【Started cancel waiting for multipath siblings of nvme0n1】完整解决方案记录(AlmaLinux+UltraISO)

前言

又忘记了关闭自动更新,果不其然驱动还是掉了。行吧,全部重来。这次没那么顺利,记录一下。

制作启动盘

无论什么系统,先做个启动盘先。

我们可以去官方网站阅读一下如何下载,没有墙,点击直接访问

安装什么

官方提供了 3 3 3个版本,也简要说明了每个版本的内容:

DVD - effortless installation with all packages included, no additional repositories required.

Boot - a single network installation CD image that downloads packages over the Internet.

Minimal - a minimal self-containing DVD image that makes possible offline installation.

可以理解为:

DVD = AlmaLinux Ultra Pro Max Plus,里面应有尽有,准备好安装的时候也有相当丰富的使用场景供你选择,每种场景也提供丰富的软件支持,包你用得安心。

Boot = AlmaLinux标准版,具备一定数量的软件支持,而且可以联网下载。如果你的网速足够好,并且你完成配置开始安装之后还有些别的事情要离开一下,那选这款没啥问题,够用。

Minimal = AlmaLinux青春版,什么都没有,一个清清爽爽的黑色框框。有一种刚进入Minecraft世界需要徒手撸树的感觉。

这里我也为了省心,就直接DVD了。

至于版本,这其实也没什么好纠结的。

截止这篇文章编写的当天,AlmaLinux的最新版本是 9.3 9.3 9.3

如果你是一个激进的社区贡献者,直接上最新的,天天提Issue,日日交PR,年年在各大论坛中疯狂刷存在感。

如果你需要CUDA支持,那么你的选择实际上只能依据一的CUDA依赖酌情选择。如果没有前辈的代码,自己是盘古一样开天辟地的人物,那就直接上次新的就可以了。比如现在最新的是 9.3 9.3 9.3,你可以选 9.2 9.2 9.2,也可以选 8.9 8.9 8.9,都可以的。而如果有前辈的代码,只需要问前辈用的什么版本就可以了,并不需要费尽心思找这个代码的最高兼容版本与最低兼容版本。

下面我将用AlmaLinux 9.2 9.2 9.2版本为例进行说明。

去哪安装

官方当然会给安装链接的。这一页清晰地写明了AlmaLinux 8 8 8 9 9 9的最新版本下载链接。网速不好也没关系,官方也很贴心的准备了各种位置的镜像,并且将当前版本的所有镜像站放在了一起。比如, 9.3 9.3 9.3的所有镜像站全都放在了这一页

如果你明确知道你想要什么版本,直接将链接最后的9.3.html修改为${version}.html就好了。

怎么安装

其实,安装挺难的。最难的并不是如何理解,而是作为新手真的很难准确描述到底是什么问题。哪怕你有点经验,懂得直接拿报错信息去百度、去谷歌,也不一定能够找到简单的答案。使用grub手动引导的大有人在,结果照着做全都是command not found

这里,本人尝试过CentosAlmaLinux,所以我大致认为RHEL的系统都有一个通用的解法。接下来将讲解怎么做。

先准备一个20元包邮的U盘

不需要性能很好的,只需要一个简单的U盘就行了。但是至少需要 16 G 16\text{G} 16G空间。以后可能会更高,因为现在 9.3 9.3 9.3iso文件已经超过 10 10 10 G \text{G} G了。

准备一个写入硬盘映像的软件

这里选择非常广泛。

我个人首选YUMI,因为这可以说是Windows系统中专门为了Linux启动U盘制作过程设计的软件了。虽然官方说能写入好几个Linux,甚至能同时写入Windows,但是测试下来启动并不顺利,Windows显示写入成功但是无法识别;多个Linux同时写入的效果有点看运气,大部分成功,少部分失败。也不确定是不是我的操作有点问题。

总之,目前YUMILinux上表现相当优秀,相当适合作为首选。

老毛桃这些就没有尝试过了,这些ghost系统没有仔细研究过。

当然,如果需要具备更强的广泛性,UltraISO确实值得考虑,也是一个相当老牌的制作软件了。但是呢,这里面有一个很坑爹的点。

UltraISO世界级坑爹的11个字

在制作镜像的时候,我们可能从来没有关注过镜像到底叫什么,因为我们只关心里面的内容。

当我制作出这样一个启动盘的时候,出现的文字是AlmaLinux-9。看起来没有什么问题。

当我使用这个U盘的时候,选择Install AlmaLinux 9.2,但是卡死在了这个地方:

启动失败

如果搜索这个问题:Started cancel waiting for multipath siblings of nvme0n1,你会发现这个问题基本没有什么解。

即使很多教程都说能够进入rescue模式,但我现在这个卡死在这里也能等来一堆timeout报错,而不会进入rescue。当然,也可以进入grub模式,但是除了ls展现有什么盘,除了使用set指定root盘符、指定内核,也没什么别的可以使用的了。cd是没有的,ls是不能加参数的。

可以说是完全不是这回事了。

一来盘符是看不到的,二来引导是没有的。简直就是孤儿。

就真没有什么解法了吗?就真的一点办法都没有了吗?

突然,你在Install AlmaLinux 9.2上按下e,跳转到了编辑模式,于是你发现了这些:

U盘启动

于是你发现,这里有一段文字:

inst.stage2=hd:LABEL=AlmaLinux-9-2-x86_64-dvd quiet

而你的U盘只有AlmaLinux-9。想起来了吗?

后来发现真的有人发现了这个问题:博客园里找到的答案

也就是说,在使用UltraISO制作完镜像后,U盘被自动命名的这个名字,就是我们需要的东西。而这个名字,就是被 11 11 11个字的限制给卡的死死的结果。

于是,修改为这样:

inst.stage2=hd:LABEL=AlmaLinux-9 quiet

成功启动。

### 回答1: Action-net是一种用于动作识别的多路径激励模型。它通过同时考虑多个视角和多个时间尺度的信息,提高了动作识别的准确性。模型的核心是一个多路径卷积神经网络,它可以从不同的视角和时间尺度提取特征。此外,模型还使用了一种新的激励机制,可以增强不同路径之间的信息交互,从而进一步提高了准确性。 ### 回答2: Action-Net是一个用于动作识别的多路径激发(Multipath Excitation)模型。动作识别是计算机视觉领域的一个重要任务,旨在从视频中自动识别和分类不同的动作。Action-Net通过采用多路径激发方法,提高了动作识别的准确性和性能。 多路径激发是一种模型设计技术,通过在网络架构中引入多个并行路径,每个路径分别学习不同的特征表示进行动作识别。这样的设计可以捕获到不同级别、不同尺度和不同分辨率的特征信息,提供更加全面准确的动作表示。 Action-Net利用了深度神经网络的强大表达能力,将视频输入分为多个时间段或空间尺度,并在每个时间段或空间尺度上构建不同的网络路径。每个路径在不同的时间尺度或空间分辨率上学习不同的特征表示,这些特征表示可以捕捉到动作的关键信息。 通过引入多路径激发机制,Action-Net可以同时学习到描述全局结构和细节特征的表示。此外,多路径激发还可以减轻网络在学习过程中的过拟合问题,提高了模型的泛化能力。 在实验中,Action-Net在各种动作识别任务上取得了优秀的性能。与传统的单一路径模型相比,Action-Net的准确性有了显著提升。多路径激发不仅可以用于动作识别,还可以应用于其他计算机视觉任务,如目标检测和图像分割。 综上所述,Action-Net是一种基于多路径激发的动作识别模型,通过引入多个并行路径学习不同的特征表示,提高了动作识别的准确性和性能。它具有较强的表达能力和泛化能力,在计算机视觉任务中有着广泛的应用前景。 ### 回答3: "action-net: multipath excitation for action recognition"是一种用于行为识别的多路径激励模型。 行为识别是计算机视觉中的一项重要任务,它旨在通过分析视频或图像序列来识别和理解人类的动作或行为。为了更好地解决这个问题,研究人员提出了许多方法,其中一个方法就是使用深度神经网络。 "action-net: multipath excitation for action recognition"是一种基于深度神经网络的模型,它通过多路径激励的方式来增强行为识别的性能。多路径激励是指通过引入多个并行的路径,每个路径都具有不同的特征提取能力,以捕捉不同方面的行为特征。 在"action-net"模型中,每个路径都是一个独立的卷积神经网络,这些网络在不同尺度和层次上进行特征提取。每个网络都通过激励机制来增强其对特定行为特征的敏感性。这种激励机制可以使网络在学习时集中注意力于关键的特征,提高行为识别的准确性。 通过多个路径的组合,"action-net"模型能够充分利用不同尺度和层次的特征信息,增强行为识别的鲁棒性和泛化能力。此外,多路径激励还能够有效地缓解过拟合问题,提高模型的泛化能力。 总之,"action-net: multipath excitation for action recognition"是一种基于深度神经网络的行为识别模型,通过多路径激励的方式有效地提高了行为识别的性能。它能够捕捉不同尺度和层次的行为特征,提高模型的鲁棒性和泛化能力。
评论 1
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

打赏作者

ordinary_brony

代码滞销,救救码农

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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