2.26学习报错

一、gpu切换到cpu来训练

要在CPU上训练模型，以下是一些可能需要修改的地方：

1. 模型加载到CPU：（train.py)

2. 数据加载到CPU：

在使用DataLoader时，通常不需要特别修改，因为它会自动处理数据加载到当前设备（CPU或GPU）。

1.修该train文件添加设备1：

2.确保你将 device 作为参数传递给 train_one_epoch 函数（以及任何其他需要知道运行设备的函数）

在 model.py 中修改 train_one_epoch 函数的定义,，添加device

最后，在 model.py 中的 train_one_epoch 函数里，使用 .to(device) 替换 .cuda()：

3. 检查点和模型权重加载：

当从检查点加载模型状态字典或权重时，确保使用.cpu()。例如，如果有代码加载预训练权重到模型，确保它们被加载到CPU上，如下所示：

​​        checkpoint = torch.load(resume_model, map_location=torch.device('cpu'))
        model.load_state_dict(checkpoint['model_state_dict'])

4. 移除或修改CUDA相关的代码：

如果代码中有特定于CUDA的操作（如torch.cuda.empty_cache()），在CPU模式下注释掉

5. 环境变量设置：

移除或注释掉设置CUDA_VISIBLE_DEVICES的代码行，因为在使用CPU时不需要。

二、__init__.py的作用：

__init__.py 文件是 Python 包的一个特殊文件，它的存在告诉 Python 解释器这个目录应该被视为一个包，而不仅仅是一个普通的目录。这个文件可以为空，也可以包含 Python 代码，用于初始化包的状态。在你的情况下，datasets 包含 __init__.py 文件.和dataset.py 的目录。这意味着你可以在其他 Python 文件中使用dataset文件中的某类：from datasets.dataset import ....（类名），文件结构：

my_project/
    datasets/
        __init__.py
        dataset.py
    train.py

三、路径字符串的拼接问题

os.path.join()与os.listdir()使用的区别：

1.train.py

2.dataset.py

两种方法，都可以学习，看哪种方便

四、使用pdb来debug

import pdb
pdb.set_trace()
print("打印的a", a)