不屈不挠的拉普

感谢知乎作者 https://www.zhihu.com/question/67209417/answer/866488638在使用DDP进行单机多卡分布式训练时，出现了在加载预训练权重时显存不够的现象，但是相同的代码单机单卡运行并不会出现问题，后来发现是在多卡训练时，额外出现了3个进程同时占用了0卡的部分显存导致的，而这3个进程正是另外3张卡load进来的数据，默认这些数据被放在了0卡上。解决的方法是把load进来的数据放在cpu（也就是内存）里。# 原来代码，load进的数据放在gpu里# pre

问题描述git clone 非常慢或者根本链接不上git clone https://github.com/XXXXXX/YYYYYYYY.git解决方案访问GitHub镜像网站git clone https://github.com.cnpmjs.org/XXXXXX/YYYYYYYY.git缺点：每次都要在github.com后面加.cnpmjs.org缺点弥补方案： 编写alias命令将输入的https://github.com/XXXXXX/YYYYYYYY.git自动替换成git

具体问题在pykeops.common.gpu_utils的函数get_gpu_number()中 libnames = ("libcuda.so", "libcuda.dylib", "cuda.dll") for libname in libnames: try: cuda = ctypes.CDLL(libname) except OSError: continue else:

假设服务器ip为123.456.789.123，服务器上tensorboard记录文件地址在/home/xxx/code/projectA/logs/tensorboard服务器端tensorboard --logdir=/home/xxx/code/projectA/logs/tensorboard --host=123.456.789.123输入后得到结果TensorBoard x.x.x at https://123.456.789.123:6006/(Press CTRL+C to qui

学校服务器联网要curl，但是服务器curl没装，没网又没法apt在线安装curl（首选）sudo apt install curl离线安装curl从这里下载curl源码curl-7.75.0.tar.gz解压./configure --prefix=/home/xxx/software/curl-7.75.0make -j8make installvim ~/.profile在.profile中添加PATH=/home/xxx/software/curl-7.75.0/bin:{PA

最近在服务器上用torchpack时遇到Could not resolve hostname XXXXX: Name or service not known问题。网上大部分解决方法是将XXXXX添加到/etc/hosts里，但是我没有ROOT权限改不了。通过查阅资料，我发现这个问题大部分是由于使用了系统内有多个版本的openmpi，然后使用了旧版的openmpi。通过使用mpirun --version我发现系统默认使用的openmpi的版本是1.10.2，这个openmpi在/usr/local/bi

最近要用到sklearn.neighbor.KDTree，它有一个attribute是data是指构造KDTree数据的memoryview。简单使用后发现memoryview有点像C里的指针import numpy as npfrom sklearn.neighbors import KDTreefrom time import timeif __name__ == '__main__': pts = np.random.randn(10, 3) print("pts:", pt

如何忽略某个文件夹下的指定文件参考链接FILES := $(wildcard $(PATH)/src/*.cc) # 获取文件夹下的所有文件SRC_FILES += $(filter-out $(PATH)/src/a.cc $(PATH)/src/b.cc, $(FILES)) # 使用filter-out过滤a.cc/b.cc如何包含指定头文件# 相对路径是以makefile所在文件夹为起点的-I "$(include_dir_path)/a.h" # 包含include_dir_path

解决方案来自这里。运行环境Ubuntu 18.04Python 3.7、Pytorch 1.8(Nightly)CUDA 10.1错误maskrcnn_benchmark/csrc/cuda/deform_pool_cuda.cu(42): error: identifier "AT_CHECK" is undefinedmaskrcnn_benchmark/csrc/cuda/deform_pool_cuda.cu(68): error: identifier "AT_CHECK" is

一、自信息在信息论中，是指与概率空间中的单一事件或者离散随机变量的值相关的信息量的量度。简而言之，就是一个事件发生时传达出的信息量。

从交叉熵（CrossEntropy）到交叉熵损失函数（CrossEntropy Loss）所谓交叉熵，这篇文章《什么是交叉熵》讲的很明白。设X是预测分布，Y是真实分布，交叉熵H(X, Y)的表达式为：H(X,Y)=−∑iY[i]log⁡X[i] H(X,Y)=-\sum_i Y[i]\log X[i] H(X,Y)=−i∑​Y[i]logX[i]其中logloglog表示自然对数，以eee为底数，不是10为底数。再看到Pytorch Document中对交叉熵损失函数的描述为：loss(X,cla

Git使用方法读研了还不会用git，实属不方便。简单记录一下。Git仓库结构工作目录 <-> 暂存区 <-> 本地仓库 <-> 远程仓库在工作目录不在暂存区的文件为未跟踪的文件(untracked files)，在暂存区不在本地仓库的文件为未staged文件(unstaged files)，在本地仓库不在远程仓库的文件为未提交文件(uncommited files)工作流程工作目录->暂存区git add [ param] < filename&

np.indices函数使用方法官方文档中说明，np.indices函数的作用是返回一个代表网格中所有序号的矩阵。具体而言，import numpy as np# 定义矩阵A和BA = np.random.randint(0,100,(2,3))B = np.random.randint(0,100,(2,3,4))# A.shape为(2,3)是一个二维矩阵,因此idx_A.shape为(2,2,3),因为A中每个元素需要2个序号指示位置#同理B.shape为(2,3,4)是一个三维矩阵,

LPD-Net学习笔记LPD-Net指 LPD-Net: 3D Point Cloud Learning for Large-Scale Place Recognition and Environment Analysis 文中所指LPD-Net。本文主要依据网络结构图简单解释每个模块的作用。Adaptive Local Feature Extraction文中提到大尺度场景点云中每个点局部分布是不均匀的（可以理解为有的地方点密集、有的地方点稀疏）因此在使用KNN构建邻域图时需要自适应的选择K值，

Pytorch中nn.Conv2d数据计算模拟最近在研究dgcnn网络的源码，其网络架构部分使用的是nn.Conv2d模块。在Pytorch的官方文档中，nn.Conv2d的输入数据为(B, Cin, W, H) 其中B为batch_size表示batch的大小，Cin为输入数据的特征大小（通道数），W、H对于图像数据来说分别表示图像数据的宽和高。输出数据为(B, Cout, W', H')其中...

POJ 1088 滑雪描述Michael喜欢滑雪百这并不奇怪， 因为滑雪的确很刺激。可是为了获得速度，滑的区域必须向下倾斜，而且当你滑到坡底，你不得不再次走上坡或者等待升降机来载你。Michael想知道载一个区域中最长的滑坡。区域由一个二维数组给出。数组的每个数字代表点的高度。下面是一个例子 1 2 3 4 516 17 18 19 615 24 25 20 714 23 22 ...

POJ 1083 Moving TablesThe famous ACM (Advanced Computer Maker) Company has rented a floor of a building whose shape is in the following figure.The floor has 200 rooms each on the north side and sout...

POJ 1050 To the Max描述Given a two-dimensional array of positive and negative integers, a sub-rectangle is any contiguous sub-array of size 1*1 or greater located within the whole array. The sum of a ...

1018 Communication System描述We have received an order from Pizoor Communications Inc. for a special communication system. The system consists of several devices. For each device, we are free to choos...

1033 To Fill or Not to Fill （25 分)With highways available, driving a car from Hangzhou to any other city is easy. But since the tank capacity of a car is limited, we have to find gas stations on the ...