租服务器 autodl 复现论文代码出现奇怪错误，环境配置慢，网速慢 解决办法

已于 2024-07-21 21:07:03 修改
阅读量238 收藏
点赞数 1
文章标签： 人工智能
于 2024-07-21 15:55:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_74099353/article/details/140589349
版权

可以开手机热点用流量，一定要用5g的信号，流量不够可以去app（例如中国移动）参加活动领取流量包，也可以买加油包（例如10元10g十天）

多次执行命令尝试，可能有时候网络异常没配好，有时候网突然正常了，就好了。

纯牛马，唉

以上仅限于上传文件

服务器用的是服务器的网络，和我们的网络无关。。。。

m0_74099353
关注
解决从Github上下载项目失败或速度太慢的问题（亲试可用）
qq_42756994的博客
10-20 1700
参考链接：https://blog.csdn.net/weixin_38500202/article/details/89293938 把github中的项目导入到码云，然后通过码云进行下载。具体步骤如下 1.创建码云账号https://gitee.com，并关联github账号 2.在github上面将要下载的项目fork，然后在码云中从github导入仓库 3...
解决AutoDL中使用公用网盘AutoPanel传输大容量数据时较慢的问题
m0_53698027的博客
04-22 2777
注：作者亲测下载压缩包时速度非常快（2.9G的压缩包，三分钟下载完成，解压不超过两分钟），但下载整个数据集文件夹时非常慢（3.2G的文件耗时近三个小时），而且可能存在上传不完整的情况，但也不排除，有人非常顺利就能下载整个文件夹的情况，所以，此篇文章是为了给在按照官方操作文档进行下载，速度较慢时的另一种解决方案，缺点是步骤稍微繁琐一点。这样数据集就下载到实例中了。
autodl 网盘下载transformers内置包很慢解决办法
01-29 1486
autodl 网盘下载transformers内置包很慢解决办法
解决Huggingface被墙下载模型的问题
weixin_43303286的博客
11-10 7296
参考：如何快速下载huggingface模型——全方法总结 - padeoe的文章 - 知乎最近几月huggingface彻底无法访问，之前下载模型都是开梯子自己下载到本地再上传到服务器，这样实在比较麻烦，因此查资料之后得到解决方案：使用huggingface镜像站。
使用screen窗口在Autodl服务器训练网络
chensen99的博客
10-05 3724
使用screen窗口在Autodl服务器训练网络
autoDL实践经验------1
热门推荐
Jormungand123的博客
04-02 1万+
总结一下实际使用autoDL的经验： 提一嘴：跑的还是之前博客里的yolov3。 1、应保留预训练权重文件，但训练后的权值文件不用上传，因为太费时间。 2、昨日步骤：首先登陆filezilla然后把数据集和python文件上传上去，然后在vscode上登陆，安装所要依赖pip install -r requirements.txt（ubuntu下依旧可以用pip），再把数据集放到VOCdevkit下，其实放别的地方也行，可以改路径的，但一定要注意统一格式VOC2007下Annotations、JPEG
关于云服务器--autodl
zhaogang12138的博客
04-20 2695
https://blog.csdn.net/qq_45717425/article/details/122639288 AutoDL是一个国内的GPU租用平台，最近使用了一下，体验感还是很nice的，所以写了篇博客来介绍一下该平台的具体使用方式，也可以当做一个教程来学习_ 网址：AutoDL-品质GPU租用平台-租GPU就上AutoDL 一、进入平台页面 可以看到下面罗列出了各种GPU的租用价格，还算是比较亲民的。 二、创建实例 1.注册登录后进入控制台（页面右上角），点击“我的实例”，选择“租用新实例”：
复现代码，环境配置（DEA-Net为例，autodl平台）
qq_44185614的博客
06-09 446
然后再进入到pytorch环境中，安装torchvision.），在base下面激活pytorch和python环境，然后进入pytorch框架里面去安装所需要的库。(这里也会出现上面第二步的错误，解决方法一样。（三）第二条指令，进入pytorch环境(pytorch_1_10)进入DEA-Net目录下面(表明在项目里面去建立相应的环境）（四）安装库（全部一起安装可能会出错，采用逐个安装）（一）打开终端，输入conda init ，创建。5、根据运行报错去安装所缺少的库。4、安装所需要的库；
【复现代码——环境配置】
闪闪发光的博客
04-23 1506
目前解决的问题是用 PyTorch 1.7.0，Pytorch 1.10.1 也可以。使用label=torch.argmax(label, dim=1) ，其中dim=1表示通道维度，亲测有效！以上的环境是必须要按照作者要求的安装，如果换其他的版本，就可能会出错。这里可选择conda安装，也可以pip安装，我一般选择pip 安装，conda 安装有时候不成功。安装PyTorch必须找到对应的cuda，所以先查看自己的服务器CUDA。以上，安装完代码需要的所有依赖，就可以训练或是测试了。
pycharm连接autodl服务器（yolov8训练自己的数据集）
02-16
### PyCharm 连接 AutoDL 服务器进行 YOLOv8 训练知识点详解 #### 一、PyCharm 环境配置与管理 **1. 创建并激活 Python 环境** - 使用 `conda` 工具创建一个新的 Python 环境： ```bash conda create -n env-...
远程GPU服务器Autodl搭建Pytorch环境
m0_51626061的博客
07-12 2598
远程GPU服务器Autodl搭建Pytorch环境
[论文精读]AI-Guardian: Defeating Adversarial Attacks using Backdoors
m0_52911108的博客
09-27 1245
本文提出了AI-Guardian框架，本质是让模型预测结果受到后门控制，而很难被攻击者操纵，从而抵御对抗攻击。在模型训练阶段，AI-Guardian会针对原始训练样本生成一批后门样本（经过后门处理的样本），按标签双射关系为后门样本分配对应标签，实现后门注入；在模型预测阶段，AI-Guardian先对输入数据进行后门处理，然后将其输入到模型，根据模型输出结果、标签双射关系返回对输入数据真实标签的预测结果。
Linux嵌入式有发展吗，以及对uboot，kernel，rootfs的领悟
最新发布
rjszcb的博客
09-30 514
上一份工作是2022,11—2023，11年底，汽车公司，底层修修改改，编译镜像，修改后，客户给东西，重新编译给他，客制化配置启动参数，环境，支持应用部门，不懂怎么使用某些驱动。uboot到底是干嘛的，想想，emmc的镜像文件是怎么被读到ddr的，emmc为啥可以被分区，烧录镜像，tftp网络命令为啥可以运行，启动设备时，为啥lcd可以看到图像，kernel还没启动，怎么出图像的。不管做应用开发，驱动开发也好，知道，系统原理，驱动框架，进程管理调度，内核竞争，信号，中断，锁，这些就够了。
Python精选200Tips：171-175
AnFany
09-26 1322
Python深度学习的项目
numpy is not available
xfsong2012的博客
09-27 416
在测试第一个程序的时候，出现Numpy is not available的错误，根据。安装的时候，安装的是最新版的numpy，检查numpy的版本为2.1.1版。我的pytorch版本为1.12.1，选择不高于1.21的版本即可。的办法知道是因为numpy与pytorch版本不一致造成的。2、安装需要的numpy版本，比如1.21版。
持续学习与创新能力的双重提升
thinkers
09-25 564
  ---
python 实现linear discriminant analysis线性判别分析算法
luthane的博客
09-26 522
线性判别分析（Linear Discriminant Analysis，简称LDA）是一种用于降维和分类的监督学习算法。它通过最大化类间散度和最小化类内散度来找到最佳投影方向，使得不同类别的数据在新的空间中尽可能分开，同一类别的数据尽可能靠近。LDA的基本思想LDA的基本思想是将多维数据映射到低维空间，同时保留数据之间的类别差异。具体来说，LDA通过计算类内散度矩阵（描述同一类别内部数据的分布情况）和类间散度矩阵（描述不同类别之间的差异），然后求解这两个矩阵的广义特征值问题，找到最佳的投影方向。
PyCharm配置Autodl服务器，自定义Yolov8环境与文件管理
本篇教程介绍了如何在PyCharm中配置并连接Autodl服务器进行Yolov8模型的训练，主要步骤涉及创建和管理Python环境、设置SSH连接以及配置终端解释器。 1. 创建和管理Python环境 - 使用Conda创建新的Python环境：`...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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