遇到的小问题（持续更新）

2023.3.2

问题1：将数据写入csv文件，老是写不进去

fieldnames = ["train_loss","train_acc","val_loss","val_acc"]
csvfile = open('精度和损失率.csv',mode='w',newline='')
write = csv.DictWriter(csvfile,fieldnames=fieldnames)
write.writeheader()
write.writerow({'train_loss':train_loss,'train_acc':train_acc,'val_loss':val_loss,'val_acc':val_acc})

新文件，可以写进去。查阅资料后发现是内存的问题，运行时间过长，内存的内容没有写进去，在这句后面加上csvfile.flush，就可以写进去了 

fieldnames = ["train_loss","train_acc","val_loss","val_acc"]
csvfile = open('精度和损失率.csv',mode='w',newline='')
write = csv.DictWriter(csvfile,fieldnames=fieldnames)
write.writeheader()
write.writerow({'train_loss':train_loss,'train_acc':train_acc,'val_loss':val_loss,'val_acc':val_acc})
csvfile.flush()

2023.6.10

问题2：每次创建Conda虚拟环境总是忘记具体怎么操作，这次我直接写一个顺序

conda create -n env_name python=3.6 //创建   虚拟环境
conda env list //查看   虚拟环境列表
conda activate env_name //激活   虚拟环境
conda deactivate //退出   虚拟环境
conda env remove --name env_name //删除   虚拟环境

问题3：多头自注意力和多头注意力是两个不同的概念，不要搞混；

多头自注意力（multi-headed self-attention）允许模型在同一个输入序列中的不同位置之间进行注意力传递。换句话说，它允许模型在输入的不同部分之间进行关联。

多头注意力（multi-headed attention）允许模型在不同位置之间进行注意力传递。

主要区别在于，多头注意力允许模型在不同的输入序列之间进行注意力传递，而多头自注意力仅允许模型在同一个输入序列中的不同位置之间进行注意力传递。因此，如果模型处理的是两个不同的输入序列，那么它应该使用多头注意力；如果模型处理的是一个输入序列，那么它应该使用多头自注意力。另外，多头注意力和多头自注意力的计算方式也略有不同。但是，它们都可以让模型在不同的位置之间进行注意力传递，从而帮助模型理解输入的含义。

问题4：pytorch安装问题

    报错1：

Solving environment: failed

CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.anaconda.org/pytorch/noarch/repodata.json>
Elapsed: -

    解决1：

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

问题5：国内镜像源问题

1.临时换源：
清华源
pip install xxxx -i https://pypi.tuna.tsinghua.edu.cn/simple

阿里源
pip install xxxx -i https://mirrors.aliyun.com/pypi/simple/

腾讯源
pip install xxxx -i http://mirrors.cloud.tencent.com/pypi/simple

豆瓣源
pip install xxxx -i http://pypi.douban.com/simple/

将xxxx换成需要安装的包的名字

2.永久换源：
清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

阿里源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

腾讯源
pip config set global.index-url http://mirrors.cloud.tencent.com/pypi/simple

豆瓣源
pip config set global.index-url http://pypi.douban.com/simple/

3.换回默认源
pip config unset global.index-url