weixin_44575717的博客

验证集精度来回震荡是什么原因，怎么解决

RuntimeError: DataLoader worker (pid(s) 17016, 18312) exited unexpectedly

AttributeError: type object 'VisionTransformer' has no attribute 'from_pretrained'

报错：AttributeError: module 'torchvision.transforms' has no attribute 'Scale'

ModuleNotFoundError: No module named ‘tensorflow.contrib‘

错误语句：from torch.ao.quantization import QuantStub, DeQuantStub正确语句：from torch.quantization import QuantStub, DeQuantStubtorch版本问题。

错误提示：view size is not compatible with input tensor's size and stride (at least one dimension spans across two contiguous subspaces). Use .reshape(...) instead.错误代码：prec1 = accuracy(-1 * dist_xt_ct.data, target_targets, topk=(1,))[0].item()正确代码：

错误代码： writer.add_image("input", imgs, step, dataformats='HWC')正确代码： writer.add_images("input", imgs, step, dataformats='HWC')错误原因：add_image只接收单一图像，而我们直接将imgs批量传入是不行的。...

版本问题源代码：test_loss += F.nll_loss(out_tgt.log(), target_label, size_average=False).data[0] # sum up batch loss修改后代码：test_loss += F.nll_loss(out_tgt.log(), target_label, size_average=False).item() # sum up batch loss

python3中应将所有的xrange换为range

python版本问题，在python3中，httplib名字换了解决办法：pip install http.client

提前声明：我的环境里面已经安装torch，而且cuda版本与安装环境是匹配的，但就是出现了这个错误。测试(使用cuda必须要做的测试)：环境没有问题，GPU也是可用的，但为什么依然报错。解决方法： 因为我的电脑上只有一块GPU，因为我们的装备和程序员装备的差异，所以要更改GPU的使用个数。os.environ["CUDA_VISIBLE_DEVICES"] = "1"讲这里的1改为0，使用第一块GPU进行训练就可以啦~os.environ["C..

警告原因：对应的环境下的numpy包里有多个DLL，虽然有警告，但是不影响训练结果解决办法： 找到对应的DLL，只留一个，删除多余的。笔者DLL地址：B:\anaconda\envs\pytorch\Lib\site-packages\numpy\.libs...

if args.bottleneck: optimizer = torch.optim.SGD([ {'params': model.feature_layers.parameters()}, {'params': model.bottle.parameters(), 'lr': args.lr[1]}, {'params': model.cls_fc.parameters(), 'lr': args.lr[2]}, ], lr=..

查了好几种方法就是没有一个适合我的，最后发现所有的问题都已一个通病，就是数据集的问题，所以就仔细看了一下参数，果然，我换了数据集之后的类别是31，以前一直是12，所以才会导致一直报错，只要将对应的 数据集类别数更改一下，就可以跑起来啦~更改前：# parser.add_argument('--num_class', type=int, default=12)这里默认数据集类别是12类，是有问题的p更改后：arser.add_argument('--num_class', type=i

train_loss是训练集的损失值，test_loss是测试集的损失值train_loss不断下降，test_loss不断下降，说明模型仍有训练空间;train_loss不断下降，test_loss趋于不变，说明模型过拟合;train_loss趋于不变，test_loss不断下降，说明数据集有问题;train_loss趋于不变，test_loss趋于不变，说明需要减小学习率或调整步长;————————————————原文链接：https://blog.csdn.net/Yxh666/arti

昨天在调试代码的时候，遇到路径不存在的bug，反复修改怎么也出不来，绝对路径和相对路径都试过了，心想怎么能犯这么低级的错误……最后请教了一个学长，也是修改了半天，最后终于调试出来，原因是代码放的路径太深了最后把代码放到桌面上，修改路径，一下就跑起来了~还是得要有经验啊~...

这个是office31数据集跑出来的结果，每次都是100%，肯定有问题。后来经过一系列的探索，发现office31数据集的三个类别中，每个都有一个images的文件，于是将images里面的文件全部取出来，然后将images文件删除像这样amazon文件下直接对应数据集，重新运行代码，就正常了！...