深度学习环境依赖非官方方法论

最新推荐文章于 2024-07-30 00:56:52 发布

往事如yan

最新推荐文章于 2024-07-30 00:56:52 发布

阅读量222

点赞数

分类专栏： TF Object Detection API 目标检测

本文链接：https://blog.csdn.net/txpp520/article/details/105214379

版权

TF Object Detection API 同时被 2 个专栏收录

6 篇文章 25 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

目标检测

32 篇文章 0 订阅

订阅专栏

遇到深度学习开源算法时，确保检查其环境配置清单，包括系统配置、环境和软件版本。文章强调了版本匹配的重要性，特别是对于Tensorflow和Numpy。作者提到在尝试新版本时，建议先备份正确版本的清单，或者在新环境中安装依赖。同时，分享了群友遇到的Tensorflow目标检测API版本问题和Tensorboard的EOF错误。

摘要由CSDN通过智能技术生成

首要的，遇到一个开源算法，

立马查它主要的环境配置清单！（系统配置和环境，以及软件版本）

以及有些还需要：项目结构和文件说明

类似于：

.
├── data
│   └── 数据汇总.csv # 需要预测的数据
├── infer.py # 主要文件， 模型加载推理，和flask服务的创建、解析等
├── infer.pyc
├── model
│   └── liner.pkl # 训练好的模型
├── README.md
├── requirements.txt
├── test_post.sh # 程序入口， 启动服务， 通过crul命令发送数据， 模拟POST请求
└── train.py # 训练模型， 并保存

如果任务过程中死活也还是各种报错信息

把所有虚拟环境删掉，然后把anaconda卸载

把所有虚拟环境删掉，然后把anaconda卸载，重装

开源软件奇怪的问题很多的，最恐怖的就是