Alan的博客

Pycharm选择Anaconda创建的环境作为运行环境

RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cpu

Pandas的Series中argmax()和idxmax()的区别。

Top-1准确率和Top-5准确率

看看是不是你的python文件使用了人家的包名。明明安装了某个包，却报错。

如上代码只是将该文件的上一级目录添加到了检索目录，如果工程的根目录不是该目录，可以通过os.path.dirname(）继续向上级目录进行检索，直到工程的根目录。报错的意思是找不到xxx模块，但是我们的工程中是有xxx.py这个文件的。Pycharm执行时候会将整个工程的目录都检索，所以可以找到。在Pycharm可以正常运行，但是通过命令行运行报错。因此我们需要手动给其加上检索路径。命令行执行不会检索整个工程。...

python为小整数[-5,256]提前创建内存空间。

在GitBash中执行。安装GitBash。

开始菜单打开conda环境时候，默认为base，使用时候经常需要切换到指定环境，比较繁琐，因此将其进行更改为常用环境。将AnacondaPrompt复制一份，并改名。如本文中在后面加了一个-gpu后缀予以区分。的路径改为要更改的环境的位置。（如不清楚该环境位置，可用condaenvlist查看）打开开始菜单，右击AnacondaPrompt-更多-打开文件位置。在目标中将activate.bat。右击复制的快捷方式-点击属性。更改完成后应用-确定。...

查看输入输出的维度，是不是给其多加了一层[]

应该是调用，而不是传入参数。排查类似的错误x = Flatten(x)改为x = Flatten()(x)

作者：木子的毛线链接：https://www.jianshu.com/p/ceb3c020e06b1、nvidia-smi介绍nvidia-sim简称NVSMI，提供监控GPU使用情况和更改GPU状态的功能，是一个跨平台工具，支持所有标准的NVIDIA驱动程序支持的Linux和WindowsServer 2008 R2 开始的64位系统。这个工具是N卡驱动附带的，只要装好驱动，就会有这个命令2、nvidia-smi常用命令介绍1）显示GPU当前的状态：nvidia-smi表格参数详解：GPU

原文地址1、包名：全部小写字母，中间可以由点分隔开，不推荐使用下划线。作为命名空间，包名应该具有唯一性，推荐采用公司或者组织域名的倒置，如com.apple.quicktime.v2。2、模块名：全部小写字母，如果是多个单词构成，可以用下划线隔开，如dummy_threading。3、类名：总是使用首字母大写单词串。如MyClass。内部类可以使用额外的前导下划线。类总是使用驼峰格式命名，即所有单词首字母大写其余字母小写。类名应该简明，精确，并足以从中理解类所完成的工作。常见的一个方法是使用表示其类

没启动在线可视化工具visdom在当前环境中启动：python -m visdom.server

Message: ‘chromedriver’ executable needs to be in PATH.下载谷歌浏览器对应版本的驱动https://chromedriver.storage.googleapis.com/index.html将chromedriver.exe放置到谷歌浏览器所在目录C:\Users\用户\AppData\Local\Google\Chrome\Application配置改目录到环境变量...

SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame链式赋值：导致的连续使用两个[]索引的改为一步，使用loc索引data[‘man’][i] 改为：data.loc[i,‘man’]

tensorflow.python.framework.errors_impl.InvalidArgumentError: Nan in summary histogram for: tcn/residual_block_0/conv1D_0/kernel_0 [Op:WriteHistogramSummary]调小学习率

import pandas as pda=pd.DataFrame([[11,22], [33,44], [55,66], [77,88], [99,100] ],columns=list('AB'))# iloc按照下标进行取值b=a.iloc[[0,3],[0,1]]#枚举c=a.iloc[0:3,0:1]#区间print(b)pri

Tensorflow不能调用GPU以及tensorflow报错： AssertionError: Not enough GPU hardware devices available查看tensorflow和tensorflow-gpu版本是否和cuda要求的对应可以到NVIDIA官网查看，也可以看我总结好的：Anaconda配置一套带有tensorflow-gpu新环境的顺序...

处理大量数据时候：data_pic_list.append(i[0].numpy().tolist())这种方式会让内存爆满data_pic_list.append(i[0].numpy())这种方式不会

pandas会默认把excel里的第一行当成是列名添加参数:header = None,则不会少一行data=pd.read_table(file_loc, sep=’\t’,header = None)

data=pd.read_table(r’文件路径及名称’, sep=’\t’)

添加加粗的部分tensorboard=tf.keras.callbacks.TensorBoard(histogram_freq=1)model.fit(train_dataset, epochs=20**,callbacks=[tensorboard]**)此时在目录中会生成一个logs文件夹在conda运行环境中，将路径定位到logs上一级，执行tensorboard --logdir=logs浏览器打开提示的网址即可...

# tf.set_random_seed(args.seed)#tf<2.0tf.random.set_seed(args.seed)#tf>2.0

pip install torchvision==0.10.0

在安装好CUDA和CuDNN的前提下。安装步骤见Anaconda配置一套带有tensorflow-gpu新环境的顺序去PyTorch官网点击GetStarted 或者 install生成安装命令（注意CUDA版本要和你安装的对应，如果没有对应的，安装相邻的）如：pip3 install torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_sta

AttributeError: ‘numpy.ndarray’ object has no attribute ‘columns’X=pd.DataFrame(X)#把数据转化为DataFrame

百度搜索VsCode 选择如下打开后下载下载后傻瓜式安装汉化步骤：下载中文语言包点击如下，搜索Chinese （Simplified）Language Pack for Visual Studio Code安装完成后重启VsCode在左下角蓝条中可以修改环境位置...

在目标环境中，进入文件目录，输入jupyter notebook如果提示‘jupyter’ 不是内部或外部命令,也不是可运行的程序可能没装jupyter，每个环境都要装输入conda install jupyter关联jupyter notebook和conda的环境conda install nb_conda重新打开jupyter notebookjupyter notebook报错500 : Internal Server Error更换下python 的虚拟环境...

PyCharm安装步骤Anaconda安装步骤Anaconda配置一套带有tensorflow新环境的顺序（CPU版本）Anaconda配置一套带有tensorflow-gpu新环境的顺序

到如下目录中，将cusolver64_11.dll复制一份改名为cusolver64_10.dllC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin

start = time.clock()main()end = time.clock()print('Running time: %s Seconds' % (end - start))报错：AttributeError: module ‘time’ has no attribute ‘clock’Python3.8不支持time.clock()将time.clock() 改为time.perf_counter()

conda create --name Deeplearning_practice_gpu python=3.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/activate Deeplearning_practice_gpu #注意一定要激活该环境，并切换到该环境python -m pip install --upgrade pip -i https://mirrors.tuna.tsinghua.edu.cn/anac

百度Anaconda，点击官网选择个人版点击下载下载完成，双击安装接受协议仅针对个人账户修改路径默认配置，不加环境变量 默认Python3.8点击安装，等待进度条完成默认即可

1.百度PyCharm，找到官网点击2.进入官网点击下载3.选择社区版（专业版收费，社区版免费）4.下载后找到安装包双击打开，更改安装路径5.选择64位 添加到环境变量 关键.py后缀的文件6.开始菜单烂栏目显示什么，默认即可，点击安装。7.等待进度条走完后，出现如下界面。点击稍后重启。...

Python合并两个列表，使两个列表拼接起来#Python合并两个列表# 法一：#Python合并两个列表，相加是拼接list1=[1,2,3]list2=[4,5,6,7]list3=list1+list2print(list3)#输出[1,2,3,4,5,6,7]#注意：Python合并两个numpy数组，相加时候是对应相加import numpy as nparr1=np.array([1,2,3])arr2=np.array([4,5,6])arr3=arr1+arr

数据爬取的代码#encoding='utf-8'from selenium import webdriverimport timeimport reimport pandas as pdimport osdef close_windows(): #如果有登录弹窗，就关闭 try: time.sleep(0.5) if dr.find_element_by_class_name("jconfirm").find_element_by_class_

selenium.common.exceptions.StaleElementReferenceException: Message: stale element reference: element is not attached to the page documentfor I in 抓取一组对象：i.click()报错：selenium.common.exceptions.StaleElementReferenceException: Message: stale element ref

# p1 = multiprocessing.Process(target=oleaginousness_tocsv)# p2 = multiprocessing.Process(target=oleaginousness_tocsv)# p1.start()# p2.start()#逐个启动太麻烦，通过循环来启动# range(5) 0,1,2,3,4 5个# for i in range(2):# p=multiprocessing.Process(target=oleag

去掉 target=func() 语句中func()后面的()，直接用 target=func:p1=multiprocessing.Process(target=oleaginousness_tocsv**()**)改为p1=multiprocessing.Process(target=oleaginousness_tocsv)