编码过程中的一些问题解决方法记录

这篇博客记录了在编码过程中遇到的一些PyTorch和深度学习相关的问题,包括UnicodeDecodeError、ImportError与Git环境配置、NVIDIA驱动过旧、多GPU训练错误以及F.cross_entropy函数的理解。通过具体的错误信息和解决办法,帮助读者解决类似问题。
摘要由CSDN通过智能技术生成

1. UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x99 in position 10856: illegal multibyte sequence

在安装sacred时出错,依照官网教程,pip install sacred,出现此错误。
解决方法:找到报错所在的.py代码,一般是open文件的地方出错,将open的打开编码方式改为:encoding=‘utf-8’ 即可。这是我目前找到的最简单的方法,安装完再恢复源码。
参考答案:https://www.cnblogs.com/legoxz/p/8511542.html

2. ImportError: Failed to initialize: Bad git executable.

在import sacred的时候报出错。开始以为是windows上没有Git,安装Git之后依旧报错。原因应该是sacred独立模块依赖于Git,在import sacred之前,加入这样一句代码:
os.environ[“GIT_PYTHON_REFRESH”] = “quiet”
问题得到解决,参考答案:

  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。  本课程的YOLOv5使用ultralytics/yolov5,在Windows和Ubuntu系统上分别做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集(自动划分训练集和验证集)、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外,本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284  
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值