qq_44108731的博客

简单的信息查看和调试命令运行时只会采用虚拟环境里面的cuda运行时版本，所以不用显示切换cuda版本，只要支持即可。查看cuda版本ls -l /usr/local | grep cuda这里是安装的cuda存放的地方和软链接的位置./usr/local/cuda是一个软链接，链接到了/usr/local/cuda-9.0（或者其他版本的目录）nvidia-smi它的输出是驱动的版本，并不能就是说torch实际运行时的cuda版本。GPU的cuda版本分类sudo ubuntu-dri

主要是因为log的时候自变量可能是0，会得到-inf，0*inf就是nanl_preds[l_preds != l_preds] = 0. # 去除nan值其他人的方法torch.log(x+1e-10)参考

def setup_seed(seed): torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) np.random.seed(seed) random.seed(seed) torch.backends.cudnn.deterministic = True# 设置随机数种子setup_seed(20)保证模型训练结果始终保持一致PyTorch + NumPy这么做会降低模型准确率，这是b

1.代码结构参考链接：李宏毅2021年深度学习HW2代码细节获得运行设备#check devicedef get_device(): return 'cuda' if torch.cuda.is_available() else 'cpu'随机种子设置# fix random seeddef same_seeds(seed): torch.manual_seed(seed) if torch.cuda.is_available(): torch.cud

介绍半监督学习数据：{(xr,y^r)}r=1R,{xu}u=RR+U\{(x^r,\hat{y}^r)\}^R_{r=1},\{ x^u\}^{R+U}_{u=R}{(xr,y^​r)}r=1R​,{xu}u=RR+U​。unlabled的数据集U远大于R。因此，用于测试集的数据的特征也可以用来进行半监督学习，只不过不能使用它的标签，称之为Transductive learning;如果没有标注的数据不是测试集特征，称之为Inductive learning。参考：李宏毅2016机器学习Semi-