AI浩

【代码】ImportError: libGL.so.1: cannot open shared object file: No such file or directory。

错误和文件找不到的问题。关键是确保安装所有构建依赖并预先构建扩展模块。如果不行可以从下面的方式中找解决方法。这些步骤应该能解决您遇到的。

安装缺失的图形库 (推荐)

安装attrs，执行命令。

安装缺少的第三方库，执行命令.

系统未安装该库或版本不匹配会导致导入失败。错误，需确保系统已安装 BLAS 库。PyTorch 依赖 BLAS 库进行矩阵运算，而。

在使用LLaMA-Factory做增量PT预训练的时候，出现了上面的错误，原因是截断太大了，需要设置的小一些，如下图：

新建脚本的时候，建了一个copy.py的脚本，影响到原来程序的执行。

这个错误信息表明在PyTorch中，用于梯度计算的一个变量被原地（in-place）操作修改了，这导致了梯度无法正确计算。在PyTorch中，原地操作指的是直接修改数据而不创建新副本的操作，例如使用。检查所有可能修改该张量的代码部分，特别是那些使用了原地操作的代码。），并且这个张量的版本已经更新到了3，而梯度计算期望的版本是0。在启用这个设置后，重新运行你的代码，PyTorch会抛出一个更详细的错误，指出哪个操作或哪一行代码导致了问题。是一个在CUDA上存储的张量，它是某个操作的输出（在这个例子中是。

【代码】send-pack: unexpected disconnect while reading sideband packet。

从 pytorch 1.9 开始，torch.distributed.launch 已被弃用，取而代之的是 torch.distributed.run。因此，在新版本中，继续使用旧的 launch 命令会引发错误。torch.distributed.launch 替换为新的 torch.distributed.run。

这个错误表明，你尝试使用的网络端口已经被其他进程占用。在服务器环境中，特别是当多个用户或任务同时运行时，可能已经被其他DDP训练任务占用。在修改端口号之前，最好先检查你选择的端口是否已经被占用。通常，1024以下的端口号被系统保留或需要特权才能使用。因此，选择更高的端口号（如15000以上）通常更安全且不易冲突。为了避免端口冲突，你可以指定一个不同的端口号来启动你的DDP训练任务。为了使你的脚本更加灵活和可移植，建议不要在脚本中硬编码端口号。如果端口已经被占用，你需要选择一个不同的端口号。

项目中用到了MMCV，Pytorch的版本是1.13.1，所以不能安装太高的版本。记录一下遇到的奇葩问题，大家有遇到的，可以按照我的方法试试，更换一下安装包的版本。如果解决不了，那我也没有办法！发现不能解决问题，反而一直在重启进程，被Killed后，显存还是被占用。后来，我觉得可能是MMCV版本的问题，我改成了新版本。这明明在本地都没有问题，为啥到服务器就有问题了呢？结果出现了版本不兼容的问题。安装完成后就可以正常运行。

在使用mmcv-full的时候出现了下面的警告，但是安装2.0以上版本又会出现不兼容的问题。

记录一下，CUDA11.8是否可以安装pytorch1.13.0。本机环境是CUDA11.8，这个一个长期稳定环境。但是，有些库需要用低版本的pytorch，最高支持1.13.0。我直接安装pytorch1.13.0，可以安装，运行命令也没有问题！

由于国内不能链接huggingface，可以更换成其他的代理链接，在import的位置加入。

降低Pillow的版本，新版本中没有了getsize。

加载预训练权重，或者别人训练的权重的时候，更改了类别的个数，导致尺寸不匹配。这种情况非常常见，那么如何解决呢？

训练yolov9的时候遇到了下面的问题。

接触到一个数据集，有个别图片在读取转化的时候出现了异常，由于图片之间有关联，导致后续图片无法时候。

终于安装成功了。

Windows环境下使用命令行进行redis缓存清理。

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

本专栏是讲解如何改进Yolov8的专栏。改进方法采用了最新的论文提到的方法。改进的方法包括：增加注意力机制、更换卷积、更换block、更换backbone、更换head、更换优化器等；每篇文章提供了一种到N种改进方法。评测用的数据集是我自己标注的数据集，里面包含32种飞机。每种改进方法我都做了测评，并与官方的模型做对比。代码和PDF版本的文章，我在验证无误后会上传到百度网盘中，方便大家下载使用。这个专栏，求质不求量，争取尽心尽力打造精品专栏！！！！！

在使用DeepSort做跟踪的时候，遇到了下面这个问题由于代码来源开源代码，没有太多的注释，所以只能一步步的分析。通过分析发现cost_matrix里包含nan。

通过SADP软件搜索局域网内所在网段的在线设备。同时支持查看设备信息、激活设备、修改设备的网络参数、重置设备密码等功能。在房间里部署了很多海康摄像头，但是却不知道IP地址，如何才能获取到这些摄像头的IP地址呢？

这篇文章，是对专栏的总目录，方便大家查看文章。这个专栏我计划整理一些经典常用的主干网络模型，对其进行讲解和实战。由浅入深，逐步增加深度，让大家更容易接受。PDF版的文章和实战代码以及数据集，我会放到网盘上，大家在文章的末尾可以看到。

AttributeError: module ‘numpy’ has no attribute ‘int’. was a deprecated alias for the builtin . To avoid this error in existing code, use by itself. Doing this will not modify any behavior and is safe.问题原因新版本的numpy里面没有np.int了。第一种，降低numpy版本，安装1.20以下的版本。

这篇文章，是对专栏的总目录，方便大家查看文章。这个专栏我计划整理一些经典常用的主干网络模型，对其进行讲解和实战。由浅入深，逐步增加深度，让大家更容易接受。PDF版的文章和实战代码以及数据集，我会放到网盘上，大家在文章的末尾可以看到。timm版本更新后，脚本的位置发生了变化。

LOCAL_RANK：进程内，GPU 编号，非显式参数，由 torch.distributed.launch 内部指定。Rank：进程号rank理解：在多进程上下文中，我们通常假定rank 0是第一个进程或者主进程，其它进程分别具有0，1，2不同rank号，这样总共具有4个进程。使用os.environ.keys() 命令查看主目录下所有的 key，经过排查，是因为os.environ当中没有RANK这个key。os.environ.setdefault(‘环境变量名称’, ‘环境变量值’)

没有安装cudnn，或者没有配置cudnn。

FFmpeg是一套强大的视频、音频处理程序，也是很多视频处理软件的基础。但是FFmpeg的命令行使用起来有一定的学习成本。而ffmpeg-python就是解决FFmpeg学习成本的问题，让开发者使用python就可以调用FFmpeg的功能，既减少了学习成本，也增加了代码的可读性。使用该库，需要自行安装FFmpeg，如果电脑已经安装了，可以忽略本步骤。这里推荐直接使用conda进行安装，可以省下很多麻烦，其他的安装方式自行百度。这样就会出现上面的错误。这才是正确的安装方法。