xdhsCS_cv_ml-优快云博客

原创 cuda、python、pytorch 版本兼容查看顺序及网站

安装 pytorch 时，若要使用 GPU，需要考虑与 CUDA，python 的版本兼容情况。推荐考虑顺序：CUDA 电脑GPU可/在使用的版本，pytorch可兼容CUDA的版本，python可兼容 pytorch的版本。在一个有GPU的电脑上安装pytorch时选择合适版本。接着，安装python，pytorch及其依赖项。

2023-09-08 22:22:26 3094 1

原创使用FVD时遇到的问题记录：使用tensorflow时batch_size不变的情况下使用数据量更大的dataset发生了显存溢出(OOM)问题的解决

情况：计算 FVD 时，使用 dataset-1 时运行成功，使用数据量(data size)更大的 dataset-2 时运行失败。报错OOM：显存溢出。查找问题：比较两次计算时的 input video 的 data shape，发现成功的那个是：[2, 64, 224, 224, 3]，失败的那个是：[2, 180, 224, 224, 3]。注：shape各dim的含义是：[batch_size, num_frames, height, weight, depth]发现不对劲：input 的

2022-05-21 16:38:28 654

原创关于TensorFlow和PyTorch共同安装的兼容版本尝试的记录 - env_name: tftorch

因为要使用的代码需要TensorFlow，而原本代码是基于PyTorch的，所以正在研究哪些TensorFlow和PyTorch版本可以兼容。因为要尽量保证两个代码都能够运行，所以比较麻烦。在这里专门记录一下，主要是寻找合适兼容版本的思路，以及相关零散但有用信息的命令、用于查找的网站的记录。.........

2022-04-16 20:19:54 6403

原创深度优先遍历与广度优先遍历和栈与队列结构的关系回顾

算法与数据结构相关回顾对应关系深度优先遍历(DFS) —— 栈堆广度优先遍历(BFS) —— 队列遍历目标：寻找图中某一节点到另一节点的最短路径。区别栈堆：直接保存了遍历的最短路径即，找到目标节点后的栈堆内依旧存在的节点就是其最短路径。队列：通过step记录可以知道最短路径长度即，找到目标节点后的一个step变量记录了该目标节点与根节点（即起始节点）的距离。如果每个节点都记录了其父节点的信息，则可以依据找到的目标节点一步步反推，得到该最短路径所经过的所有节点。另，最短

2021-05-27 23:14:54 826

原创关于数据库下载

关于数据库下载笔记1. 相关链接KTH：https://www.csc.kth.se/cvap/actions/Weizmann：http://www.wisdom.weizmann.ac.il/~vision/SpaceTimeActions.html2. 遇到的问题下载 KTH dataset 时，发现用Chrome浏览器网址打不开，换成QQ浏览器，成功打开并下载zip压缩包。具体过程：找到“Action database in zip-archives (DivX-compress

2021-05-06 11:22:36 610

原创关于使用 hook 获取神经网络内部features时遇到的问题和解决方案的记录

关于使用 hook 获取神经网络内部features时遇到的问题和解决方案的记录一、错误代码：feat = []def hook(module, inputs, outputs): feat.append(inputs.clone().to(device))二、报错：AttributeError: 'tuple' object has no attribute 'clone'原因分析：inputs是一个由多个Tensor类型数据作为元素组成的Tuple数据。三、解决方案思考：由于后

2021-05-04 12:20:35 365

原创加载模型参数到使用 DataParallel(model) 的模型的两种方法的代码

load model weights into DataParallel(model) 的两种方法的代码方法一G = Generator().to(device)G.load_state_dict(torch.load(args.model_path))G = nn.DataParallel(G) # 这样在传递时 G 的参数会被重置吗？经测试，没有明显差别方法二G = Generator().to(device)G = nn.DataParallel(G)G.module.load_sta

2021-03-05 18:05:28 984

原创 pth文件保存的模型参数对不同GPU环境不适应问题的解决方案研究

对于更改已保存的model weights以适应不同GPU数目的运行环境的(非正式、简略)研究的记录————————————brief——————————————结论：可行转换pth的代码思路简述load weights of DataParallel(model) run in 2gpusave weights of model in .pth file.—— 实际上到这一步已经可以了。有了这个 pth 文件，基本就OK了。我是因为积重难返，只能再加上后面几步操作来更好地解决自己遇到的问题。

2021-03-05 17:56:44 511

原创 DataParallel(model)的相关研究

DataParallel(model)的相关研究前提/已知：DataParallel用于多GPU并行计算，问题：那如果先用2个GPU来 training DataParallel(model)并保存权重，再load该权重到使用4个GPU来 training 的 DataParallel(model) 上，会不会报错？探究/实验设计：先用2gpu训练一个模型两天，并保存整个DataParallel(model)而非model的权重。然后，用 1 个GPU初始化 DataParallel(model

2021-03-04 15:39:52 678 3

原创关于只用txt文件编程python时遇到的一些编码(utf-8)问题

一般用txt文件编程只是应急方法。简单来说，在txt文件内写好代码。然后，将文件重命名，后缀名由.txt改为.py。接下来就是在DOS界面进行运行了。这是没有安装python IDLE，即没有专门用于python编程的集成环境时的应急方法。而我因为用了anaconda，可以直接在jupyter notebook上编程，就懒得再下载Python IDLE了。然后就遇到了一个有趣的事情。因为有些代码涉及了与命令行，也就是DOS界面的交互。所以，用了txt文件编程，也即上一段介绍的方法。这个时候，在改为.py文

2020-07-13 11:02:45 376

原创关于Windows10下面的nmap包安装到anaconda搭建的虚拟环境中的方法、流程

关于Windows10下面的nmap包安装到anaconda搭建的虚拟环境中的方法、流程步骤简介第一步第二步曾经遇到的问题建议步骤简介第一步：先官网下载并安装nmap，添加环境变量。第二步：再用prompt activate对应虚拟环境，然后pip安装nmap与python-nmap。第一步nmap软件的官网.如以下截图所示，点击官网中的 nmap-7.80-setup.exe下载安装包。下载完成后的安装包如下图所示，黑框部分才是下载的安装包，其它的不用管。直接双击安装。安装时除了安装路

2020-07-08 22:51:08 963

xdhsCS_cv_ml的博客