定期分享我的发现和想法，感谢你的陪伴和支持

是 PyTorch 中连接模型与 GPU 的关键接口。它使得模型可以利用 GPU 的强大计算能力，从而大幅提升训练和推理速度。为了充分发挥 GPU 的性能，请确保输入数据和模型都位于 GPU 上，同时合理使用多 GPU 和显存优化技术。如果在使用中遇到任何问题，欢迎留言讨论！hello，我是是Yu欸。原文链接 👉 ，⚡️更新更及时。欢迎大家添加好友交流。

在Linux环境下，有时候需要查看当前运行的Python程序，并根据特定的参数或详细信息找到目标程序。这篇博客将介绍几种方法，帮助你快速定位和分析正在运行的Python程序。

不设置时，当打开多个文件时，需要使用鼠标滑动滚动条才能看到后面打开的文件。

卸载重装了两三次，重启真好用hh尽量卸载干净哦！注意需要卸载nodejs，后面可以选择nvm控制已安装的所有版本，但是会出现node切换后无效的情况。

在人工智能和物联网技术日益成熟的今天，边缘计算设备因其在数据处理和实时性方面的优势而受到广泛关注。香橙派 AIpro（OrangePi AIpro）开发板以其出色的性能和丰富的应用场景，成为开发者探索 AI 应用部署的理想选择。有幸获得了邀请，并有幸邀请到了闪电[@shandainchengzi](https://shandianchengzi.blog.youkuaiyun.com/?type=blog)，和我一起对这款备受瞩目的开发板进行一次体验测评。下面将从新手个人开发经验出发，对香橙派 AIpro 开发板进

一直是pycharm运行服务器上代码，但存在问题：本机电脑休眠则程序停止运行。但深度学习代码一跑一整天，不小心关了几次后很难受实习老师向我介绍了nohup，完美解决了这个问题此外，在服务器上跑代码时，直接在命令行运行代码，常常遇到代码还没跑完却因为网络不稳定等异常终止的问题，所以可以通过nohup指令将代码后台执行，也便于同时运行多个程序。还可以用它来下载torch那种，需要安装几个小时的包

去年，我被安利后开始使用 GitHub Copilot，这是由 OpenAI 开发的一款革命性的代码自动补全工具。GitHub Copilot 不仅仅是一个简单的代码助手；它基于强大的 GPT-3 模型，能够理解编程语言的复杂性和上下文，从而提供高质量的代码补全建议。Copilot 的设计目标是提高程序员的编码效率和准确性，使用 Copilot 极其方便。1. 它通过分析程序员输入的代码和上下文，智能地生成符合逻辑和语法的代码片段。2. 程序员在编码时只需输入关键字或简短的代码提示，Copilot

基于时间的一次性密码 （TOTP） 应用程序会自动生成身份验证代码，该代码在一段时间后会更改。这些应用程序可以下载到您的手机或桌面上。我们建议使用基于云的 TOTP 应用程序。GitHub 在 TOTP 应用程序方面与应用程序无关，因此您可以自由选择您喜欢的任何 TOTP 应用程序。只需在浏览器中搜索即可找到各种选项。您还可以通过添加关键字来优化搜索，例如或以匹配您的偏好。提示：要在多个设备上通过 TOTP 配置身份验证，在设置过程中，请同时使用每个设备扫描二维码或保存“设置密钥”，即 TOTP 密钥。

在数据库管理的领域内，MySQL以其开源、高效、广泛使用的特点被世界各地的开发者所青睐。然而，无论是新手还是资深开发者，都可能在数据库配置或维护过程中遇到各种问题。今天，我们将深入探讨一个常见的错误提示——ERROR 1045 (28000): Access denied for user 'ODBC'@'localhost' (using password: NO)，这一问题通常出现在尝试连接MySQL数据库时。

在开发和测试机器学习模型或数据科学应用时，我们经常使用Gradio这样的工具来创建快速、交互式的原型。Gradio允许我们通过简单的界面与模型进行交互，无需构建复杂的前端应用。去年的项目，重新部署运行Gradio时，我遇到如下的错误信息：> Running on local URL: http://0.0.0.0:9966Could not create share link. Please check your internet connection orour status page: h

姊妹篇：【pycharm】在本地利用远程服务器显卡跑代码之前用的pycharm，但是需要每年学生认证激活，再加上邮箱不能直接激活的不知名原因，因此改用vscode。除了使用xshell、pycharm等连接服务器以外，vscode也可以连接服务器，在服务器上运行代码，上传下载文件等操作。

我在尝试注册谷歌账号的过程中遇到了一些挑战，特别是在`绕过手机号验证码`这一环节。在这篇博客中，我将分享如何在网上汇集各种技巧，并通过一系列尝试成功地注册了谷歌账号，希望也能帮助你也能顺利完成这一过程。虽然我无法确定具体是哪一个或哪几个步骤起了关键作用，但遵循这个流程，你很可能也会成功。

错误码0x80080005通常与激活和注册问题相关联。通过简单的注册表编辑，可以快速解决此问题，无需进行繁琐的重新安装过程。希望这篇文章能帮助您高效地解决学校或教育机构中的Office软件问题。

尽量不要安装在系统C盘，我的安装路径为：D:\program\Microsoft VS Code。尽量不要安装在系统C盘，我的安装路径为：D:\program\anaconda3。帮朋友配置环境的时候发现：vscode结合了cell+自动补齐，狠狠心动了。直接百度，然后在官网下载windows版本即可。注意：只有安装了python插件才会有这个界面。完美撒花✿✿ヽ(°▽°)ノ✿。于是安装+配置vscode。选择anconda中的环境。（没有图，记得自己安装）安装Python软件和。在Vscode中使用。

尝试2019华为杯E题，但是报了一系列error：最终解决。ValueError: found the following matches with the input file in xarray's IO backends: ['netcdf4', 'h5netcdf']. But their dependencies may not be installed, see:ValueError: unrecognized engine netcdf4 must be one of: ['store'

如果您想在PyTorch中使用NVIDIA GeForce RTX 3090 GPU，请查看https://pytorch.org/get-started/locally/的说明。翻译一下就是：RTX 3090的算力是8.6，但是当前的PyTorch依赖的CUDA版本支持的算力只有3.7、5.0、6.0、7.0。算力7.0的显卡可以在支持最高算力7.5的CUDA版本下运行，但是算力7.5的显卡不可以在支持最高算力7.0的CUDA版本下运行。CUDA capability sm_86：算力8.6。

一文件夹（项目）在conda的env，pycharm中可以跑通希望将该文件夹在相应env下，换到spyder中调试

Spyder类似于MATLAB界面。交互式写代码，有工作空间，可以一览自己设置的变量都有啥将高级编辑、分析、调试和全面开发工具的分析功能与数据探索、交互执行、深度检查和科学软件包的漂亮的可视化功能结合在一起。

我选择的是第一个，其中37代表的是python3.7的版本，如果你的是python3.6及以下的版本，可以自己找对应的tensorflow版本。实验环境：win11 + tensorflow 1.14 + keras 2.3.1 + bert4keras 0.9.7。然后报错，pip下载的只有2以上的版本了，所以只能自己手动下载。然后下载tensorflow 1.14。然后输入命令安装，后接自己的文件路径。

参考：已经在conda默认路径下安装了wordcloud,但输入import wordcolud时，仍然显示ModuleNotFoundError: No module named 'wordcloud’的错误。原因：之前不能成功是因为安装在了默认的位置，现在安装到了正确的地方。

如果想要下载其他版本，比如：pytorch1.7，则点击下面的“Previous versions of Pytorch>”由于pytorch1.7有1003.4MB，所以如果直接按照如下pip下载安装pytorch，速度非常慢，因而需要单独下载后进行安装pytorch。然后，选择自己想要的版本进行下载即可，存至一个盘里，将压缩包存在D盘的一个文件夹内。所以，我们先下载安装包，然后再本地进行安装，下载地址是：清华大学开源软件镜像站。安装完pytorch1.7之后，我们再用如下代码，安装其它模块。

最近经常用服务器的conda，总结一下命令方便调用最简单方法, pip安装之后, 点击右下角状态栏里的python解释器, 重新点击当前的python解释器,这时候会触发重建索引即index, 远程的包会下载到本地。

Pycharm2021.1连接远程服务器

起因：Xshell能连接服务器，但windows自带的远程连接报错尝试分析原因：2、3皆不成立，可能是没有图形化界面后又分析如果没有图形化界面，远程桌面连接的会不会是命令行啊，就是也能连接上，只是没有界面。最后搜windows如何远程连接你的版本的linux图形化界面，成功解决问题

Ubuntu 18.04 + CUDA 11.3.0 + CUDNN 8.2.1 + Anaconda + Pytorch 1.10不需要有外网，也不需要虚拟机的图形化界面下载安装都是本机去阿里镜像网站下载whl，然后通过xftp传输，失败率降到最低若报错，可参考完整流程：https://blog.youkuaiyun.com/wtyuong/article/details/127877543

之前网上提供的方式cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2已经不能用了，因为cudnn.h文件里内容修改了，不再存放版本信息。里面有新旧版本，我下载的是Anaconda3-2021.05-Linux-x86_64.sh版本，如果大家需要其它版本，把这个后缀换成你想下的版本即可；注意： “/home/sc/anaconda3/bin:$PATH” 的 sc是自己的用户名称，每个人都不一样，不知道可以看上面的打开的环境变量有个样本。

蓝桥杯指定python用idle，因此对它改装，以更适合编程。

又换电脑了，重新下载配置https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/conda channel的镜像设置（参考https://blog.youkuaiyun.com/weixin_39278265/article/details/84782550）显示所有channel二、添加可用的清华源conda config --set show_channel_urls yes的意思是从channel中安装包时显示channel的url，这样就可以知道包的安

hexo博客1：环境配置前言一、安装git1.1 安装1.2 配置1.3 git使用1.4 配置ssh密钥1.5 github二、安装nodejs前言换电脑啦，因此需要重新配置hexo的环境。写博客记录一下，方便之后进行配置 ~hexo作为博客系统的模版，可以不用花费太多时间搭建属于自己的博客系统，主要依赖的技术有node.js、nginx、git。一、安装git1.1 安装参考https://blog.youkuaiyun.com/weixin_39615182/article/details/11530

ssh本机连接服务器失败(ssh: connect to host 111.47.28.118 port 9722: Connection timed out)一. 问题描述想要在本机连接服务器… 可是装好mobaxterm后, 发现输入ssh端口号和ip时报错, 但账号应该是对的。​通过cmd直接连接也报错ssh: connect to host 111.47.28.118 port 9722: Connection timed out二.解决问题参考链接：ssh本机失败(ssh: connec

遇到的各种报错汇总，包括有效的解决参考链接

网上的普遍太久远，不太适配，记录自己历经三天的完美搭建

window环境下安装spark这个非常成功https://zhuanlan.zhihu.com/p/149469688

Java_web之Eclipse导包为IDEA--UserManage前言1.IntelliJ IDEA创建Servlet最新方法2.ctrl+CV步骤①UserManage一级目录下②Web二级目录下③WEB-INF三级目录下3.配置项目环境，配置Project Structure①Libraries中创建仓库②Modules中将刚刚打包的java_web导入③Artifacts④SDK4.Tomcat配置5.全部导入后，可以修改6.终7

MATLAB下载时报错原因报错原因报错background merge hit exception: _2y(4.6):C350989 _2x(4.6):C225741 _0(4.6):C39264 _2w(4.6):c124759 _1(4.6):C26142 _2l(4.6原因1.磁盘空间不足2.破解版下载时未断开网络

实验三、 基于Hadoop的Web版的云盘（必须基于实验一验证通过的环境）

实验二、环境大数据（必须基于实验一验证通过的环境） 实验目的1． 学会分析环境数据文件；2． 学会编写解析环境数据文件并进行统计的代码；3． 学会进行递归MapReduce。实验内容1、 分析数据文件2、 将数据文件上传至HDFS3 、编写月平均气温统计程序4 、查看月平均气温统计结果5、 编写每日空气质量统计程序6、 查看每日空气质量统计结果7 、将每日空气质量统计文件进行整合8、 编写各空气质量天数统计程序9 、查看各空气质量天数统计结果

实验一、Hadoop伪分布式部署1.Hadoop 介绍1.1 Hadoop 生态系统1.2 Apache 版本衍化2. Hadoop-2.7.3 伪分布安装2.1 （配置从这开始）软硬件环境说明Hadoop搭建环境：2.2 环境搭建2.2.1 设置hosts文件映射2.2.2 设置操作系统环境2.3 Hadoop环境搭建2.3.1 在/app下创建hadoop目录2.3.2 下载并解压hadoop安装包2.3.3 在hadoop安装目录下创建子目录2.3.4设置环境变量2.3.5 配置hadoop-env.

Django个性化补充Django项目搭建、配置依赖搭建Django数据库连接：配置、cnpm下载、数据库连接项目跑起来

环境配置&创建运行Django项目各种安装与环境配置：Django 安装、Python 安装(已安装的可跳过)、Python pip 安装与使用、pip 常用命令、Python 的重新安装、Python 配置pycharm的安装、Maven 配置、Tocmat配置、IntelliJ IDEA环境设置、IntelliJ IDEA项目环境配置、postman配置、Setting.xml笔记：Spring Boot相关笔记项目、Git基本命令