可通过验证张量是否连续：python运行x = torch.randn(2, 3) # 初始张量（连续）x_t = x.transpose(0, 1) # 交换维度（非连续）view是 “轻量级视图修改”，要求连续、共享内存、效率高，但兼容性差；reshape。

2025-11-23 17:14:46 799

原创 Linux学习之 GNU Screen 使用笔记

先screen -S 名字再跑活，Ctrl+a d走人，重登screen -r 名字继续干；screen -ls看清单，可远程杀。

2025-10-15 12:07:42 861

原创 PyTorch 学习速记（1）

常用于 NMS、伪标签、重新打包。：把数据从计算图摘出去，：任何维度不一致直接。

2025-09-13 13:42:37 328

原创 DSCN包安装踩坑（二）：解决 Ubuntu 中 g++ 配置报错：从 “无候选项” 到 “不能是主项” 的完整方案

在编译 CUDA 相关项目（如 PyTorch 扩展）时，常需适配特定 GCC/g++ 版本（例如 CUDA 11.8 仅支持 GCC 5~11）。但配置 g++ 过程中，可能遇到 “没有候选项”“g++ 不能是主项” 等报错。本文详细讲解如何解决这些问题，实现 g++ 版本的正确配置与切换。

2025-09-04 16:27:26 1120

原创 DSCN包安装踩坑（一）：CUDA安装与版本兼容问题全解析：从报错到成功编译CUDA扩展

*解决**：确认CUDA安装后，添加环境变量（以CUDA 11.8为例）： ```bash export CUDA_HOME=/usr/local/cuda-11.8 export PATH=$CUDA_HOME/bin:$PATH export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH source ~/.bashrc # 使配置立即生效 ```但安装和配置过程中，常常会遇到**版本不匹配**、**空间不足**、**环境变量缺失**等问题。

2025-09-04 16:01:28 979

原创 FLOPs 计算工具不支持 adaptive_max_pool2d 解决方案

calflops 等 FLOPs 统计库无法识别的参数，会直接抛。在已知输入尺寸的前提下，可用max_pool2d静态实现，附完整可复用代码。

2025-08-05 17:28:54 331

原创【Ubuntu 22.04 磁盘空间管理实战笔记】——从“没 sudo”到“空间一目了然”的完整踩坑记录

背景：实验室 GPU 服务器突然跑不动，NVIDIA-SMI 报驱动失联；没有 sudo 的我只能“曲线救国”。最终不仅修好了驱动，还把磁盘空间治理得明明白白。把全过程整理成一篇小抄，供后来者 Ctrl-C / Ctrl-V。

2025-07-30 16:23:37 253

原创 Ubuntu命令归纳：tar

压缩和解压缩大文件可能需要较长时间，具体取决于文件大小和系统性能。命令时，确保对目标文件和目录有相应的读写权限。通过这些常用参数和示例，可以灵活地使用。创建并使用 bzip2 压缩的。命令来处理各种归档和压缩需求。创建并使用 gzip 压缩的。创建并使用 xz 压缩的。

2025-05-14 21:57:14 582

原创 Ubuntu 20.04 +Conda detectron2 安装过程（深度学习环境搭建）

detectron2 是 Facebook AI Research (FAIR) 提供的一个用于目标检测和分割的深度学习框架。这个框架基于 PyTorch 构建，提供了丰富的算法实现和高效的训练、推理功能。

2025-05-14 10:50:30 884 2

原创 Python学习之：with语句

执行耗时操作这里，Timer类实现了__enter__和__exit__方法，分别在进入和退出代码块时记录时间。with语句在 Python 中用于简化资源管理，通过上下文管理器确保资源的获取和释放得到正确处理。它不仅适用于文件操作，还可以用于管理其他类型的资源，如网络连接、锁等。通过上下文管理器，可以确保代码更简洁、安全和可读性更高。

2025-05-09 11:50:40 492