通过Aanconda安装pytorch遇到generator_default from torch_.c

最新推荐文章于 2022-07-21 10:59:11 发布
最新推荐文章于 2022-07-21 10:59:11 发布
阅读量744 收藏
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46443325/article/details/108217247
版权

在这里插入图片描述通过Aanconda安装torch遇到generator_default from torch_.c的问题：
解决方法：conda install pytorch
在这里插入图片描述
会出现以上界面
然后输入一下命令行
在这里插入图片描述测试以后就成功了

巛小文子......
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ImportError: cannot import name 'generator_to_async_generator' 问题排查与解决方案
MTwz的博客
11-25 1万+
转载请注明出处，谢谢_ (:з」∠)_ 问题描述 在学习《AI安全之对抗样本入门》时，利用对应 GITHUB 项目中的requirements-py36.txt配置conda环境 在pip freeze > requirements-py36.txt后，尝试通过该环境配置Jupyter的对应内核（书中内核名称为book5） 在安装完ipykernel之后，利用conda环境为Jupyter...
prefetch_generator:简单的程序包，使您的生成器在后台线程中工作
05-24
prefetch_generator 使您的生成器在后台线程中工作的简单软件包。 安装： pip install prefetch_generator 除标准库外没有依赖项 同时适用于python2和python3（pip3安装） 描述： 这是一个单功能包，可将任意生成器转换为后台头生成器，该后台生成器在并行后台thead中预取几批数据。 如果您有一个计算量大的进程（CPU或GPU）来迭代处理生成器中的小批处理，而生成器消耗了一些其他资源（磁盘IO /从数据库中加载/如果您有未使用的内核，则需要更多CPU），这将非常有用。 默认情况下，这两个过程将不断等待彼此完成。 如果使生成器在预取模式下工作（请参见下面的示例），则它们将并行工作，从而有可能节省您的GPU时间。 当使用Tensorflow和Theano（烤宽面条，块，原始等）迭代小批数据进行深度学习时，我们亲自使用预取生成
解决cannot import name 'Optional' from 'torch.jit.annotations'
NEU_YH的博客
03-27 8784
看一下自己的torch版本和torchvision版本是否对照~ 例如 torch == 0.4.1 && torchvision==0.2.0
指定jupyter运行的conda环境和报错处理generator_to_async_generator
江州司马
03-07 1万+
安装nb_conda_kernels conda install nb_conda_kernels notebook的change kernel中切换虚拟环境 参考:https://github.com/Anaconda-Platform/nb_conda_kernels 报错:ImportError: cannot import name 'generator_to_async_ge...
解决ImportError: cannot import name ‘_DataLoaderIter‘ from ‘torch.utils.data.dataloader‘
weixin_48571712的博客
07-21 8100
解决ImportError: cannot import name '_DataLoaderIter' from 'torch.utils.data.dataloader'
PyPI 官网下载 | pytorch_pretrained_bert-0.3.0.tar.gz
01-29
安装`pytorch_pretrained_bert`库非常简单，只需通过pip命令： ```bash pip install pytorch-pretrained-bert ``` 在Python环境中，可以这样导入： ```python from pytorch_pretrained_bert import BertModel, ...
Python库 | vector_quantize_pytorch-0.3.6.tar.gz
04-18
资源分类：Python库 所属语言：Python 资源全名：vector_quantize_pytorch-0.3.6.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
train_pytorch_salemml_pytorchLSTM_pytorch_train_LSTM_源码.zip
09-30
1. **环境搭建**：确保安装了PyTorch库，并根据需求安装其他依赖库，如NumPy、Pandas、Tensorboard等。 2. **数据预处理**：加载数据集，对其进行清洗、分词、归一化等处理，转换成模型可接受的输入格式。对于NLP...
Python库 | pytorch_cnn_trainer-0.1.0.tar.gz
05-21
资源分类：Python库 所属语言：Python 资源全名：pytorch_cnn_trainer-0.1.0.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
pytorch_pyapi_predict.tar.gz
01-13
标题“pytorch_pyapi_predict.tar.gz”提示我们这个压缩包包含与PyTorch相关的Python API预测功能有关的资源。描述中提到的是一个链接到知乎博客的文章，作者是金少刚，文章内容涉及如何将PyTorch模型转换为C++计算...
python.jit
12-31
jython2.2 parserparserparserparserparserparserparserparser python.jit
python ImportError: cannot import name ' ×××'解决方法
wentworthcjl的专栏
03-01 4万+
python 包 and 模块 常见错误原因 大致有两个方向，一个是路径问题，一个是命名问题 导入的包中是否有__init__.py。结果如下 导入的包中__init__.py 是否导入了 需要使用的函数，格式如：from xxx（你的包名） import XXX（你要导入的文件）。例如下图 可以看一下系统路径能不能找到，具体命令如 sys.path。路径中没有找到的话，可以通过sys.path...
解决问题ImportError: cannot import name ‘_update_worker_pids’ from ‘torch._C’
weixin_44172434的博客
04-08 5148
背景： 近日在复现超分辨率算法的时候发现了如上问题报错。然后几经周折查询，最后由Github上的环境要求和网络上的一些解决方法，发现是我的python安装torch是1.8.0以上版本的，而github项目要求是0.4.0版本的。然后猜想是由于官方对于torch的版本不兼容，然后0.4.0的接口方法功能与1.8.0的不一致，导致找不到这些模块。 解决方法1（已安装anaconda）： 打开命令行 （这个自行查找） 新建python的环境3.6.5（python版本不能大于3.6）： conda crea
解决python导包报错ImportError: cannot import name ‘xxx‘ from
空山新雨后，天气晚来秋
02-18 5万+
花了较长时间，最后发现循环引用导致。既然循环引用了，只要让让它们别循环引用就行。 那么解决掉循环引用的部分即可正常！ 解决办法：1，拆解成多个文件，将要互相引用的分开 2，缩小导入的范围，如一般情况下import在文件顶部，这时候可以将import移动到紧挨需要导入的代码上方即可； ...
【EDSR代码问题】【Pytorch1.1】ImportError: cannot import name '_update_worker_pids' from 'torch._C'
m0_38129460的博客
05-05 2万+
从5月3日开始，恢复Colab上的EDSR模型训练，文件dataloader.py开始报错： ImportError: cannot import name '_update_worker_pids' 仔细看了下原来是Colab上默认pytorch版本变成了1.1，由于没试过Colab上pytorch版本回滚，而且可预见地认为更换版本会很麻烦（每次都需要改版本），因为尝试修改EDSR代码解决...
关于不同python的兼容问题导致的ImportError: cannot import name 'xxxx'
热门推荐
qq_41103544的博客
06-25 5万+
昨天高高兴兴，把pycharm和Anaconda结合了，结果今天一用就出问题这是个什么鬼啊，萌新看不懂，沿着那个什么Traceback看下来一脸懵逼。只好去找度娘了。百度上说是在有与matplotlib或者pyplot重名的文件，导致 from imoprt出错。于是我按着导入目录一个一个去看，还真有一堆重名的。具体的就不发了。怎么办呢，要么修改那些文件，或者将from import改为impor...
from torch._c import * 的错误 -关于Anaconda Python一些环境的问题总结
ewqapple的博客
01-09 1万+
现在Anaconda官方的环境是默认Python 3.7。但是我们往往有些代码依赖Python 3.6 这是我们需要建立Python 3.6 的虚拟环境 condacreate -n py36 python=3.6 activate py36 然后这里安装需要的包 这时候，如果是直接用pip install whl 安装的话，直接import torch 会出错， 那么要安装一下n...
import torch时出现问题：找不到‘torch'这个module或出现from torch._C import * ImportError: DLL load failed: 找不到指定的模块
xrswater的博客
04-08 3万+
这里写自定义目录标题我尝试了网上所有办法都没成功，反而一波未平一波又起，简单介绍下我最后的应对方法。1. 配置cudnn环境，网上有很多教程，注意一下自己的版本对应就行。（必须配置完环境再进行下一步才不会出现torch引用不成功的问题）。此外，我把tensorflow也装了，建议大家也一起装上，减小变量。2. 根据pytorch官网（ https://pytorch.org/ ）指令直接在cmd中...
def train_step(real_ecg, dim): noise = tf.random.normal(dim) for i in range(disc_steps): with tf.GradientTape() as disc_tape: generated_ecg = generator(noise, training=True) real_output = discriminator(real_ecg, training=True) fake_output = discriminator(generated_ecg, training=True) disc_loss = discriminator_loss(real_output, fake_output) gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables) discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables)) ### for tensorboard ### disc_losses.update_state(disc_loss) fake_disc_accuracy.update_state(tf.zeros_like(fake_output), fake_output) real_disc_accuracy.update_state(tf.ones_like(real_output), real_output) ####################### with tf.GradientTape() as gen_tape: generated_ecg = generator(noise, training=True) fake_output = discriminator(generated_ecg, training=True) gen_loss = generator_loss(fake_output) gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables) generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables)) ### for tensorboard ### gen_losses.update_state(gen_loss) ####################### def train(dataset, epochs, dim): for epoch in tqdm(range(epochs)): for batch in dataset: train_step(batch, dim) disc_losses_list.append(disc_losses.result().numpy()) gen_losses_list.append(gen_losses.result().numpy()) fake_disc_accuracy_list.append(fake_disc_accuracy.result().numpy()) real_disc_accuracy_list.append(real_disc_accuracy.result().numpy()) ### for tensorboard ### # with disc_summary_writer.as_default(): # tf.summary.scalar('loss', disc_losses.result(), step=epoch) # tf.summary.scalar('fake_accuracy', fake_disc_accuracy.result(), step=epoch) # tf.summary.scalar('real_accuracy', real_disc_accuracy.result(), step=epoch) # with gen_summary_writer.as_default(): # tf.summary.scalar('loss', gen_losses.result(), step=epoch) disc_losses.reset_states() gen_losses.reset_states() fake_disc_accuracy.reset_states() real_disc_accuracy.reset_states() ####################### # Save the model every 5 epochs # if (epoch + 1) % 5 == 0: # generate_and_save_ecg(generator, epochs, seed, False) # checkpoint.save(file_prefix = checkpoint_prefix) # Generate after the final epoch display.clear_output(wait=True) generate_and_save_ecg(generator, epochs, seed, False)
最新发布
06-08
下面是将上述代码转换为PyTorch代码的示例： ```python def train_step(real_ecg, dim): noise = torch.randn(dim) for i in range(disc_steps): generated_ecg = generator(noise, training=True) real_output = discriminator(real_ecg, training=True) fake_output = discriminator(generated_ecg, training=True) disc_loss = discriminator_loss(real_output, fake_output) discriminator.zero_grad() disc_loss.backward() discriminator_optimizer.step() ### for tensorboard ### disc_losses.update(disc_loss) fake_disc_accuracy.update(torch.zeros_like(fake_output), fake_output) real_disc_accuracy.update(torch.ones_like(real_output), real_output) ####################### for i in range(gen_steps): generated_ecg = generator(noise, training=True) fake_output = discriminator(generated_ecg, training=True) gen_loss = generator_loss(fake_output) generator.zero_grad() gen_loss.backward() generator_optimizer.step() ### for tensorboard ### gen_losses.update(gen_loss) ####################### def train(dataset, epochs, dim): for epoch in tqdm(range(epochs)): for batch in dataset: train_step(batch, dim) disc_losses_list.append(disc_losses.avg) gen_losses_list.append(gen_losses.avg) fake_disc_accuracy_list.append(fake_disc_accuracy.avg) real_disc_accuracy_list.append(real_disc_accuracy.avg) ### for tensorboard ### # with disc_summary_writer.as_default(): # tf.summary.scalar('loss', disc_losses.result(), step=epoch) # tf.summary.scalar('fake_accuracy', fake_disc_accuracy.result(), step=epoch) # tf.summary.scalar('real_accuracy', real_disc_accuracy.result(), step=epoch) # with gen_summary_writer.as_default(): # tf.summary.scalar('loss', gen_losses.result(), step=epoch) ####################### disc_losses.reset() gen_losses.reset() fake_disc_accuracy.reset() real_disc_accuracy.reset() ####################### # Save the model every 5 epochs # if (epoch + 1) % 5 == 0: # generate_and_save_ecg(generator, epochs, seed, False) # checkpoint.save(file_prefix = checkpoint_prefix) # Generate after the final epoch # display.clear_output(wait=True) # generate_and_save_ecg(generator, epochs, seed, False) ``` 注意：上述代码仅作为示例，可能需要根据实际情况进行调整和修改。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值