weixin_50563385的博客

原创 VMWare安装+Ubuntu虚拟机安装+ssh配置+samba配置+C调试环境配置

VMWare安装+Ubuntu虚拟机安装+ssh配置+samba配置+C调试环境配置。

原创 跑通Visual-RFT报错解决记录

本文记录了在Linux环境下创建一个Python 3.10虚拟环境并克隆Visual-RFT仓库的过程。在执行setup.sh安装依赖时遇到了包版本冲突问题，主要涉及huggingface-hub、lighteval和transformers等包的兼容性问题。系统建议通过放宽版本限制或移除特定版本来解决依赖冲突。该过程展示了Python环境配置中常见的依赖冲突问题及其解决方法。

原创 PartialSpoof跑通记录

该目录结构展示了一个名为"PartialSpoof"的语音反欺骗项目，主要包含模型训练和评估相关文件。项目采用多分辨率架构，包含03multireso目录下的单分辨率(single-reso)和多分辨率(multi-reso)两种实现方式。核心代码包括main.py和model.py，通过符号链接被各个子模块共享。项目还包含配置管理(config_ps)、评估指标(metric)、可视化图表(Figures)等组件，以及基于Pytorch的深度学习框架(project-NN-Pytorc

原创 脱离微信和QQ文件传输助手，也可以在手机和电脑之间实现文件传输助手

本文介绍了闪电藤软件的使用方法：1)从官网下载并安装PC版和手机版；2)注册账户并登录；3)选择广域网模式；4)免费版仅支持文字传输，需付费升级才能传输文件；5)升级后需配置API密钥实现完整功能。文中包含详细操作截图和官方说明链接，帮助用户实现手机与电脑间的文件传输。

原创 从头到尾复现跑通mpips_smplify_public_v2.zip

本文介绍了SMPLify代码的部署过程，主要包括：1）下载代码压缩包；2）使用FileZilla将代码上传至远程服务器；3）通过PyCharm连接服务器进行开发；4）按照README配置环境，包括解压代码、获取LSP数据集、创建符号链接以及安装依赖项（如Python虚拟环境）。文中详细记录了各步骤的具体操作命令和可能遇到的问题，如依赖包安装失败时的解决方案。整个流程涵盖了从本地开发环境搭建到远程服务器部署的完整过程。

原创 【保姆级教程】TEXTurePaper运行环境搭建与Stable Diffusion模型本地化

本文介绍了TEXTurePaper项目的本地部署流程。首先通过git克隆项目代码，然后准备所需环境包。由于自动下载模型易中断，建议手动下载模型到本地后修改代码路径：1) 修改train_config.py中的模型路径；2) 修改stable_diffusion_depth.py中的路径。最后激活环境，进入项目目录运行指定脚本即可启动项目。文中提供了详细的目录结构示意图和修改代码的路径说明，帮助用户顺利完成本地部署。

原创 CompVis Stable Diffusion 正确安装与运行指南

创建空环境（Python 3.8/3.9/3.10 均可，和你现有 3.8 一致就行） conda create -y -p /home/featurize/work/1/AMAC/envs/amac python = 3.8 conda activate /home/featurize/work/1/AMAC/envs/amac。

原创 深度学习环境部署踩坑实录：TensorFlow、Keras、protobuf 报错解决大全

本文记录了在Linux/NFS远程服务器上安装TensorFlow时遇到的常见问题及解决方案。主要包含两类问题：1) protobuf版本冲突或文件锁定（表现为.nfs文件占用），需终止相关进程并重装protobuf 3.20.3；2) Keras与TensorFlow版本不兼容，建议安装TensorFlow 2.4.1并使用tf.keras接口。文章提供了整合修复脚本，并附上在Jupyter中使用自定义虚拟环境的方法。适用于深度学习开发者在共享服务器环境下的依赖管理参考。

原创 如何利用Autodl中的AutoPanel实现/root/autodl-tmp与夸克网盘进行数据传输

这篇教程介绍了如何通过AutoDL平台将夸克网盘的数据下载到实例中的具体步骤。首先需要在AutoDL市场启动一个实例，然后打开AutoPanel和公网网盘功能。接着登录夸克网盘上传数据，并通过开发者工具获取网盘的Cookie信息。将Cookie粘贴到AutoPanel后，选择目标下载目录/root/autodl-tmp，即可开始从夸克网盘下载数据到实例中。整个过程分为10个步骤，包括实例启动、网盘设置、Cookie获取和数据下载等关键操作，最终下载的文件可以在指定目录查看。

原创 [特殊字符]亲测成功！CL-DETR 安装运行全攻略（支持 Deformable Attention 编译）

🚀亲测成功！CL-DETR 安装运行全攻略（支持 Deformable Attention 编译）

原创 跑通 TrackNet-Badminton-Tracking-tensorflow2 项目全记录

跑通 TrackNet-Badminton-Tracking-tensorflow2 项目全记录

原创 【实战】Tennis-Tracking 安装与运行完整教程（含 CUDA/TF 报错解决）

本教程详细介绍了Tennis-Tracking项目的安装与运行流程，针对NVIDIA GPU用户常见问题提供解决方案。主要内容包括：创建Conda环境（Python 3.7）、安装匹配CUDA版本的PyTorch、处理依赖缺失问题、解决TensorFlow报错（推荐使用tensorflow-gpu 2.6.0）和Keras权重加载错误（需降级h5py）。教程还包含最终运行命令示例和清华镜像加速建议，并汇总了常见问题解决方法表。特别提醒避免使用tensorflow-gpu 1.15版本，该版本可能引发兼容性问

原创 在Windows上，将 Ubuntu WSL 安装并迁移到 D 盘完整教程（含 Appx 安装与迁移导入）

本文介绍了如何将Ubuntu WSL迁移到D盘的完整教程。首先通过PowerShell启用WSL和虚拟化支持，然后下载并安装Ubuntu 22.04。接着导出Ubuntu为.tar文件，从C盘卸载默认安装，再导入到D盘指定路径。教程还提供了图形界面启用WSL的方法，并强调需要同时勾选"适用于Linux的Windows子系统"和"虚拟机平台"两个选项。最后说明如何启动迁移后的Ubuntu并清理备份文件。整个过程可有效释放C盘空间，提高开发性能。

原创 跑通Multi-Agent-Constrained-Policy-Optimisation

【代码】跑通Multi-Agent-Constrained-Policy-Optimisation。

原创 本地访问远程 TensorBoard？用 SSH 映射轻松搞定

在深度学习训练中，我们经常使用 TensorBoard 进行可视化分析。如果你是在远程服务器上训练模型，例如使用 Featurize 平台，如何通过 SSH 本地端口转发 实现在本地电脑打开远程 TensorBoard 页面？本文将手把手教你实现这个目标。

原创 CondaHTTPError: HTTP 000 CONNECTION FAILED for url ＜https://conda.anaconda.org/conda-forge/linux-64/

Downloading and Extracting Packages:CondaHTTPError: HTTP 000 CONNECTION FAILED for url [https://conda.anaconda.org/conda-forge/linux-64/cudnn-7.6.5.32-ha8d7eb6\_1.tar.bz2](https://conda.anaconda.org/conda-forge/linux-64/cudnn-7.6.5.32-ha8d7eb6_1.tar.bz2)

原创 解决 Conda 安装 PyTorch 1.1.0 报错：excluded by strict repo priority（附三种解决方案）

方案优点适用场景修改 channel_priority简单直接Conda 主力环境使用 pip 安装灵活但不推荐临时或测试环境使用国内镜像国内用户快网络限制严重者替换为较新版本最推荐没有硬性版本要求时如果你正在构建旧项目环境或在 WSL/服务器上部署 FastDVDnet、ESRGAN、EDSR 等模型，希望这篇文章能帮你顺利装好环境 👍。

原创 vscode如何恢复默认设置

原创 在Windows上通过WSL运行DeepI2P项目的完整配置与步骤

这篇文章详细讲解了如何在Windows上通过WSL2运行DeepI2P项目的步骤，确保每一步都能成功执行。

原创 《在云环境中配置并运行 USC-DS-RelationExtraction 项目：安装 PyTorch、CUDA 及依赖》

通过以上步骤，你已成功在云环境中创建并配置了 Python 环境，安装了和其他依赖包，并成功运行了项目。安装过程中解决了相关错误并成功配置了 Stanford CoreNLP 服务器。如果你在安装过程中遇到任何问题，或者有任何疑问，欢迎在评论区留言！

原创 《在 Ubuntu 22.04 上安装 CUDA 11.8 和 Anaconda，并配置环境变量》

通过以上步骤，你已经成功在上安装了CUDA 11.8和Anaconda，并配置了相应的环境变量以使其生效。这样你就可以在你的 Ubuntu 系统中开始使用 CUDA 加速的深度学习框架和其他应用程序了。如果你在安装过程中遇到任何问题，或者有任何疑问，欢迎在评论区留言！

原创 出现错误 2147942402 (0x80070002) (启动“ubuntu.exe”时)][出现错误 2147942402 (0x80070002)

使用windows terminal 启动ubuntu[出现错误 2147942402 (0x80070002) (启动“ubuntu2004.exe”时)]，并且更改环境变量无法解决。

原创 Windows Subsystem for Linux (WSL) 安装与迁移 Ubuntu 系统教程

【代码】Windows Subsystem for Linux (WSL) 安装与迁移 Ubuntu 系统教程。

原创 ‘conda env create -f environme, None, 10054, None)‘: /anaconda/pkgs/free/win-64/repodata.json failed

Retrying (Retry(total=0, connect=None, read=None, redirect=None, status=None)) after connection broken by ‘ConnectionResetError(10054, ‘远程主机强迫关闭了一个现有的连接。你可以尝试暂时关闭代理，或者检查代理服务器的配置是否正确。

原创 在linux中安装anaconda，并激活

以下是将上述操作步骤整理成一个 Bash 脚本的形式，不过需要注意的是，部分操作可能需要根据实际情况调整，比如文件路径、IP 地址等。同时，在脚本中一些可能出现交互的地方（如安装软件时的确认提示等）可能需要手动处理或者使用一些额外的参数来自动确认。

原创 【无标题】

该脚本的主要功能是管理一个名为的 Conda 环境，并在该环境中运行一个 Python 脚本。具体步骤包括检查 Conda 环境是否存在，若不存在则创建该环境，激活环境，运行 Python 脚本，最后再停用该环境。此脚本的主要功能是管理一个名为的 Conda 环境，并在该环境中运行 Python 脚本。它会先检查指定的 Conda 环境是否存在，如果不存在则创建该环境，接着激活环境，运行 Python 脚本，最后停用该环境。ENV_NAME：定义了 Conda 环境的名称，后续操作将围绕名为的环境展开。

原创 批量处理多个模型的预测任务

以下是你提供的 Bash 脚本，已添加详细注释：代码逻辑及注释说明：检查输入参数：设置路径变量：检查文件是否存在：遍历配置文件夹：读取模型路径并执行预测：生成并执行预测命令：输出调试信息：此脚本适用于批量处理多个模型的预测任务。每个模型的配置文件、模型文件和其他参数都会从输入的文件和目录结构中自动生成，适合需要自动化批量预测的场景。

原创 “C:\Users\Win11\AppData\Roaming\pip\pip.ini“取消

如果你希望取消或删除pip配置文件pip.ini。

原创 PaddleSeg 从配置文件和模型 URL 自动化运行预测任务

【代码】PaddleSeg 从配置文件和模型 URL 自动化运行预测任务。

原创 PADDLE PREDICT

如需调整路径或命令格式，可以根据需求修改对应的变量值。

原创 训练入口+保存模型

【代码】训练入口+保存模型。

原创 查看代理设置Get-Item Env:https_proxy

该命令会显示当前 PowerShell 会话中的环境变量值。如果该环境变量没有设置，将会显示错误。

原创 pip install tensorflow==1.12.2（python=3.5）

安装编译工具：确保你安装了 Microsoft Visual C++ Build Tools。更新pip和setuptools：确保它们是最新的版本。使用预编译的 wheel 文件：如果无法编译，可以下载.whl文件并直接安装。尝试安装旧版本的grpcio。希望这些解决方案能帮助你解决问题！如果仍然遇到问题，提供完整的错误日志会有助于进一步分析。

原创 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding环境搭建

BERT: Pre-training of Deep Bidirectional Transformers forLanguage Understanding运行环境搭建

原创 对文件内的文件名生成目录，方便查阅

【代码】对文件内的文件名生成目录，方便查阅。

原创 混淆矩阵绘制

【代码】混淆矩阵绘制。

原创 loss-acc曲线绘制

【代码】loss-acc曲线绘制。

原创 画混淆矩阵

【代码】画混淆矩阵。

原创 读取csv里面的文件数据画曲线

【代码】读取csv里面的文件数据画曲线。

原创 PaddleNLP的环境配置：

PaddleNLP环境配置