挪威的深林的博客

【代码】[error] Unable to find either executable ‘empy‘ or Python module ‘em‘... try。

命令显示使用的是CUDA 11.8编译器。这种不一致可能导致运行时出现问题，因为库和编译器版本不匹配。提供的输出信息来看，系统上安装了CUDA 10.1相关的包，但。如果你不再需要CUDA 10.1，可以卸载它以避免冲突。

这里提供了两种常见的CUDA安装方法的卸载指南：通过包管理器（如APT）和通过运行时安装（直接下载的.run文件）。你可以用它来列出系统中已缓存的共享库，并检查CUDA库是否包含在其中。确保你的环境变量设置正确，指向CUDA库的路径。如果你知道CUDA的安装目录，可以直接在该目录下查找。文件中添加了CUDA的路径，需要将这些设置移除。如果你想确保系统全局的共享库路径设置，可以编辑。首先找到你安装的CUDA版本的路径，通常位于。替换为实际安装的CUDA版本号，例如。并添加CUDA库路径，然后运行。

_call__

函数是 Python 中处理文件和目录路径的非常重要和常用的方法。它可以自动处理不同操作系统之间在路径分隔符方面的差异，从而使代码更加可移植和易于维护。下面我将详细解释每个用法，并提供示例代码。

想象你手头有一本非常厚的食谱书，这本书里面收集了来自世界各地的菜肴配方。书的每一页都详细描述了如何准备一个特定的菜肴，包括所需的原料、准备步骤、烹饪时间等。现在，为了更方便地查找和管理这些食谱，你决定将它们整理进一个大型的数字化数据库——这就是我们的“复杂字典”。在这个“复杂字典”中，每个“键”是一个菜肴的名字，而每个“键”对应的“值”是一个包含所有相关信息的小字典，这个小字典里面包含了原料、准备步骤、烹饪时间等。例如，如果你想查找“意大利面”的配方，你只需要在你的复杂字典中找到“意大利面”这个键。

在使用ros pulisher时， 我们在建立话题 pub = rospy.Publisher('chatter', String, queue_size=10)我们的目的时将我们的message (string)通过话题发布出去，如：pub.publish(hello_str)。如果是为了处理单个话题的问题， 我们只用一个pub.publish()去发布就好。我们也能够记住这个话题是干什么的。

首先，我们需要定义一个服务，包括请求和响应的消息类型。这通常在一个.srv文件中完成，该文件位于你的ROS包的srv目录下。例如，如果我们要创建一个服务来执行两个整数的加法，我们可能会定义一个名为# 定义一个AddTwoInts.srv 文件# 内容如下int64 aint64 b---int64 sum---之前的部分是请求消息（客户端发送给服务端的），---之后的部分是响应消息（服务端返回给客户端的）。

在ROS中，节点、话题、服务、参数等都可以有自己的命名空间（namespace）。命名空间是ROS用来组织和隔离不同资源的一种方式，确保了系统中的名字是唯一的，并允许同样的结构在不同的上下文中被重用。这就像在真实世界中的邮政系统，同一个城市里可以有多条同名的“梅花路”，但它们位于不同的区域，比如“东区的梅花路”和“西区的梅花路”。假设ROS是一个大型的邮局，而这个邮局需要处理来自世界各地的信件。每个信件都有一个地址，告诉邮局如何正确地投递这封信。在这个比喻中，邮局的“地址系统”就像是ROS的命名空间。

topic 能够将所有的独立的模块， 进行有序的交流，链接。可以想象， roscore, 假设是一个铁路系统的总的开关，当打开总的开关（run roscore）， 铁路路就可以畅通起来， 铁路畅通后， 如何进行北京站（机器人recognition）与上海站(机器人抓取)的交流。那么我们可以从北京发送一列动车 D120 （topic 是动车， topic的名字是D120）。

scipy-numpymatlotlib- numpy

所以我直接找到/home/sla/.conda/envs/sla_envs/lib/python3.8/site-packages/timm/models/layers/norm.py", line 23, 修改。在timm 0.8.6.dev0 version中。安装的timm 是0.4.12 version。如果有问题， 请留言。

在分类问题中，最后一层一般是全连接层，然后对应标签的one-hot编码，即把对应类别的值编码为1，其他为0。这种编码方式和通过降低交叉熵损失来调整参数的方式结合起来，会有一些问题。这种方式会鼓励模型对不同类别的输出分数差异非常大，或者说，模型过分相信它的判断。但是，对于一个由多人标注的数据集，不同人标注的准则可能不同，每个人的标注也可能会有一些错误。模型对标签的过分相信会导致过拟合。

如果你安装的tensorflow=2.x需要的numpy是1.19.5。如果你安装的opencv的numpy版本是2.4.x。那么你需要调整tensorflow （以及之前的keras）， opencv版本， 让他们能使用统一版本的numpy。#. 首先谈论一下，为什么写这一篇。如果在安装python包时， 同时安装tesnorflow 和opencv包时， 如果幸运的，可能一次成功。如果不幸运的， 估计可能是两者的同时依赖项numpy出现了问题。

. 安装tensorflow and keras， 总是遇到版本无法匹配的问题。2.再根据下面表，确定安装的tesorflow, keras。1.先确定你的python version。

. 在安装opencv时，经常遇到，python版本与opencv版本无法匹配。当安装了opencv以后， 发现依赖项numpy又无法匹配。根据上面的图片， 可知道opencv python-3.3.1.11-cp34， python3.4对应opencv3.3.1.11。#. 本章节首先记录python and opencv match.

【代码】【linux GPG error】

【代码】【Ubuntu issues】ModuleNotFoundError: No module named ‘apt_pkg‘

理由#有时在训练自己的模型时，如果从头开始训练自己的模型， 不但费时费力， 有时可能训练了很久， 好不容易收敛， 发现结果不是太好。如果能够基于被人 已经训练好的权重， 初始化自己的模型。那么在训练自己的模型时会事半功倍。

【代码】【Pytorch 第二讲】 如何遍历 或者查看Model权重/参数/tesnsor_size/dict_names。