RuanChengfeng的博客

我要编译的PyAV包是9.2.0版本，主要遇到的难以解决的问题有：1、未联网的windows电脑上如何安装Microsoft Visual C++编译环境？2、找到与PyAV 9.2.0兼容的FFMPEG的版本？以下进行所有步骤的详细介绍，可以特别注意以上两个问题的解决。

MAT项目环境配置遇到的问题

当我们想要知道我们当前调用的包或者模块的源文件所在的路径时，或者我们想要了解我们调用的包或者模块是来自于哪里的，我们可以使用包中的__file__属性获取。

cython-bbox直接可以使用命令安装：pip install cython-bbox报错：invalid numeric argument '/Wno-cpp'解决方法：先下载cython-bbox源码压缩包然后修改其中extra_compile_args=['-Wno-cpp']为extra_compile_args = {'gcc': ['/Qstd=c99']}即可参考：https://blog.youkuaiyun.com/qq_24739717/article/details/1055.

1.detect to track and track to detect（1）先在windows上安装环境，配置编译环境，尝试了好多天，由于时间有限就没有再花时间往下尝试了。（2）在linux上面花了半天时间对整个环境进行了配置并运行，编译都通过了，但是运行时由于pytorch的版本太低，与服务器上的cuda不匹配，运行中出现了错误。因为是在服务器上配置的环境，还没找到不改变别人的cuda环境只改变自己cuda运行版本的方法。有待进一步尝试。2.Real-time multiple peopl

首先一个系统某一时刻只用使用一个CUDA，所以要使用不同的CUDA版本就需要进行切换。实现的主要步骤：（1）先安装多个版本的CUDA；（2）添加环境变量时，环境变量的路径指向CUDA的软连接，而不是直接指向某个版本的CUDA。这样做的好处是切换CUDA版本时不用修改环境变量，而只用删除现有的软连接，创建指向新的版本的CUDA的软连接。具体细节请参考：https://blog.youkuaiyun.com/yinxingtianxia/article/details/80462892...

可能是编译过程中使用的torch版本与cuda版本不对应的问题，可以使用torch.version.cuda查看torch对应的CUDA版本。解决方案：https://github.com/sfzhang15/ATSS/issues/17

faster_rcnn.pytoch1.0项目的地址：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0运行该项目的训练程序主要环节是：编译faster_rcnn中的模块和编译pythoncocoapi。(1)编译faster_rcnn的时候pytorch必须是1.0版本的，否则即使编译成功了，在运行阶段也会报cannot import _C的错误。还有python=3.6，cuda为10.0.看lib文件夹下面有没有bu

环境配置：windows10python3.6pytorch1.0.1遇到的错误：cl : Command line error D8021 : invalid numeric argument '/Wno-cpp'error: command 'C:\\Program Files (x86)\\Microsoft Visual Studio 14.0\\VC\\BIN\\x86_amd64\\cl.exe' failed with exit status 2解决方案：https:

faster rcnn.pytorch1.0项目项目地址：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0先直接按照readme中提供的环境配置进行编译在编译过程中出现了错误。错误1：Microsoft Visual C++ 14.0 is required按照这个教程：https://zhuanlan.zhihu.com/p/37995301，以及报错中提供的安装tools路径，我安装了visual studio 20

1.ssh服务器安装参考：https://juejin.im/post/68449038886135562372.ssh客户端安装参考：https://blog.youkuaiyun.com/YYtomorrow/article/details/81544918问题1：客户端是在powershell中安装的，在cmd中运行ssh命令会出现，ssh不是内部命令错误，有待解决。大概有以下方法：https://blog.youkuaiyun.com/wm609972715/article/details/83

因为组里实验的需要，我在这几天找了一些图像空间人脸正面化的方法进行了从侧面人脸到正面人脸的生成正面的人脸图像。总体来说图像空间人脸正面化的方法开源程度不高，甚至可以说算小的。这些天，我看了DRGAN、TPGAN、DAGAN、Rotate and Render（三维的）这些算是图像空间人脸正面化的开源方法了，但是TPGAN和DAGAN都没有提供预训练模型，只提供了开源的代码，而人脸正面化训练消耗的时间和资源都是很大的，还有图片的预处理也是很相比于其他任务来说也是要求很高的，对于我们只想利用人脸正面化结果来

本次配置的是hadoop2.8版本1.配置环境变量HADOOP_HOME、Path（先下载hadoop2.8.5并进行解压）2.在hadoop路径下创建data/namenode和data/datanode文件夹3.修改文件core-site.xml、hdfs-site.xml(配置路径一定要以/开头)、httpfs-site.xml 、mapred-site.xml、yarn-sit...