神经网络学习小记录-番外篇—，2024华为Linux运维高级面试题及答案

tf2代码对应的tensorflow-cpu版本为2.2.0，无需安装keras，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/120656291。

d、GPU利用问题与环境使用问题

问：为什么我安装了tensorflow-gpu但是却没用利用GPU进行训练呢？
答：确认tensorflow-gpu已经装好，利用pip list查看tensorflow版本，然后查看任务管理器或者利用nvidia命令看看是否使用了gpu进行训练，任务管理器的话要看显存使用情况。

问：up主，我好像没有在用gpu进行训练啊，怎么看是不是用了GPU进行训练？
答：查看是否使用GPU进行训练一般使用NVIDIA在命令行的查看命令。在windows电脑中打开cmd然后利用nvidia-smi指令查看GPU利用情况

如果要一定看任务管理器的话，请看性能部分GPU的显存是否利用，或者查看任务管理器的Cuda，而非Copy。

e、DLL load failed: 找不到指定的模块

问：出现如下错误

Traceback (most recent call last):
  File "C:\Users\focus\Anaconda3\ana\envs\tensorflow-gpu\lib\site-packages\tensorflow\python\pywrap\_tensorflow.py", line 58, in <module>
 from tensorflow.python.pywrap_tensorflow_internal import \*
File "C:\Users\focus\Anaconda3\ana\envs\tensorflow-gpu\lib\site-packages\tensorflow\python\pywrap\_tensorflow\_internal.py", line 28, in <module>
pywrap_tensorflow_internal = swig_import_helper()
  File "C:\Users\focus\Anaconda3\ana\envs\tensorflow-gpu\lib\site-packages\tensorflow\python\pywrap\_tensorflow\_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('\_pywrap\_tensorflow\_internal', fp, pathname, description)
File "C:\Users\focus\Anaconda3\ana\envs\tensorflow-gpu\lib\imp.py", line 243, in load_modulereturn load_dynamic(name, filename, file)
File "C:\Users\focus\Anaconda3\ana\envs\tensorflow-gpu\lib\imp.py", line 343, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: 找不到指定的模块。

答：如果没重启过就重启一下，否则重新按照步骤安装，还无法解决则把你的GPU、CUDA、CUDNN、TF版本以及PYTORCH版本私聊告诉我。

f、no module问题（no module name utils.utils、no module named ‘matplotlib’ ）

问：为什么提示说no module name utils.utils（no module name nets.yolo、no module name nets.ssd等一系列问题）啊？
答：utils并不需要用pip装，它就在我上传的仓库的根目录，出现这个问题的原因是根目录不对，查查相对目录和根目录的概念。查了基本上就明白了。

问：为什么提示说no module name matplotlib（no module name PIL，no module name cv2等等）？
答：这个库没安装打开命令行安装就好。pip install matplotlib

问：为什么我已经用pip装了opencv（pillow、matplotlib等），还是提示no module name cv2？
答：没有激活环境装，要激活对应的conda环境进行安装才可以正常使用

问：为什么提示说No module named ‘torch’ ？
答：其实我也真的很想知道为什么会有这个问题……这个pytorch没装是什么情况？一般就俩情况，一个是真的没装，还有一个是装到其它环境了，当前激活的环境不是自己装的环境。

问：为什么提示说No module named ‘tensorflow’ ？
答：同上。

g、cuda安装失败问题

一般cuda安装前需要安装Visual Studio，装个2017版本即可。

h、Ubuntu系统问题

所有代码在Ubuntu下可以使用，我两个系统都试过。

i、VSCODE提示错误的问题

问：为什么在VSCODE里面提示一大堆的错误啊？
答：我也提示一大堆的错误，但是不影响，是VSCODE的问题，如果不想看错误的话就装Pycharm。
最好将设置里面的Python:Language Server，调整为Pylance。

j、使用cpu进行训练与预测的问题

对于keras和tf2的代码而言，如果想用cpu进行训练和预测，直接装cpu版本的tensorflow就可以了。

对于pytorch的代码而言，如果想用cpu进行训练和预测，需要将cuda=True修改成cuda=False。

k、tqdm没有pos参数问题

问：运行代码提示’tqdm’ object has no attribute ‘pos’。
答：重装tqdm，换个版本就可以了。

l、提示decode(“utf-8”)的问题

由于h5py库的更新，安装过程中会自动安装h5py=3.0.0以上的版本，会导致decode(“utf-8”)的错误！
各位一定要在安装完tensorflow后利用命令装h5py=2.10.0！

pip install h5py==2.10.0

m、提示TypeError: array() takes 1 positional argument but 2 were given错误

可以修改pillow版本解决。

pip install pillow==8.2.0

n、如何查看当前cuda和cudnn

window下cuda版本查看方式如下：
1、打开cmd窗口。
2、输入nvcc -V。
3、Cuda compilation tools, release XXXXXXXX中的XXXXXXXX即cuda版本。

window下cudnn版本查看方式如下：
1、进入cuda安装目录，进入incude文件夹。
2、找到cudnn.h文件。
3、右键文本打开，下拉，看到#define处可获得cudnn版本。

#define CUDNN\_MAJOR 7
#define CUDNN\_MINOR 4
#define CUDNN\_PATCHLEVEL 1

代表cudnn为7.4.1。

o、为什么按照你的环境配置后还是不能使用

问：up主，为什么我按照你的环境配置后还是不能使用？
答：请把你的GPU、CUDA、CUDNN、TF版本以及PYTORCH版本B站私聊告诉我。

p、其它问题

问：为什么提示TypeError: cat() got an unexpected keyword argument ‘axis’，Traceback (most recent call last)，AttributeError: ‘Tensor’ object has no attribute ‘bool’？
答：这是版本问题，建议使用torch1.2以上版本

其它有很多稀奇古怪的问题，很多是版本问题，建议按照我的视频教程安装Keras和tensorflow。比如装的是tensorflow2，就不用问我说为什么我没法运行Keras-yolo啥的。那是必然不行的。

3、目标检测库问题汇总（人脸检测和分类库也可参考）

a、shape不匹配问题。

1）、训练时shape不匹配问题。

问：up主，为什么运行train.py会提示shape不匹配啊？
答：在keras环境中，因为你训练的种类和原始的种类不同，网络结构会变化，所以最尾部的shape会有少量不匹配。

2）、预测时shape不匹配问题。

问：为什么我运行predict.py会提示我说shape不匹配呀。

i、copying a param with shape torch.Size([75, 704, 1, 1]) from checkpoint

在Pytorch里面是这样的：

ii、Shapes are [1,1,1024,75] and [255,1024,1,1]. for ‘Assign_360’ (op: ‘Assign’) with input shapes: [1,1,1024,75], [255,1024,1,1].

在Keras里面是这样的：

答：原因主要有仨：
1、训练的classes_path没改，就开始训练了。
2、训练的model_path没改。
3、训练的classes_path没改。
请检查清楚了！确定自己所用的model_path和classes_path是对应的！训练的时候用到的num_classes或者classes_path也需要检查！

b、显存不足问题（OOM、RuntimeError: CUDA out of memory）。

问：为什么我运行train.py下面的命令行闪的贼快，还提示OOM啥的？
答：这是在keras中出现的，爆显存了，可以改小batch_size，SSD的显存占用率是最小的，建议用SSD；
2G显存：SSD、YOLOV4-TINY
4G显存：YOLOV3
6G显存：YOLOV4、Retinanet、M2det、Efficientdet、Faster RCNN等
8G+显存：随便选吧。
需要注意的是，受到BatchNorm2d影响，batch_size不可为1，至少为2。

问：为什么提示 RuntimeError: CUDA out of memory. Tried to allocate 52.00 MiB (GPU 0; 15.90 GiB total capacity; 14.85 GiB already allocated; 51.88 MiB free; 15.07 GiB reserved in total by PyTorch)？
答：这是pytorch中出现的，爆显存了，同上。

问：为什么我显存都没利用，就直接爆显存了？
答：都爆显存了，自然就不利用了，模型没有开始训练。

c、为什么要进行冻结训练与解冻训练，不进行行吗？

问：为什么要冻结训练和解冻训练呀？
答：可以不进行，本质上是为了保证性能不足的同学的训练，如果电脑性能完全不够，可以将Freeze_Epoch和UnFreeze_Epoch设置成一样，只进行冻结训练。

同时这也是迁移学习的思想，因为神经网络主干特征提取部分所提取到的特征是通用的，我们冻结起来训练可以加快训练效率，也可以防止权值被破坏。
在冻结阶段，模型的主干被冻结了，特征提取网络不发生改变。占用的显存较小，仅对网络进行微调。
在解冻阶段，模型的主干不被冻结了，特征提取网络会发生改变。占用的显存较大，网络所有的参数都会发生改变。

d、我的LOSS好大啊，有问题吗？（我的LOSS好小啊，有问题吗？）

问：为什么我的网络不收敛啊，LOSS是XXXX。
答：不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，我的yolo代码都没有归一化，所以LOSS值看起来比较高，LOSS的值不重要，重要的是是否在变小，预测是否有效果。

e、为什么我训练出来的模型没有预测结果？

问：为什么我的训练效果不好？预测了没有框（框不准）。
答：
考虑几个问题：
1、目标信息问题，查看2007_train.txt文件是否有目标信息，没有的话请修改voc_annotation.py。
2、数据集问题，小于500的自行考虑增加数据集，同时测试不同的模型，确认数据集是好的。
3、是否解冻训练，如果数据集分布与常规画面差距过大需要进一步解冻训练，调整主干，加强特征提取能力。
4、网络问题，比如SSD不适合小目标，因为先验框固定了。
5、训练时长问题，有些同学只训练了几代表示没有效果，按默认参数训练完。
6、确认自己是否按照步骤去做了，如果比如voc_annotation.py里面的classes是否修改了等。
7、不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，LOSS的值不重要，重要的是是否收敛。
8、是否修改了网络的主干，如果修改了没有预训练权重，网络不容易收敛，自然效果不好。

f、为什么我计算出来的map是0？

问：为什么我的训练效果不好？没有map？
答：
首先尝试利用predict.py预测一下，如果有效果的话应该是get_map.py里面的classes_path设置错误。如果没有预测结果的话，解决方法同e问题，对下面几点进行检查：
1、目标信息问题，查看2007_train.txt文件是否有目标信息，没有的话请修改voc_annotation.py。
2、数据集问题，小于500的自行考虑增加数据集，同时测试不同的模型，确认数据集是好的。
3、是否解冻训练，如果数据集分布与常规画面差距过大需要进一步解冻训练，调整主干，加强特征提取能力。
4、网络问题，比如SSD不适合小目标，因为先验框固定了。
5、训练时长问题，有些同学只训练了几代表示没有效果，按默认参数训练完。
6、确认自己是否按照步骤去做了，如果比如voc_annotation.py里面的classes是否修改了等。
7、不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，LOSS的值不重要，重要的是是否收敛。
8、是否修改了网络的主干，如果修改了没有预训练权重，网络不容易收敛，自然效果不好。

g、gbk编码错误（‘gbk’ codec can’t decode byte）。

问：我怎么出现了gbk什么的编码错误啊：

UnicodeDecodeError: 'gbk' codec can't decode byte 0xa6 in position 446: illegal multibyte sequence

答：标签和路径不要使用中文，如果一定要使用中文，请注意处理的时候编码的问题，改成打开文件的encoding方式改为utf-8。

h、我的图片是xxx*xxx的分辨率的，可以用吗？

问：我的图片是xxx*xxx的分辨率的，可以用吗！
答：可以用，代码里面会自动进行resize与数据增强。

i、我想进行数据增强！怎么增强？

问：我想要进行数据增强！怎么做呢？
答：可以用，代码里面会自动进行resize与数据增强。

j、多GPU训练。

问：怎么进行多GPU训练？
答：pytorch的大多数代码可以直接使用gpu训练，keras的话直接百度就好了，实现并不复杂，我没有多卡没法详细测试，还需要各位同学自己努力了。

k、能不能训练灰度图？

问：能不能训练灰度图（预测灰度图）啊？
答：我的大多数库会将灰度图转化成RGB进行训练和预测，如果遇到代码不能训练或者预测灰度图的情况，可以尝试一下在get_random_data里面将Image.open后的结果转换成RGB，预测的时候也这样试试。（仅供参考）

l、断点续练问题。

问：我已经训练过几个世代了，能不能从这个基础上继续开始训练
答：可以，你在训练前，和载入预训练权重一样载入训练过的权重就行了。一般训练好的权重会保存在logs文件夹里面，将model_path修改成你要开始的权值的路径即可。

m、我要训练其它的数据集，预训练权重能不能用？

问：如果我要训练其它的数据集，预训练权重要怎么办啊？
答：数据的预训练权重对不同数据集是通用的，因为特征是通用的，预训练权重对于99%的情况都必须要用，不用的话权值太过随机，特征提取效果不明显，网络训练的结果也不会好。

n、网络如何从0开始训练？

问：我要怎么不使用预训练权重啊？
答：看一看注释、大多数代码是model_path = ‘’，Freeze_Train = Fasle，如果设置model_path无用，那么把载入预训练权重的代码注释了就行。

o、为什么从0开始训练效果这么差（修改了网络主干，效果不好怎么办）？

问：为什么我不使用预训练权重效果这么差啊？
答：因为随机初始化的权值不好，提取的特征不好，也就导致了模型训练的效果不好，voc07+12、coco+voc07+12效果都不一样，预训练权重还是非常重要的。

问：up，我修改了网络，预训练权重还能用吗？
答：修改了主干的话，如果不是用的现有的网络，基本上预训练权重是不能用的，要么就自己判断权值里卷积核的shape然后自己匹配，要么只能自己预训练去了；修改了后半部分的话，前半部分的主干部分的预训练权重还是可以用的，如果是pytorch代码的话，需要自己修改一下载入权值的方式，判断shape后载入，如果是keras代码，直接by_name=True,skip_mismatch=True即可。
权值匹配的方式可以参考如下：

# 加快模型训练的效率
print('Loading weights into state dict...')
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model_dict = model.state_dict()
pretrained_dict = torch.load(model_path, map_location=device)
a = {}
for k, v in pretrained_dict.items():
    try:    
        if np.shape(model_dict[k]) ==  np.shape(v):
            a[k]=v
    except:
        pass
model_dict.update(a)
model.load_state_dict(model_dict)
print('Finished!')

问：为什么从0开始训练效果这么差（我修改了网络主干，效果不好怎么办）？
答：一般来讲，网络从0开始的训练效果会很差，因为权值太过随机，特征提取效果不明显，因此非常、非常、非常不建议大家从0开始训练！如果一定要从0开始，可以了解imagenet数据集，首先训练分类模型，获得网络的主干部分权值，分类模型的 主干部分 和该模型通用，基于此进行训练。
网络修改了主干之后也是同样的问题，随机的权值效果很差。

问：怎么在模型上从0开始训练？
答：在算力不足与调参能力不足的情况下从0开始训练毫无意义。模型特征提取能力在随机初始化参数的情况下非常差。没有好的参数调节能力和算力，无法使得网络正常收敛。
如果一定要从0开始，那么训练的时候请注意几点：

• 不载入预训练权重。
• 不要进行冻结训练，注释冻结模型的代码。

问：为什么我不使用预训练权重效果这么差啊？
答：因为随机初始化的权值不好，提取的特征不好，也就导致了模型训练的效果不好，voc07+12、coco+voc07+12效果都不一样，预训练权重还是非常重要的。

p、你的权值都是哪里来的？

问：如果网络不能从0开始训练的话你的权值哪里来的？
答：有些权值是官方转换过来的，有些权值是自己训练出来的，我用到的主干的imagenet的权值都是官方的。

q、视频检测与摄像头检测

问：怎么用摄像头检测呀？
答：predict.py修改参数可以进行摄像头检测，也有视频详细解释了摄像头检测的思路。

问：怎么用视频检测呀？
答：同上

r、如何保存检测出的图片

问：检测完的图片怎么保存？
答：一般目标检测用的是Image，所以查询一下PIL库的Image如何进行保存。详细看看predict.py文件的注释。

问：怎么用视频保存呀？
答：详细看看predict.py文件的注释。

s、遍历问题

问：如何对一个文件夹的图片进行遍历？
答：一般使用os.listdir先找出文件夹里面的所有图片，然后根据predict.py文件里面的执行思路检测图片就行了，详细看看predict.py文件的注释。

问：如何对一个文件夹的图片进行遍历？并且保存。
答：遍历的话一般使用os.listdir先找出文件夹里面的所有图片，然后根据predict.py文件里面的执行思路检测图片就行了。保存的话一般目标检测用的是Image，所以查询一下PIL库的Image如何进行保存。如果有些库用的是cv2，那就是查一下cv2怎么保存图片。详细看看predict.py文件的注释。

t、路径问题（No such file or directory、StopIteration: [Errno 13] Permission denied: ‘XXXXXX’）

问：我怎么出现了这样的错误呀：

FileNotFoundError: 【Errno 2】 No such file or directory
StopIteration: [Errno 13] Permission denied: 'D:\\Study\\Collection\\Dataset\\VOC07+12+test\\VOCdevkit/VOC2007'
……………………………………
……………………………………



**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Linux运维工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Linux运维全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**
![img](https://img-blog.csdnimg.cn/img_convert/e19937fffa5366a56366f5b5ada80679.png)
![img](https://img-blog.csdnimg.cn/img_convert/c71caf836349ebb2a012c1b8d8a19d45.png)
![img](https://img-blog.csdnimg.cn/img_convert/d33932732080560dc6d5db8d4238d5c9.png)
![img](https://img-blog.csdnimg.cn/img_convert/89528588bde99d1827d529fcff28c5f7.png)
![img](https://img-blog.csdnimg.cn/img_convert/cdc07b0ca8eb974fe1920fed464f45cc.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Linux运维知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以添加VX：vip1024b （备注Linux运维获取）**
![img](https://img-blog.csdnimg.cn/img_convert/006231d5a66bc6d6d4c80577cf793878.jpeg)



### 最后的话

最近很多小伙伴找我要Linux学习资料，于是我翻箱倒柜，整理了一些优质资源，涵盖视频、电子书、PPT等共享给大家！

### 资料预览

给大家整理的视频资料：

![](https://img-blog.csdnimg.cn/img_convert/63b8b9468f19f5ce967f956021232022.png)

给大家整理的电子书资料：

  

![](https://img-blog.csdnimg.cn/img_convert/5a322378d822de9128fca1b03bf1f575.png)



**如果本文对你有帮助，欢迎点赞、收藏、转发给朋友，让我有持续创作的动力！**


**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
![img](https://img-blog.csdnimg.cn/img_convert/e63f9368d50c845b85e3ec84bace512f.jpeg)

有帮助，可以添加VX：vip1024b （备注Linux运维获取）**
[外链图片转存中...(img-P4IEJp3C-1712639856277)]



### 最后的话

最近很多小伙伴找我要Linux学习资料，于是我翻箱倒柜，整理了一些优质资源，涵盖视频、电子书、PPT等共享给大家！

### 资料预览

给大家整理的视频资料：

[外链图片转存中...(img-SHL0cGbm-1712639856277)]

给大家整理的电子书资料：

  

[外链图片转存中...(img-Ug0d4Icg-1712639856277)]



**如果本文对你有帮助，欢迎点赞、收藏、转发给朋友，让我有持续创作的动力！**


**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
[外链图片转存中...(img-bgCAOHSg-1712639856277)]