Git踩坑记录

前言:可能是一年或者两年之前就听说过了GitHub的大名,udacity的课程也上了一些,但是自己确实没有真正用心的来学习git,现在面临找工作的压力,下定决心一定要将自己的项目都统一整理到github上去,慢慢积累和打磨。

今天主要整体回顾了建立GitHub仓库的流程和基本的命令

git init - 建立仓库
git checkout -b <example> - create a new branch
git checkout <example> - switch to the
git merger <example> - merge the example branch to the current branch(most are master branch)

创建SSH key
进行多账号的切换
Android Studio中的VCS的使用

git network graph中的使用

git reset --hard <commit id>是进行版本回退的操作,和个人进行删除操作是不同的,个人进行操作是会有历史记录的,版本回退是直接退回到原来版本。

穿梭前,用git log可以查看提交历史,以便确定要回退到哪个版本。
要重返未来,用git reflog查看命令历史,以便确定要回到未来的哪个版本。
git push REMOTE(远程仓库的名称) -all
git remote add origin <http//repository.git> 添加git远程仓库

behind remote repo 需要手动pull git pull -> 手动修改 conflict之后需要提交手动修改后的最终版文件 -> git commit -i <filename> -m "message"
Git用<<<<<<<,=======,>>>>>>>标记出不同分支的内容
git lightweight tag 直接使用git tag <tagname>语句即可

git branch -a 可以显示所有的branch 包括remote 仓库中的
坚持到最后就好了

1066857-20180130061544328-956539091.png

可能只有到了最后一步才能正确判断是否作对!坚持下去~

转载于:https://www.cnblogs.com/kong-xy/p/8370955.html

<think>好的,用户想在Windows 10上搭建CenterNet环境,并了解常见问题的解决方法。首先,我需要回忆一下CenterNet的依赖项。通常,CenterNet基于PyTorch,需要CUDA和cuDNN的支持,还可能涉及Python包管理。 首先,用户的操作系统是Windows 10,所以需要考虑在Windows下的安装步骤。可能的问题包括CUDA和PyTorch版本的兼容性,以及Python环境配置。比如,用户可能需要安装Visual Studio的C++构建工具,因为某些Python包需要编译。参考引用中的[^2],提到需要安装Microsoft .NET Framework和Visual C++,这可能与某些依赖项有关,比如安装MySQL时需要,但不确定是否直接适用于CenterNet。不过,安装C++运行库通常是必要的,比如Microsoft Visual C++ 2015-2019,这一点在引用中提到过,所以需要提醒用户。 接下来是Python环境。建议使用Anaconda创建虚拟环境,避免包冲突。然后安装PyTorch,需要确认CUDA版本是否与显卡驱动兼容。例如,如果用户安装了CUDA 10.1,PyTorch的版本也需要对应。引用[^4]提到安装特定版本的torchvision,这里可能需要根据PyTorch版本选择正确的torchvision版本。 然后是克隆CenterNet的仓库,安装依赖包,比如cython、opencv-python等。可能会遇到依赖项缺失的问题,比如pycocotools在Windows上的安装问题,这时候可能需要从GitHub克隆并手动安装,或者使用预编译的wheel文件。 常见问题可能包括CUDA不可用,这时候需要检查PyTorch是否正确安装,CUDA路径是否配置。引用[^3]中提到的进入容器查看操作系统,可能不适用,但保持系统组件更新是必要的。此外,编译时的错误可能需要安装CMake和正确配置PATH环境变量。 最后,测试环境是否正常工作,运行demo或训练脚本,遇到错误可能需要调整文件路径或安装缺失的模块。例如,引用[^4]中的安装特定版本的torchvision,可能需要对应PyTorch版本,否则会报错。 总结步骤:安装依赖项(C++运行库、CUDA、cuDNN)、创建conda环境、安装PyTorch和torchvision、安装CenterNet依赖、处理常见安装错误如pycocotools、测试环境。需要引用相关引用中的内容,比如[^2]中的Visual C++安装,中的特定版本安装方法。</think>### Windows 10下CenterNet环境配置教程 #### 一、环境依赖安装 1. **系统基础组件** - 安装 **Microsoft Visual C++ 2015-2019 Redistributable**(部分Python包依赖此组件) - 确保已启用Windows的 **.NET Framework 4.5+**(部分工具链依赖) 2. **CUDA与cuDNN** - 根据显卡型号安装 **NVIDIA驱动**(需支持CUDA 10.1/10.2) - 下载并安装 **CUDA Toolkit 10.1**(CenterNet常用版本) - 下载对应CUDA版本的 **cuDNN**,解压后复制文件到CUDA安装目录 3. **Python环境** - 安装 **Anaconda3**(建议Python 3.6/3.7版本) - 创建虚拟环境: ```bash conda create -n centernet python=3.6 conda activate centernet ``` --- #### 二、PyTorch与依赖库安装 1. **PyTorch安装** 使用与CUDA版本匹配的命令(以CUDA 10.1为例): ```bash pip install torch==1.5.0 torchvision==0.6.0 -f https://download.pytorch.org/whl/cu101/torch_stable.html ``` *注:若安装失败,可尝试从`.whl`文件安装(如引用[^4]方法)* 2. **CenterNet代码与依赖** ```bash git clone https://github.com/xingyizhou/CenterNet cd CenterNet pip install -r requirements.txt ``` 3. **编译关键组件** - **pycocotools**:需手动安装(Windows需预装Visual Studio Build Tools) ```bash pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI ``` - **NMS扩展**:在`CenterNet\src\lib\external`目录运行: ```bash python setup.py install ``` --- #### 三、常见问题与解决方案 1. **CUDA不可用错误** - 现象:`Torch not compiled with CUDA enabled` - 解决: 1. 确认`conda list`中PyTorch版本与CUDA匹配 2. 运行`python -c "import torch; print(torch.cuda.is_available())"`验证 3. 重装PyTorch(优先使用官网提供的安装命令) 2. **pycocotools安装失败** - 现象:`error: Microsoft Visual C++ 14.0 is required` - 解决: 1. 安装 **Visual Studio 2019 Build Tools**(勾选“C++桌面开发组件”) 2. 使用预编译的`.whl`文件(需搜索对应Python版本) 3. **DCNv2编译错误** - 现象:`undefined reference to __cudaRegisterFatBinary` - 解决: 1. 检查CUDA路径是否添加到系统环境变量 2. 尝试降低PyTorch版本(如1.4.0 + CUDA 10.1) --- #### 四、测试环境 1. **运行Demo** ```bash python demo.py --demo ../images/ --load_model ../models/ctdet_coco_dla_2x.pth ``` 2. **训练验证** ```bash python main.py ctdet --exp_id coco_dla --batch_size 32 --master_batch 15 --lr 1.25e-4 --gpus 0 ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值