Wadewhl的博客

pytorch-gpu安装

pip安装码命令

python程序命令行寻找上一级指定文件

服务器的gpu内存不够，导致程序运行失败。问题如下：RuntimeError: CUDA out of memory. Tried to allocate 38.15 GiB (GPU 0; 31.75 GiB total capacity; 1.07 GiB already allocated; 26.18 GiB free; 3.45 GiB cached)内存不够的解决办法：1.不使用梯度方法在test过程中，在dataloader循环前加入，with torch.no_grad():

1.argparseargparse 模块是 Python 内置的一个用于命令项选项与参数解析的模块，argparse 模块可以让人轻松编写用户友好的命令行接口。通过在程序中定义好我们需要的参数，然后 argparse 将会从 sys.argv 解析出这些参数。argparse 模块还会自动生成帮助和使用手册，并在用户给程序传入无效参数时报出错误信息。2.步骤1、创建一个解析器——创建 ArgumentParser() 对象parser = argparse.ArgumentParser(descr

图像的命名情况如下图所示，以一个字符串和数字组成，希望以1到30的顺序读入文件并以图像矩阵的形式储存在内存中以便后续处理。使用python编程，借助os库和opencv库。关键就是使用sort对数字重新排序。def read_finger_directory(directory_name): imglist = os.listdir(r"./"+directory_name) array_of_img = [] # this if for store all of the image

将工程下一个文件夹的所有视频源按顺序读取出来，并截取各视频中同一时间点的帧，将各帧以图像的形式按顺序储存好，方便后续处理。使用python编写，用到opencv库和os库。关键函数：1、cv2.VideoCapture（）：读取视频文件2、cv2.isOpened（）：判断视频文件是否读取成功3、vc.get(cv2.CAP_PROP_FPS)：获取视频的帧率，即一秒钟该视频播放多少帧4、vc.get(cv2.CAP_PROP_FRAME_WIDTH)),vc.get(cv2.CAP_PROP_