weixin_41169280的博客

sudo apt install ipython #安装后仍旧报错，可能是虚拟环境会自动匹配之前自带的版本。

在运行程序的时候报错：后面使用和 重新安装opencv，仍旧报错：网上资料显示调用的高版本的gcc，生成的动态库没有替换老版本gcc的动态库导致。解决方法分别有以下几种：1、重新安装scipy但是这种方法对我没用2、查找当前环境有没有GLIBCXX_3.4.29发现是有的（之前查找没有对应版本，猜测可能是因为重新安装opencv以及scipy生成了）在环境中添加：解决问题！

运行：stty sane

cuda与torch版本问题

conda操作

报错GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation

说明：16006:127.0.0.1代表本机上的16006号端口，6006是服务器上tensorboard使用的端口（两个端口号都可以自己设置，只要没被占用即可）。10.76.2.233 -p 52指的是服务器的IP。tag指定可视化时变量的名字，scalar_value是保存的值，global_step可以理解为x轴坐标。这里的SummaryWriter的作用就是，将数据以特定的格式存储到刚刚提到的那个文件夹中。这样就会生成一个x轴跨度为100的折线图，y轴坐标代表着每一个epoch的mAP。

1、datasets_make函数中最后全部转化为numpy形式。2、模型推导时数据首先进行处理，移到cuda上。而不是(30,10, 32,16)否则会出现问题，比如数据是10。

查看print("train_dataset: ", len(train_dataset.scene_info))是正确数据个数，经过检查发现是生成数据时。其中self.sequence_set是一个空array，len始终为0，修改为正确长度即可。

【代码】python矩阵拼接。

3、代码库出现更新时，使用 git pull https://github.com/paperswithcode/ai-deadlines.git 更新代码。4、可以直接在_data/conferences.yml查看截稿日期，更直观可以在浏览器输入aideadlin.es网址查看。2、如果自己想要添加会议，可以在_data/conferences.yml中操作。】最好自己在官网核查一遍，可能存在错误。1、clone代码库。

对于输入的每一个向量(第一层是词的Embedding，其它层是前一层的输出)，我们首先需要生成3个新的向量Q、K和V，分别代表Query向量、Key向量和Value向量。Q表示为了编码当前词，需要去注意(attend to)其它(其实也包括它自己)的词，我们需要有一个查询向量。而Key向量可以认为是这个词的关键的用于被检索的信息，而Value向量是真正的内容。另外Key和Value都不是输入向量，而是输入向量做了一下线性变换。输出计算为值的加权和，其中分配给每个值的权重由查询与相应键的兼容性函数计算。

Transformer网络最初被设计出来是为了自然语言处理、语言翻译任务，这里解释的也主要基于这一任务展开。在 Transformer 出现之前，递归神经网络(RNN)是自然语言处理的首选解决方案。当提供一个单词序列时，递归神经网络(RNN)将处理第一个单词，并将结果反馈到处理下一个单词的层。这使它能够跟踪整个句子，而不是单独处理每个单词。但是这种方法只能顺序的处理单词，同时对于长序列的文本无法有效处理，当两个单词距离过远时会出现梯度消失的问题。

例如：对于图像数组交换第三维度的顺序，bgr转为rgb。对于python多维数组，交换某一维度的数据。

vscode无法保存代码

numpy是python中常用的库。

这里对于dim维度求和，注意的是每一个元素的值都是与之前元素的求和。4、tensor转化为numpy。3、创建全零矩阵tensor。

注：pose_result.txt 每一维构造为[time, tx, ty, tz]

在将数组放入网络之前，有时需要增加维度，此时只需要加[None]即可实现。

参数丢失了 requires_grad属性，所以导致没能梯度更新。自定义的loss需要转成tensor形式。