Deep Learning for Massive MIMO CSI Feedback跑代码

原创已于 2022-03-15 16:21:10 修改 · 1k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#python

于 2021-10-31 16:35:48 首次发布

小白日记专栏收录该内容

6 篇文章

订阅专栏

该博客介绍了如何在没有GPU的本地环境中，如macOS和PyCharm，通过迁移到Google Colaboratory来运行依赖GPU的Python代码。博主详细阐述了从数据集上传到代码修改的步骤，并成功在Colab的GPU环境下运行代码。此外，还分享了一个简单的技巧，即通过挂载Google云端硬盘来同步文件，避免手动修改路径。最后，博主提醒可以直接在Colab中创建和设置GPU环境，简化流程。

一、本地跑代码

macOS monterey

PyCharm 2021.2.3

Anaconda（需要配置好keras和tensorflow）

基于以上环境，拷贝代码和数据集到PyCharm中，运行失败。报错原因大概是没有GPU。放弃。

二、线上跑代码

选择google Colaboratory。此处需要一点点科学上网的小技巧。

网址：https://colab.research.google.com

1.点左上角图标进入google云端硬盘。

2.选择我的云端硬盘，新建文件夹CsiNet

3.进入CsiNet文件夹，将数据集拖入。6.83G，大概需要40多分钟能上传完成。

4.CsiNet文件夹下：新建-更多- Google Colaboratory

5.更改名字，复制CsiNet_train.py的代码进来。修改路径和tensorflow版本。

修改路径可以在代码中一个一个的修改，但很麻烦，容易漏掉。也可以选择在开头加入以下代码，一起修改。

from google.colab import drive
drive.mount('/content/drive')
import os
os.chdir('/content/drive/MyDrive/CsiNet')

因为tensorflow2和1版本有些区别，将#import tensorflow as tf 改为：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

6.四个.py文件都同样处理。

CsiNet_onlytest中下图位置需要修改一下file的路径，否则找不到文件。

7.装载&笔记本设置为GPU

8.运行结果。（为了写笔记，跑快点，epochs改成了10）

三、用此方法搞了很久，后来发现自己愚蠢至极。

直接将数据集和4个.py文件拖进谷歌云盘的一个CsiNet文件夹下。

新建-更多-colaboratoray。

更改笔记本为GPU模式。

运行以下代码就好了。