chenyuming的博客

下载pytorch下载pytorch1.7：我的系统是JetPack4.4，要求pytorch>=1.7.安装pytorchsudo apt-get install libopenblas-base libopenmpi-devpip3 install torch-1.7.0-cp36-cp36m-linux_aarch64.whl安装torchvision这里选择torchvision 0.8.1（可根据自己的pytorch选择torchvision版本）sudo apt-

配置环境安装pytorch环境安装mmcvgit clone https://github.com/open-mmlab/mmcv.gitcd mmcvpip install .（是的你没看错，这里就是有个 . ）安装mmdetectiongit clone https://github.com/open-mmlab/mmdetection.gitcd mmdetectionpython setup.py develop安装完成训练自己的数据（如cascade rcnn）

依照onnx-tensorrt官方步骤下载到本地本人下载的对应tensorrt6.0.x.x的版本git clone -b 6.0 --single-branch https://github.com/onnx/onnx-tensorrt.gitgit submodule initgit submodule update #更新子模块cd onnx-tensorrtmkdir buildcmake .. -DTENSORRT_ROOT=<tensorrt_install_dir>

problem在自己的数据（voc格式）上训练Faster RCNN（https://github.com/jwyang/faster-rcnn.pytorch）就出现了loss=nan的问题。在Pascal voc和coco上训练Faster RCNN都正常。reason可能是learning rate太大，调小learning rate。最有效的方法是learning rate设为0，看看是不是还有nan的问题。大概率是自己的数据有问题（我的数据是voc格式），voc获取左边后是要减1的

牺牲计算速度减少显存使用量https://oldpan.me/archives/how-to-use-memory-pytorch

https://www.cnblogs.com/king-lps/p/8570021.html

每个Tensor都有两个标志：requires_grad和volatile。它们都允许从梯度计算中精细地排除子图，并可以提高效率。requires_grad如果有一个单一的输入操作需要梯度，它的输出也需要梯度。相反，只有所有输入都不需要梯度，输出才不需要。如果其中所有的变量都不需要梯度进行，后向计算不会在子图中执行。x = Variable(torch.randn(5, 5))y = V...

#### 1.从附加驱动选项中选择最新的显卡驱动，应用改变。 安装成功之后重启系统。 #### 2。在搜索菜单搜索Nvidia ，打开英伟达配置程序NVIDIA X Server Settings。如果没有屏幕对应的分辨率，随意选择一个分辨率和刷新频率，并单击按钮Save to X configration file，保存当前配置。注意保存路径为/etc/X11/xorg....

安装1.1 直接安装sudo apt-get install tmux可以直接用上面命令安装，不同的系统安装的版本不同，14.04对应 tmux 1.8；16.04对应 tmux 2.1。因为后面安装插件，要求tmux&amp;amp;gt;=2.1, 所以ubuntu 14.04的朋友请选择后面的安装方式(16.04的小伙伴随意)。1.2 tar.gz 安装从 https://github.c...

对于一个network:class AlexNet(nn.Module):def __init__(self, num_classes=1000): super(AlexNet, self).__init__() self.features = nn.Sequential( nn.Conv2d(3, 64, kernel_size=11, stride=4, p...

lr_scheduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=5,eta_min=4e-08)lr_scheduler.step()官网:https://pytorch.org/docs/0.3.1/optim.html#torch.optim.lr_scheduler.CosineAnnealingLRExampl...