weixin_39417324的博客

*

两种办法，一个不行就试试另一个，针对Ubuntu，Windows同理第一种：先安装两个包pip install luma.oled如果是Windows系统，也可以用下面的命令pip install https://github.com/rm-hull/luma.core/archive/master.zippip install https://github.com/rm-hull/luma.oled/archive/master.zip第二种，打开pycharm（Windows和Ubuntu同

Ubuntu安装faiss：conda install faiss-cpu -c pytorchconda install faiss-gpu cudatooklkit=10.0 -c pytorch实现kmeans其实主要就是两句代码import faissimport pickleimport numpy as npimport time #x是用numpy生成的一个200*100的矩阵x = np.random.random((200, 100)).astype('float3

根本原因：torch和cuda或者是cudnn版本不匹配详细教程可以参考我前边的文章https://blog.youkuaiyun.com/weixin_39417324/article/details/122090285

别用torch.tensor直接转，用下边的torch.stack(pos_temp)

第一个原因：这个清空梯度的地方不对，因为我上边加载了两个预训练的模型，所以我忘了把zero_grad这个函数放在要更新梯度的模型上边，而是放在预训练好的eval的模型上边，这个会报错，下边这个是对的第二个原因：第二个就是网上常说的，那个model没有切换train模式，这个多半是常见的原因，但是我的代码里面，明明是每次加载数据，都会切一次train，可还是不行第三个原因：cudnn和rnn模型冲突在epoch前边，加上下面这句话，这句话的意思就是不用cudnn加速训练，torch.backend

先看下面的皮尔森相关系数计算公式，我也不知道念逊还是念森，反正吧，先看公式，其实就是上边分子求了个协方差，下边是对分母分别求类似标准差的东西(当然，不是标准差，因为标准差还需要除以n的算术平方根)。当然，上边的介绍和公式并不重要哈，最重要的是怎么用代码直接实现。协方差：皮尔森系数协方差实现：import torchx=torch.randn([2,10])#这是2*10的矩阵，x[0]就是公式中的x，x[1]就是公式中的yprint(torch.cov(x))#最后打印出的是2*2的矩

https://blog.youkuaiyun.com/weixin_41811314/article/details/121786787

vggnet本身的起源是14年的一个竞赛应该是，大概就是讲述了，卷积层的深度和图像识别效果的关系，代码和讲解啥的，网上应该是都有的。看原理：https://zhuanlan.zhihu.com/p/142979262看代码：https://github.com/msyim/VGG16代码主要架构理解：def conv_layer(chann_in, chann_out, k_size, p_size): layer = tnn.Sequential( tnn.Conv2d