绿色羽毛

os.walk() 方法用于通过在目录树中游走输出在目录中的文件名，向上或者向下。os.walk() 方法是一个简单易用的文件、目录遍历器，可以帮助我们高效的处理文件、目录方面的事情。for root , dirs , files in os.walk(file_path): # 遍历文件 for f in files: print(os.path.join(root, f)) # 遍历所有的文件夹 for d in dirs: print(os.p

Reviewers have strong ideas about what makes a paper acceptable in top conferences like CVPR. They know that getting into such conferences is hard and that getting a paper in is prestigious. So, the papers that get in must be really special. This is true,

首先声明一点，社区版的无法使用，需要使用才可以使用，至于密钥可以去TB购入，价格低廉、有效期长相信很多小伙伴会面临本地电脑显存不够，但是服务器代码又无法直观的调试，只能靠打日志的方法查看结果，对于普通程序员可能勉强够用，但是对于一名深度学习算法工程师而言，这真的一点也无法接受，因为算法工程师对变量的各个属性以及变量的维度变化十分看中，这个是靠打日志无法实现的，所以必须上远程Debug方法，目前采用此方法使用了大半年了，基本跟本地Debug 一样，在此整理分享给大家，此外也为了方便日后，自己查阅。

所谓工欲善其事必先利其器，对于开发人员 Linux可能是首选，但是在家学习的时候，我还是更喜欢使用 Windows系统，首先是稳定，其次是习惯了。当然了，我还有一台专门安装 Linux系统的小主机用于学习Linux使用，在家的主力还是Windows。用习惯了Linux的 Terminal，Windows上的 cmd简直太拉夸，本文不敢保证 Windows上的 Terminal跟Linux上的一样，但是肯定比原生的cmd要舒服一些（其实还是使用 cmd/PowerShell，只是稍微配置下，更加顺手而已！

在新版的 PyCharm 配置中，设置Conda环境不再与旧版本保持一致，对于新手而言可能不清楚如何加载，作者也是郁闷了好久，经过一顿输出发现需要通过加载conda配置，才调取conda虚拟环境，而不再是直接调取conda的虚拟环境，更加智能化了，只是对于第一次而言，不是很直观，比较隐晦，具体操作如下。至此，新版的Pycharm 就完成了加载 conda的虚拟环境！如果使用已存在的环境，可以在下拉框中选择 conda创建的环境。，然后会发现 OK键不再是灰色的了，可以正常选择了。

不得不说，联想的这款故宫联名款 NAS T1颜值是真的高，作为普通的文件存储NAS是够用的，因为是入门款的NAS，因此并没有太多的应用支持，冲着颜值入手的。最多支持2*5TB。1、硬盘安装后会进行格式化，请提前备份好硬盘数据资料。3、禁止直接插拔电源，先使用APP进行关机后再断电。2、禁止带电热插拔硬盘，避免数据丢失或硬盘损坏。，选择对应的版本下载。

但是以上方式都只能查看，并不能调取其中的显卡信息，因此，在做日志记录的时候并不是十分方便。在查阅过其他大神的方式后，发现 pynvml 库可以满足要求。最近踩坑比较多，很大原因就是日志记录不是很完整，因此，最近一直在学习日志的内容。其中有一点就是显卡的信息内容，虽然不是很重要的信息，但是也是有必要的。对于使用 logger 记录的小伙伴，可以直接将以下代码添加到 logger中，其中。可以获取主机名称，便于更好的记录日志。是必须的，否则无法使用。

讲下博主为啥选择 AutoDL，其实最开始的时候，博主有一台2070和3080Ti，但是 显存都略小，一个8G一个12G，对于稍微大点的模型，Batchsize都很小，复现论文效果很都难，特别是在自己小论文需要的时候，就真的很缺设备。没办法，老师没钱，自己也买不起，只能将目光转移至云服务，对比了阿里云、腾讯云、百度云、华为云等，价格都贵的离谱，一小时动辄20+，一天下来就400+了，太贵太贵，一篇论文下来，都可以买两台显卡了。此外还有Colab 等云服务，不过没怎么体验过。当然了，如果小伙伴们用的是。

由于还没毕业，不考虑太大尺寸的，不希望毕业时拿着不方便，而且颜色要正，不能差太多，再者就是尺寸要合适，不能为了方便，搞得特别小，那就没意思了。逛了好几天JD，发现了国货维辰思，没怎么听说过，应该是个中厂吧，看了显示器的参数，京东方的液晶屏，显示器支持2k、144Hz刷新，一个TypeC信号线、一个HDMI信号线，外加TypeC电源线 和 USB扩展口，配置也还行，该有的都有。此外，显示器是有支脚的，收合时，一整块屏，也算不错，就拿下了。

对于深度学习而言，显卡的计算能力还是非常重要的，以下代码参考 沐神的分享，用于查看显卡的 TFLOPS性能，经作者测试，结果仅供参考，最开始测的是 30+，过了一会再测就成22+了，玄学，这绝对是玄学！...

最近在训练模型的时候，跑着跑着会莫名其妙的报 并且提示 ，更甚者第一个 minibatch 就会出错，而且没有指出具体问题所在，这就比较困扰在网上查找大神们的解决方案的时候，发现给出的建议是 标签溢出 造成的，也有 NLP大神指出在 NLP 领域有可能是因为句柄长度溢出造成的问题分析 是因为维度范围溢出了，从而造成的 CUDA error 错误对于 CV 领域而言，大概率是 标签溢出，因此可以在标签读取的时候/loss 计算的时候，将 labels/pred 的 min()/max() 输出，查看是否

对于使用Pytorch 的小伙伴，可能在复现模型时候出现了以下报错，这个错误是因为出现了 inplace operation 造成的，以下尝试了几种解决方案，方案4⃣️/5⃣️ 可行，希望对有同样问题的小伙伴有帮助！首先我们将错误定位到 [torch.FloatTensor [1, 128, 104, 160]] 位置，维度信息 有助于我们分析错误大概出现在哪一个分支上，然后再不断的缩小错误我也在往常查找了一些解决办法，例如：......

practical-advice-for-building-deep-neural-networks/In our machine learning lab, we’ve accumulated tens of thousands of training hours across numerous high-powered machines. The computers weren’t the only ones to learn a lot in the process, though: we ou.

分享一份 分类任务的 主函数文件，对于新人十分有帮助，对于老人也有一定的帮助# !/usr/bin/env python# -*- coding:utf-8 -*-# @Time : 2022.3# @Author : 绿色羽毛# @Email : lvseyumao@foxmail.com# @Blog : https://blog.csdn.net/ViatorSun# @Note :#""" It was started from an early ve