m0_46808930的博客

在深度学习模型训练完成后，如何保存和加载模型是每个开发者都会面临的问题。不同框架提供了多种模型保存格式，每种格式都有其特点和适用场景。本文将面向中级开发者，系统介绍 PyTorch 和 TensorFlow 中常见的模型保存格式，包括 PyTorch 的.pth/.pt（原生格式）和ONNX，以及 TensorFlow 的SavedModelHDF5 (.h5)、协议缓冲文件(.pb)和。我们将解析每种格式所包含的内容，给出保存与加载的代码示例，比较它们的区别，讨论转换方法，并分享常见坑点与最佳实践建议。

pass是 Python 中一个特殊的空操作语句，其唯一功能是​​保证代码块的存在性和语法完整性​​，而不会执行任何实际逻辑。

在 Python 里，try语句主要用于异常处理，其作用是捕获并处理代码运行期间可能出现的异常，避免程序因异常而意外终止。try语句通常会和exceptelse以及finally子句搭配使用。try:# 可能会引发异常的代码块pass# 处理特定类型异常的代码块pass# 处理另一种特定类型异常的代码块passelse:# 当 try 代码块没有引发异常时执行的代码块passfinally:# 无论 try 代码块是否引发异常，都会执行的代码块pass在 Python 里，

迭代次数指的是从该版本到根节点的路径长度，而根节点的迭代次数是0，子节点是父节点次数+1。比如，样例1中的CN0010，它的父节点是BF0001，而BF0001的父节点是AZ0001，所以迭代次数是2次，是最大的。比如某个节点的父节点是某个不在输入中的版本，即输入中有X的父节点是Y，但Y没有出现在任何行中的当前版本或者父版本的位置，那么Y不在字典中，此时X的迭代次数是1。如果p的父节点不存在（即p不在parent_map中），则p的父节点是NA → p的深度是0 → current的深度是0+1=1.

在 Python 中，元组（tuple）、列表（list）、字典（dict）、集合（set）、字符串（str）、队列（queue）和堆（heapq）都属于数据结构，更具体地说，它们是 Python 中的内置数据容器，用于存储和组织数据。本文详细解析了各个数据结构在Python内置容器中的概念、用法、区别，应用、示例等等，帮助更好区分学习和理解！

哈希（Hashing），也被叫做散列，它是一种把任意长度的输入数据（比如一段文本、一个文件等）通过特定的哈希函数转换为固定长度输出（通常是数字或字符串）的过程。不过，由于输入的可能性是无穷的，而输出的范围是有限的，所以难免会出现不同输入产生相同输出的情况，这种情况被叫做哈希冲突。​​作用​​：将任意输入（如字符串、对象）转换为固定范围的整数（图中输出为序列标签2，注意不是下标索引，而且索引+1的映射关系）。​​物理结构​​：一个连续的数组（图中索引范围0-4），每个位置称为​​桶（Bucket）​​。

在 Python 中，文档处理和自动化是一个常见的任务，python-docx 是最流行的用于处理 .docx 文件的库之一。然而，很多开发者在安装时常常遇到一个问题：误安装了一个名为 docx 的非官方库，导致后期在使用时出现错误。尤其是在虚拟环境（如 Anaconda 的 gpu 环境）中，管理 Python 库时需要特别小心。

在VSCode中进行Python开发时，选择合适的Python解释器和虚拟环境至关重要。如果VSCode中所使用的Python解释器没有安装所需的库，就会导致库找不到的错误。通常情况下，我们会在Windows终端中使用pip安装所需的库，但如果VSCode未使用相同的Python环境，就会出现上述问题。

出现的是 torch.cuda.OutOfMemoryError 错误，这意味着当前 GPU 显存不足，无法分配更多的内存来执行操作。