【DEBUG】M1 Pro pytorch深度学习内核挂掉问题

最新推荐文章于 2024-08-01 16:42:55 发布
最新推荐文章于 2024-08-01 16:42:55 发布
阅读量1.1k 收藏 6
点赞数 1
分类专栏： PyTorch Python 文章标签： 深度学习 pytorch python
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/qq_42251120/article/details/126865623
版权

运行环境：

torch-nightly
python3.8
M1 pro
jupyter notebook

在进行深度学习时，jupyter疯狂的内核挂掉，隐隐是觉得依赖有问题，查了好几天资料，终于查到有资料说：如果Python是基本于Conda安装的，则Conda上的numpy包中的mkl很容易与系统内库发生冲突，可选择update numpy package in Conda或者设置为系统库。

于是尝试降低numpy的版本pip install numpy==1.17.3，安装完后又提示可能与pandas版本不兼容，遂回退pandas版本pip install pandas==1.3.1。

在这里插入图片描述

成功跑通！！撒花！！！

Katniss的名字被占用
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch深度学习入门与实战课程
09-13
给大家分享一套课程——《Pytorch深度学习入门与实战》，2022年7月最新升级完整版25章，课程包升级。课程配套有完整的代码+课件+数据集下载。 Pytorch深度学习入门与实战课程是一套系统实战课程，结合了超多的经典...
PyTorch深度学习代码及数据PyTorch深度学习代码及数据
03-01
PyTorch深度学习代码及数据PyTorch深度学习代码及数据PyTorch深度学习代码及数据PyTorch深度学习代码及数据PyTorch深度学习代码及数据PyTorch深度学习代码及数据PyTorch深度学习代码及数据PyTorch深度学习代码及数据...
jupyter notebook内核挂掉的问题
热门推荐
Time木的博客
05-04 1万+
jupyter notebook内核挂掉的问题
用适配M1芯片的Anaconda呢，还是继续miniforge?如何让PyTorch 在 M1 芯片上 GPU 加速
u012744245的博客
03-25 1744
2022年5月，Anaconda已经支持Mac M1，官网有Anaconda的原生版本的下载链接，可以选择图形界面或者命令行版本。我目前还用着Miniforge，也还挺好的，一直没去换。不知道大家有没有跑去装原生M1的Anaconda，可以评论区交流下心得。反正目前支持M1的越来越多，比我刚入手Mac M1的时候面对一堆安装不适配问题好多了。2022年5月，PyTorch官方宣布已正式支持在M1芯片版本的Mac上进行模型加速。官方对比数据显示，和CPU相比，M1上炼丹速度平均可加速7倍。
armsom-W3单板计算机之小白学习笔记（一）
2302_76993698的博客
07-23 956
armsom—W3单板计算机，rk3588芯片，新手小白，学习笔记
谈一谈AI算法部署的一些经验
算法码上来
09-16 746
Hello各位好久不见~继续老潘的含泪经验，紧接着AI算法工程师的一些含泪经验（一），除了训练模型阶段的注意点，这次更多的是一些部署方面的经验，希望能够对大家有帮助。依然是抛砖引玉，持不...
大模型加速，超全指南说明！
最新发布
yXIAOyu_的博客
08-01 629
最近，一位名为 Theia Vogel 的博主整理撰写了一篇长文博客，对加速 LLM 推理的方法进行了全面的总结，对各种方法展开了详细的介绍，值得 LLM 研究人员收藏查阅。
大模型加速~
whaosoft143ai的博客
02-09 398
例如，在 PyTorch 中将注意力写入 F.softmax (q @ k.T/sqrt (k.size (-1)) + mask) @ v，能提供正确的结果，但如果使用 torch.nn.function.scaled_dot_product_attention，会将计算委托给可用的 FlashAttention，这可以更好地利用缓存的手写内核产生 3 倍的加速。然后在下一次生成时，只传入单个 token，并且缓存的 KV 行将堆叠在新 token 的 KV 行的顶部，以产生单行 Q 和多行 KV。
TDA4③：YOLOX的模型转换与SK板端运行
Arrowes的博客
08-22 524
基于TDA4VM实现YOLOX的模型转换与SK板端运行
语言大模型推理加速指南
OneFlow深度学习框架
01-31 4654
本文是一篇关于加快语言大模型推理速度的综合指南。从硬件优化到各种解码技巧，文章介绍了各种优化策略，旨在帮助读者更好地理解和优化LLM的性能。相信不论是这一领域的初学者或是专家，都能从中有所收获。本文作者为工程师和计算语言学家Theia。（以下内容由OneFlow编译发布，转载请联系授权。原文：https://vgel.me/posts/faster-inference/）作者 |TheiaOne...
RV1126与RV1109 AI系统设计概要（一部分）
xiaoredred的博客
07-21 5118
介绍RV1109/1126的基本参数，以及电源电路设计，第一部分。 未完待续。
PyTorch深度学习实践_pytorch_深度学习_
10-01
pytorch深度学习实践，深度学习实践入门，内附pdf，代码。
pytorch深度学习代码合集
02-01
PyTorch深度学习代码合集是一系列用于学习和实践深度学习技术的资源，主要基于Python编程语言和PyTorch框架。PyTorch是Facebook开源的一个强大的机器学习库，以其灵活性和易用性受到广大开发者喜爱，尤其在研究和...
2024年度最新PyTorch深度学习实践
03-01
2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践 2024年度最新...
使用清华镜像下载tensorflow
Katniss的Blog
05-21 4114
如果直接pip install tensorflow速度非常慢，所以这里使用了清华镜像，指令如下： pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 等号后面的版本号根据自己的需要修改，CPU版去掉-gpu即可。 ...
【PyTorch】PyTorch基础知识——张量
Katniss的Blog
09-13 2449
张量维度含义0维标量1维向量2维矩阵3维时间序列数据 股价 文本数据 单张彩色图片(RGB)3维 = 时间序列4维 = 图像5维 = 视频例如，一个图像可以用三个字段表示：但是，在机器学习工作中，我们经常要处理不止一张图片或一篇文档——我们要处理一个集合。我们可能有10,000张郁金香的图片，这意味着，我们将用到4D张量：在PyTorch中，是存储和变换数据的主要工具。
python无法创建虚拟环境、无法安装第三方库
Katniss的Blog
10-25 1735
倒腾了一下午 创建虚拟环境创建不了… 安装第三方库安不了… 换其他镜像也不行… 在创建虚拟环境时候会提示CondaHTTPError: HTTP 000 CONNECTION FAILED for url 然后尝试更换镜像源为清华镜像源，并且删除默认镜像源： 1.1.首先执行如下几条命令更换清华镜像源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --a
【PyTorch】PyTorch基础知识——自动求导
Katniss的Blog
09-13 1103
PyTorch 中，所有神经网络的核心是autograd包。autograd包为张量上的所有操作提供了自动求导机制。它是一个在运行时定义 ( define-by-run ）的框架，这意味着反向传播是根据代码如何运行来决定的，并且每次迭代可以是不同的。autograd的求导机制梯度的反向传播是这个包的核心类。如果设置它的属性为True，那么它将会追踪对于该张量的所有操作。当完成计算后可以通过调用，来自动计算所有的梯度。这个张量的所有梯度将会自动累加到.grad属性。注意：在时，如果y。
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