PLUS_WAVE的博客

chezmoi是一个跨多台不同的机器管理 dotfiles 的工具，方便每次在新的电脑/服务器的时候不用麻烦的重新配置一些 config 了dotfile： 简言之就是应用程式的 config，例如~/.vimrc就是dotfile。Linux万物皆文件，Linux 文件名以点开头就会变成隐藏文件，一般也是配置文件，不让一般使用者看到。

通过 SSH 隧道将本地机器上的端口 8001 转发到远程服务器上同样的端口 8001。换句话说，在本地访问。时，流量会通过 SSH 安全通道被发送到远程服务器上，然后该流量会被转发到远程服务器的。通过这样就可以在本地浏览器打开服务器 events.out.tfevents 文件。

在调试模式下，Numba 的 JIT 编译可能会导致函数的代码对象在内存中的表示发生变化，从而导致代码对象之间的比较（例如断言）失败，引发。，禁用了 Numba 的 JIT 编译，使这些函数以普通的 Python 方式运行，避免了代码对象不一致的问题，从而解决了在 VS Code 调试模式下发生的异常。是一种强大的工具，能够将 Python 代码转化为高效的机器码，使得原本较慢的 Python 函数在执行速度上接近于编译型语言如 C/C++ 的水平。函数的代码对象不相同。，应该就在这个的问题了。

安装 cuda-toolkit 就相当于在安装完 pytorch-cuda 的需要的部分 cuda 库后，进行了补充安装，都是同一个 channel 的当然就不会有问题了。才对的上CUDA版本12.1的Pytorch。但是我们在安装的时候，先安装CUDA版本12.1的Pytorch，再安装。，我们只好迁就 pytorch，安装12.1.0的CUDA，但是呢！也就是说，该死的CUDA版本12.1的Pytorch的。继续探究发现，安装Pytorch时会安装。一样的一些 cuda 库了！其就会安装与我们安装的。

看来是软链接出了问题，我尝试了重新在 conda 环境安装 gcc/gxx，但是始终无法解决软链接问题，而且在卸载之后，这个。在 conda 环境安装 gcc/gxx 之后，运行开始遇到了以下的报错。依旧存在，看来是某个库的问题。在 conda 环境中找不到。

换成 pip 安装 pytorch（感觉是因为这个老版本的 Conda 安装 cudatoolkit 方法有问题，到了pytorch v1.13.0 支持 CUDA 11.7 之后，就是安装 pytorch-cuda 了，应该就没问题了）使用一下官方命令安装 pytorch=1.11.0+cuda=11.3。

解决办法：升级CUDA版本😭，升级到12.1就解决了。，CUDA版本必须 >= 11.8。

在实验室服务器上的时候，一般是没有 root 权限的，而服务器可能只安装了特定版本的 CUDA 和 GCC，我们就需要自己安装自己需要版本的 CUDA/GCC 来满足安装包时的环境要求。而 Conda 除了安装 Python 的包以外，其还提供了很多其他库——比如CUDA、GCC甚至还有 COLMAPmore，那么我们就可以很方便的安装自己的环境的啦！

此命令将启用运行 WSL 和安装 Linux 的 Ubuntu 发行版（在C盘）所需的功能。但是，C盘空间太紧张，我更愿意把其安装在其他盘（D盘）注意：需要在windows功能中开启“Hyper-V”和“适用于Linux的Windows子系统”功能。功能开启后，管理员运行 PowerShell ，直接运行下面命令即可（默认WSL2），然后重启。Linux 生成的所有文件都默认存储在之前自定义的路径下的这个镜像文件中。WSL2 显卡驱动直接用的 windows 的，只需要安装CUDA Toolkit就可。

我们以采用 GitHub 上的开源库 [cuda-bundle-adjustment](https://github.com/fixstars/cuda-bundle-adjustment) 为例，其不能直接用vcpkg进行安装，只能通过cmake编译后链接到VS2022。将 cuda-bundle-adjustment 库通过 CMake 编译链接到 Visual Studio 2022 步骤操作：1. 克隆存储库：使用 git 命令克隆 cuda-bundle-adjustment

如何在win11/win10上右键新建中创建.md文件