ZwaterZ的博客

本人新手菜鸡，文章为自己遇到问题的记录，如有错误或不足还请大佬批评指正。

暂时没有找到什么更好方法（不用.js的），只能用css的方法显示，如果大佬有什么更好更便捷的实现方式，欢迎讨论指出。

该文章为本菜鸡学习记录，如有错误还请大佬指教本人刚开始接触vue框架，在使用element-plus组件想实现树形控件，发现官网的组件示例没有图标区分显示。

这个是因为没有将requires_grad设为True，l=LOSS（out，label）中的l默认是requires_grad为false，这个l其实也是一个张量Tensor类型，将其的requires_grad改为True后，使用backward函数就可以得到requires_grad为True的所有参数的梯度。在loss.backward()之前添加loss.requires_grad_()...

with是python中上下文管理器，简单理解，当要进行固定的进入，返回操作时，可以将对应需要的操作，放在with所需要的语句中。比如文件的写入（需要打开关闭文件）等。以下为一个文件写入使用with的例子。后部分，可以将with后的语句运行，将其返回结果给到as后的变量（sh），之后的代码块对close进行操作。...

在神经网络优化器中，主要为了优化我们的神经网络，使神经网络在我们的训练过程中快起来，节省时间。在pytorch中提供了torch.optim方法优化我们的神经网络，torch.optim是实现各种优化算法的包。最常用的方法都已经支持，接口很常规，所以以后也可以很容易地集成更复杂的方法。要使用torch.optim，你必须构造一个optimizer对象，这个对象能保存当前的参数状态并且基于计算梯度进行更新。...

今天在安装audtorch使用pip install audtorch进行安装时，报错：ERROR: Cannot uninstall ‘packaging’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.【万能语法】如果以后遇到ERROR: Cannot un

    在实践中，由于数据集不够大，很少有人从头开始训练网络。常见的做法是使用预训练的网络（例如在ImageNet上训练的分类1000类的网络）来重新fine-tuning（也叫微调），或者当做特征提取器。以下是常见的两类迁移学习场景：1 卷积网络当做特征提取器。使用在ImageNet上预训练的网络，去掉最后的全连接层，剩余部分当做特征提取器（例如AlexNet在最后分类器前，是4096维的特征向量）。这样提取的特征叫做CNN codes。得到这样的特征后，可以使用线性分类器（Liner SVM、Softm

在pytorch中，即使是有GPU的机器，它也不会自动使用GPU，而是需要在程序中显示指定。调用model.cuda()，可以将模型加载到GPU上去。启用 BatchNormalization 和 Dropout不启用 BatchNormalization 和 DropoutPyTorch进行训练和测试时一定注意要把实例化的model指定train/evaleval()时，框架会自动把 BN 和 DropOut 固定住，不会取平均，而是用训练好的值，不然的话，一旦test的batch_size过小，很容易

导入torchvision出现：AttributeError: module ‘torch.jit’ has no attribute 'unused’错误报错截图：网上查找资料得，错误原因说由于torch和torchvision的 版本导致的该错误。加载对应的pytorch和torchvision本人使用torch== 1.14.0，需加载torchvision== 0.5.0...

1、双击安装包中ArcGIS10.2文件下的ESRI应用程序（图1）,进入ArcGIS for Desktop窗口；2.选择ArcGIS License Manager，单击Setup进行安装（图2）；3、点击Next；选择I acceptthe license agreement,单击Next4、选择默认安装位置或是自定义安装位置，单击Next；单击Install进行安装，安装完成后点击Finish； 生成“ArcGIS License Server Administrator -10.2”

2.原因：查询相关资料发现，Yaml 5.1版本后就舍弃了 yaml.load(file) 这个用法。Yaml 5.1版本之后为使得load函数的安全性得以提高，就修改了需要指定Loader，通过默认加载​​器（FullLoader）禁止执行任意函数。有三种解决办法（三选一即可）：4.实例：

网络中断后，使用screen -r **(id)重新进行连接程序界面时出现There is no screen to be resumed matching错误。之前的screen还处于打开状态（同一个screen不能打开多次），所以无法再次打开。错误如下：首先在终端输入screen -d **(id)先退出，等断开连接后再输入screen -r **(id)重新进行连接

python pip报错：Could not fetch URL…这里使用的是python3.6。安装tensorboardX时报错Could not fetch URL…（忘记截图了TAT）这时可以考虑用国内的镜像源来加速，方式如下：pip install tensorboardX -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com然后就超速加载好了！！这里的tensorboardX换成自己想要加载的库就可以了

AttributeError: module ‘pip’ has no attribute 'main’问题解决方法环境信息：python3.6.5 (64位)、pip10.0.1错误原因：由于pip 10版本中没有main()，解决方法：降级pip的版本提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。...

此文章为菜鸡学习记录，如有错误不足，还请大佬指正文章目录一、引入同一目录下的py文件二、引入不同目录下的文件1、 调用子目录下的文件2、导入上级目录下的文件关于 _ _ init_ _.py在写python程序的时候，经常会用到引用其他的.py文件，如何使用import进行引入，下面将进行介绍：一、引入同一目录下的py文件如下图，main.py和deeplabv2.py在同一个文件夹内-|model -|deeplabv2.py -|main.py如果想在main.py文件内引入d.

本文为菜鸡学习记录，如果错误还请1.打包python环境首先查看到需要打包的环境文件的所在位置：conda env list进入到文件夹所在位置后，进行打包操作2.将压缩后的文件传输到所需要的服务器中这里我是有两台linux服务器，我自己使用的是windows平台，使用xftp先从第一个服务器上把压缩包传输到windows上，然后再传输到另一个服务器的conda下的envs目录下。3.解压缩.tar.bz2 :创建文件：py36，因为我们是要将压缩文件解压到py36中，这个创建的.

最近阅读了一篇论文，介绍了一个语义分割中比较小众的研究方向——域自适应（Unsupervised Domain Adaptation，UDA）。小众并不意味着不重要，相反，语义分割中域自适应是一个很有意义的研究，尤其是在遥感图像处理领域。文章为2018年CVPR中的一篇经典文章，较少了语义分割UDA几大研究领域中的一个方向——基于对抗学习的UDA。论文地址：https://arxiv.org/abs/1802.10349代码地址：https://github.com/wasidennis/Adapt.

今天在看文献的时候看到Ground Truth这个词汇，不是很理解其中的含义，看到一篇大佬的文章，醍醐灌顶，以此记录分享一下。版权声明：本文为CSDN博主「敲代码的quant」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/FrankieHello/article/details/80486167在看英文文献的时候，经常会看到Ground Truth这个词汇，翻译的意思是地面实况，放到机器学习里面，再抽象点可以.

版权声明：本文为CSDN博主「意念回复」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/weixin_39910711/article/details/123610198版权声明：本文为CSDN博主「bashendixie5」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/bashendixie5/article/detail.