<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_46339652的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_46339652</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_46339652]]></copyright><item><title><![CDATA[VSCode连接远程服务器使用jupyter报错问题解决]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/139288527</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/139288527</guid><author>m0_46339652</author><pubDate>Wed, 29 May 2024 10:40:32 +0800</pubDate><description><![CDATA[经常会遇到一种问题就是, VSCode连接远程服务器, 上次jupyter notebook 还用的好好的, 下次打开就显示找不到内核了.  今天提供了全套解决方案, 帮大家迅速解决环境问题.等插件, 这时如果直接点击"在远程服务器中安装"有可能一直卡住, 无法正常安装.插件, 上传到服务器离线安装. 如果这个版本不对,查看是否相关环境已经安装,没有的话。还有一种可能是远程服务器中没有。]]></description><category></category></item><item><title><![CDATA[使用云服务器和Frp(快速反向代理)框架快速部署实现内网穿透]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/131992339</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/131992339</guid><author>m0_46339652</author><pubDate>Sat, 29 Jul 2023 11:11:18 +0800</pubDate><description><![CDATA[Frp（Fast Reverse Proxy）是一个快速的反向代理工具，它是一款基于Golang语言开发的开源项目，用于将局域网中的内部服务暴露给公网，实现内网穿透的功能。主要特点和用途：1.内网穿透：Frp允许你在内网主机上运行frpc客户端，通过连接到公网上运行的frps服务器，将内网主机的服务暴露到公网上，实现内网穿透，让外部用户可以访问内网的服务。2.简单易用：配置简单，可以通过编辑ini配置文件来指定要暴露的内网服务和端口号等信息。]]></description><category></category></item><item><title><![CDATA[Ubuntu20.04使用多卡训练HyperNetwork模型和LoRA模型全流程及疑难问题解决方案]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/130247397</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/130247397</guid><author>m0_46339652</author><pubDate>Wed, 19 Apr 2023 16:55:33 +0800</pubDate><description><![CDATA[下载训练代码：
https://github.com/derrian-distro/LoRA_Easy_Training_Scripts.git
1.2 设置路径
一般来说需要设置三个路径，大模型路径，图片输入路径，图片输出路径:

接下来生成训练配置文件：
根据工作机的实际情况和训练策略，选择对应的配置
配置结束后会自动生成一个训练配置文件。
同样的模型和配置，双卡训练用时为3：46, 而单卡则需要7：57, 可见双卡加速策略有效。
双卡时间：

单卡时间:
在执行多卡训练命令后，发生如下报错：

原因是]]></description><category></category></item><item><title><![CDATA[Ubuntu20.04+Windows10双系统迁移新硬盘并解决引导损坏全流程总结]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/130246168</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/130246168</guid><author>m0_46339652</author><pubDate>Wed, 19 Apr 2023 15:57:51 +0800</pubDate><description><![CDATA[因工作需要，欲将Ubuntu系统迁移到一块全新SSD中，此文章提供了系统迁移后所产生一系列问题的解决方案。原有软硬件环境：现有全新SSD 致态7100Plus 2TB一块，任务为将PM981替换掉，并将Ubuntu系统和原有环境原封不动迁移到2TB的新硬盘中。]]></description><category></category></item><item><title><![CDATA[Stable Diffusion+ControlNet+Lora 指导AI+艺术设计的WebUI全流程使用教程]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/130002643</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/130002643</guid><author>m0_46339652</author><pubDate>Fri, 07 Apr 2023 01:25:20 +0800</pubDate><description><![CDATA[设计师们往往对于新出的绘画工具上手比较艰难，本文针对目前比较火热的Stable Diffusion+ControlNet指导AI艺术设计的工具使用进行全面讲解。很多人会有预感，未来要么设计师被图形学程序员取代，要么会使用AI工具的设计师取代传统设计师，2023年开始，AI辅助设计甚至主导设计已经成了司空见惯的现象。软硬件环境：OS: Ubuntu 20.04(Stable Diffusion开发需要Linux 环境，纯使用Web工具也可在WIndows下运行)11.7。]]></description><category></category></item><item><title><![CDATA[PaddleDetection针对C#的win10平台模型部署全套流程教程(附疑难解决方案)]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129968679</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129968679</guid><author>m0_46339652</author><pubDate>Wed, 05 Apr 2023 15:40:05 +0800</pubDate><description><![CDATA[由于官方并没有给出Paddledetection关于C#部署的tutorial，很多第三方的教程又不够具体和详细，又或者是仅仅针对paddle 1.x的教程，缺乏时效性，本文的目的在于梳理PaddleDetection2.x关于C#的详细部署流程，以官方提供的预训练模型为例，从零开始在一台工作机上进行全流程的部署。]]></description><category></category></item><item><title><![CDATA[Python科学计算包MNE——头模型和前向计算]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129730209</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129730209</guid><author>m0_46339652</author><pubDate>Thu, 23 Mar 2023 16:53:06 +0800</pubDate><description><![CDATA[mne是一款用于处理神经信号的Python 科学计算包，其中所有的示例数据集都是来自同一个机构中来自 60 通道电极帽的 EEG 数据与 MEG 同时获取的，因此实际脑电帽采集的数据由于电极方案和通道数与示例数据集不同，需要在示例代码的基础上做适配。其中示例数据集的采集实验为以下设置：在这个实验中，棋盘图案呈现给受试者的左右视野，左耳或右耳穿插着音调。刺激之间的间隔为 750 毫秒。视野中央时不时出现一张笑脸。受试者被要求在面部出现后尽快用右手食指按下一个键。]]></description><category></category></item><item><title><![CDATA[Python科学计算包MNE——脑电信号处理之源定位问题]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129674413</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129674413</guid><author>m0_46339652</author><pubDate>Tue, 21 Mar 2023 14:03:41 +0800</pubDate><description><![CDATA[如果购买的脑电帽的电极方案不是主流的，则需要对输入数据的电极进行调整。]]></description><category></category></item><item><title><![CDATA[宇树科技Go1进阶版四足机器人开发记录]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129666157</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129666157</guid><author>m0_46339652</author><pubDate>Mon, 20 Mar 2023 14:08:34 +0800</pubDate><description><![CDATA[开发平台：Go1 edu进阶版，搭配16线激光雷达。开发机：Ubuntu20.04。]]></description><category></category></item><item><title><![CDATA[Ubuntu20.04安装NVIDIA混合精度计算库apex全流程及各类报错问题解答]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129468787</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129468787</guid><author>m0_46339652</author><pubDate>Sat, 11 Mar 2023 21:02:09 +0800</pubDate><description><![CDATA[背景：跟李沐老师一起探索RTX 3090的深度学习浮点运算性能，需要安装apex进行半精度运算，本文总结了Ubuntu20.04安装NVIDIA混合精度计算库apex全流程及各类报错问题解答环境：Python3.9CUDA11.7。]]></description><category></category></item><item><title><![CDATA[Transfomrer Benchmark3090对比3090Ti(跟李沐学AI作业简化版)]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129468748</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129468748</guid><author>m0_46339652</author><pubDate>Sat, 11 Mar 2023 20:58:36 +0800</pubDate><description><![CDATA[环境：RTX3090Python3.9。]]></description><category></category></item><item><title><![CDATA[神经影像信号处理总成(EEG、SEEG、MRI、CT)]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129399633</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129399633</guid><author>m0_46339652</author><pubDate>Wed, 08 Mar 2023 11:27:21 +0800</pubDate><description><![CDATA[这些意识的组合，形成了一个人的内外在的行为、情绪及学习上的表现。伪迹消除法(artifact removal)是指直接从脑电信号中识别并分离出伪迹信号，它在分离出伪迹信号的同时保留有用的脑电信号，是去伪迹中比较理想的方法。1)回归法：基于时域或频域的回归方法可以去除与眼活动有关的伪迹，不过该方法的缺点是在去除眼电伪迹的同时，会删除与眼电相关的EEG信号。装置屏蔽室是最有效的方法，如果在监护室或手术室进行脑电图描记，应尽可能远离电力线、减少电极线的摆动、容器内液体或其他物体的电荷运动。]]></description><category></category></item><item><title><![CDATA[Pytorch/paddle单机多卡RTX 3060×2的Ubuntu深度学习训练环境配置+代码模板+常见问题解决]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/129210040</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/129210040</guid><author>m0_46339652</author><pubDate>Fri, 24 Feb 2023 22:54:59 +0800</pubDate><description><![CDATA[下载nccl: https://developer.nvidia.com/nccl/nccl-legacy-downloads
选择对应的操作系统和CUDA版本(这里选择离线安装):
下载好后进行离线安装:
接下来提示需要安装一个,必须先安装公钥才能进行接下来的操作.
安装公钥:
更新软件源:
清华源最好用:
然后更新:
安装nccl:

将nccl添加到环境变量中:
nccl默认的安装目录是 ,修改~/.bashrc文件，添加如下内容到文件中:
添加好之后保存文件，使用让文件的配置生效，在通过查看环境变量]]></description><category></category></item><item><title><![CDATA[深度学习数据格式转换与清洗代码整理]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/128993191</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/128993191</guid><author>m0_46339652</author><pubDate>Sun, 12 Feb 2023 12:15:52 +0800</pubDate><description><![CDATA[【代码】深度学习数据格式转换与清洗代码整理。]]></description><category></category></item><item><title><![CDATA[以PaddleSlim为例讲解深度学习实例化模型压缩和量化-----工作日志(1.31)]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/128822851</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/128822851</guid><author>m0_46339652</author><pubDate>Tue, 31 Jan 2023 20:34:59 +0800</pubDate><description><![CDATA[深度学习神经网络模型中的量化是指浮点数用定点数来表示，神经网络模型在训练时都是浮点运算的，得到的模型参数也是浮点的。而且通常一个参数用浮点数表示占四个字节，而如果用8比特量化的话，一个参数只占一个字节，memory得到了极大的节约，在memory紧张的处理器上尤为重要。]]></description><category></category></item><item><title><![CDATA[Windows使用Paddle训练好的模型进行OpenVino推理引擎下的部署]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/128746961</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/128746961</guid><author>m0_46339652</author><pubDate>Sat, 21 Jan 2023 23:05:22 +0800</pubDate><description><![CDATA[根据Paddle官方的描述，当前检测模型转换为openvino格式是有问题的，暂时只支持分割和分类模型，且openvino版本最好为2021.3(已经过测试，兼容性较好)。然后我们可以看到vs的输出会打印CMake生成的过程，出现CMake 生成完毕且无报错代表生成完毕。2.运行下载的可执行文件，将OpenCV解压至指定目录，例如D:\projects\opencv。在进行cmake构建时，会有相关提示，请注意vs2019的输出。新建，将opencv路径填入并保存，如。依赖包，解压至deps目录。]]></description><category></category></item><item><title><![CDATA[PaddlePaddle/PaddleX本地离线安装(分别以C++和Python为例)]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/128502911</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/128502911</guid><author>m0_46339652</author><pubDate>Sat, 31 Dec 2022 10:17:14 +0800</pubDate><description><![CDATA[PaddlePaddle/PaddleX本地离线安装教程]]></description><category></category></item><item><title><![CDATA[使用Stable Diffusion进行Ai+艺术设计(以智慧灯杆为例)]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/128499121</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/128499121</guid><author>m0_46339652</author><pubDate>Fri, 30 Dec 2022 18:26:31 +0800</pubDate><description><![CDATA[使用Stable Diffusion进行Ai+艺术设计(以智慧灯杆为例)]]></description><category></category></item><item><title><![CDATA[Halcon常用算子(库函数)整理]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/128409471</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/128409471</guid><author>m0_46339652</author><pubDate>Thu, 22 Dec 2022 19:07:54 +0800</pubDate><description><![CDATA[Halcon常用算子整理]]></description><category></category></item><item><title><![CDATA[C#调用Python脚本训练并生成AI模型(以Paddle框架为例)]]></title><link>https://blog.youkuaiyun.com/m0_46339652/article/details/128359387</link><guid>https://blog.youkuaiyun.com/m0_46339652/article/details/128359387</guid><author>m0_46339652</author><pubDate>Sun, 18 Dec 2022 10:19:26 +0800</pubDate><description><![CDATA[Windows开发时用到AI模型部署，使用C#调用Python脚本训练并生成AI模型]]></description><category></category></item></channel></rss>