Garfield2005的专栏

学习率配置的底层逻辑解析 本文深入分析了深度学习框架中学习率配置的底层机制，特别聚焦于OneCycleLR调度器与优化器参数的交互关系。研究发现，学习率配置存在三个关键层级： 优化器初始学习率（如optimizer.lr=0.002）仅用于初始化参数组的默认值 参数组指定学习率（如param_dicts.lr=0.0002）会覆盖默认值 OneCycleLR的max_lr最终决定实际使用值，它会按参数组顺序覆盖所有组的学习率 实验表明，改变优化器中的lr初始值不会影响训练，因为OneCycleLR会完全接管

使用 torch.where 替换布尔索引是调整代码以避免 ONNX 导出异常的最推荐方法。

收集一些常用的地址，主要是文件下载地址。

使用pytorch训练模型时，代码中有一行笔者的环境是：cuda版本：/usr/local/cuda下的cuda版本为11.6GPU：4090nvidia驱动版本：535.161。

注意：当完全按照以下步骤进行编译时，如果出现错误，注意检查CUDA版本、对应的库是否存在。和Drive PX2的编译没有什么区别。

【代码】PX2平台Pytorch源码编译。