weixin_50563385的博客

原创 VMWare安装+Ubuntu虚拟机安装+ssh配置+samba配置+C调试环境配置

VMWare安装+Ubuntu虚拟机安装+ssh配置+samba配置+C调试环境配置。

原创 跑通 TrackNet-Badminton-Tracking-tensorflow2 项目全记录

跑通 TrackNet-Badminton-Tracking-tensorflow2 项目全记录

原创 【实战】Tennis-Tracking 安装与运行完整教程（含 CUDA/TF 报错解决）

本教程详细介绍了Tennis-Tracking项目的安装与运行流程，针对NVIDIA GPU用户常见问题提供解决方案。主要内容包括：创建Conda环境（Python 3.7）、安装匹配CUDA版本的PyTorch、处理依赖缺失问题、解决TensorFlow报错（推荐使用tensorflow-gpu 2.6.0）和Keras权重加载错误（需降级h5py）。教程还包含最终运行命令示例和清华镜像加速建议，并汇总了常见问题解决方法表。特别提醒避免使用tensorflow-gpu 1.15版本，该版本可能引发兼容性问

原创 在Windows上，将 Ubuntu WSL 安装并迁移到 D 盘完整教程（含 Appx 安装与迁移导入）

本文介绍了如何将Ubuntu WSL迁移到D盘的完整教程。首先通过PowerShell启用WSL和虚拟化支持，然后下载并安装Ubuntu 22.04。接着导出Ubuntu为.tar文件，从C盘卸载默认安装，再导入到D盘指定路径。教程还提供了图形界面启用WSL的方法，并强调需要同时勾选"适用于Linux的Windows子系统"和"虚拟机平台"两个选项。最后说明如何启动迁移后的Ubuntu并清理备份文件。整个过程可有效释放C盘空间，提高开发性能。

原创 跑通Multi-Agent-Constrained-Policy-Optimisation

【代码】跑通Multi-Agent-Constrained-Policy-Optimisation。

原创 本地访问远程 TensorBoard？用 SSH 映射轻松搞定

在深度学习训练中，我们经常使用 TensorBoard 进行可视化分析。如果你是在远程服务器上训练模型，例如使用 Featurize 平台，如何通过 SSH 本地端口转发 实现在本地电脑打开远程 TensorBoard 页面？本文将手把手教你实现这个目标。

原创 CondaHTTPError: HTTP 000 CONNECTION FAILED for url ＜https://conda.anaconda.org/conda-forge/linux-64/

Downloading and Extracting Packages:CondaHTTPError: HTTP 000 CONNECTION FAILED for url [https://conda.anaconda.org/conda-forge/linux-64/cudnn-7.6.5.32-ha8d7eb6\_1.tar.bz2](https://conda.anaconda.org/conda-forge/linux-64/cudnn-7.6.5.32-ha8d7eb6_1.tar.bz2)

原创 解决 Conda 安装 PyTorch 1.1.0 报错：excluded by strict repo priority（附三种解决方案）

方案优点适用场景修改 channel_priority简单直接Conda 主力环境使用 pip 安装灵活但不推荐临时或测试环境使用国内镜像国内用户快网络限制严重者替换为较新版本最推荐没有硬性版本要求时如果你正在构建旧项目环境或在 WSL/服务器上部署 FastDVDnet、ESRGAN、EDSR 等模型，希望这篇文章能帮你顺利装好环境 👍。

原创 vscode如何恢复默认设置

原创 在Windows上通过WSL运行DeepI2P项目的完整配置与步骤

这篇文章详细讲解了如何在Windows上通过WSL2运行DeepI2P项目的步骤，确保每一步都能成功执行。

原创 《在云环境中配置并运行 USC-DS-RelationExtraction 项目：安装 PyTorch、CUDA 及依赖》

通过以上步骤，你已成功在云环境中创建并配置了 Python 环境，安装了和其他依赖包，并成功运行了项目。安装过程中解决了相关错误并成功配置了 Stanford CoreNLP 服务器。如果你在安装过程中遇到任何问题，或者有任何疑问，欢迎在评论区留言！

原创 《在 Ubuntu 22.04 上安装 CUDA 11.8 和 Anaconda，并配置环境变量》

通过以上步骤，你已经成功在上安装了CUDA 11.8和Anaconda，并配置了相应的环境变量以使其生效。这样你就可以在你的 Ubuntu 系统中开始使用 CUDA 加速的深度学习框架和其他应用程序了。如果你在安装过程中遇到任何问题，或者有任何疑问，欢迎在评论区留言！

原创 出现错误 2147942402 (0x80070002) (启动“ubuntu.exe”时)][出现错误 2147942402 (0x80070002)

使用windows terminal 启动ubuntu[出现错误 2147942402 (0x80070002) (启动“ubuntu2004.exe”时)]，并且更改环境变量无法解决。

原创 Windows Subsystem for Linux (WSL) 安装与迁移 Ubuntu 系统教程

【代码】Windows Subsystem for Linux (WSL) 安装与迁移 Ubuntu 系统教程。

原创 ‘conda env create -f environme, None, 10054, None)‘: /anaconda/pkgs/free/win-64/repodata.json failed

Retrying (Retry(total=0, connect=None, read=None, redirect=None, status=None)) after connection broken by ‘ConnectionResetError(10054, ‘远程主机强迫关闭了一个现有的连接。你可以尝试暂时关闭代理，或者检查代理服务器的配置是否正确。

原创 在linux中安装anaconda，并激活

以下是将上述操作步骤整理成一个 Bash 脚本的形式，不过需要注意的是，部分操作可能需要根据实际情况调整，比如文件路径、IP 地址等。同时，在脚本中一些可能出现交互的地方（如安装软件时的确认提示等）可能需要手动处理或者使用一些额外的参数来自动确认。

原创 【无标题】

该脚本的主要功能是管理一个名为的 Conda 环境，并在该环境中运行一个 Python 脚本。具体步骤包括检查 Conda 环境是否存在，若不存在则创建该环境，激活环境，运行 Python 脚本，最后再停用该环境。此脚本的主要功能是管理一个名为的 Conda 环境，并在该环境中运行 Python 脚本。它会先检查指定的 Conda 环境是否存在，如果不存在则创建该环境，接着激活环境，运行 Python 脚本，最后停用该环境。ENV_NAME：定义了 Conda 环境的名称，后续操作将围绕名为的环境展开。

原创 批量处理多个模型的预测任务

以下是你提供的 Bash 脚本，已添加详细注释：代码逻辑及注释说明：检查输入参数：设置路径变量：检查文件是否存在：遍历配置文件夹：读取模型路径并执行预测：生成并执行预测命令：输出调试信息：此脚本适用于批量处理多个模型的预测任务。每个模型的配置文件、模型文件和其他参数都会从输入的文件和目录结构中自动生成，适合需要自动化批量预测的场景。

原创 “C:\Users\Win11\AppData\Roaming\pip\pip.ini“取消

如果你希望取消或删除pip配置文件pip.ini。

原创 WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connec

查看我的电脑属性，高级系统设置，环境变量，系统变量，系统变量。代理端口要和clash for windows中的端口一致。

原创 PaddleSeg 从配置文件和模型 URL 自动化运行预测任务

【代码】PaddleSeg 从配置文件和模型 URL 自动化运行预测任务。

原创 PADDLE PREDICT

如需调整路径或命令格式，可以根据需求修改对应的变量值。

原创 训练入口+保存模型

【代码】训练入口+保存模型。

原创 查看代理设置Get-Item Env:https_proxy

该命令会显示当前 PowerShell 会话中的环境变量值。如果该环境变量没有设置，将会显示错误。

原创 pip install tensorflow==1.12.2（python=3.5）

安装编译工具：确保你安装了 Microsoft Visual C++ Build Tools。更新pip和setuptools：确保它们是最新的版本。使用预编译的 wheel 文件：如果无法编译，可以下载.whl文件并直接安装。尝试安装旧版本的grpcio。希望这些解决方案能帮助你解决问题！如果仍然遇到问题，提供完整的错误日志会有助于进一步分析。

原创 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding环境搭建

BERT: Pre-training of Deep Bidirectional Transformers forLanguage Understanding运行环境搭建

原创 对文件内的文件名生成目录，方便查阅

【代码】对文件内的文件名生成目录，方便查阅。

原创 混淆矩阵绘制

【代码】混淆矩阵绘制。

原创 loss-acc曲线绘制

【代码】loss-acc曲线绘制。

原创 画混淆矩阵

【代码】画混淆矩阵。

原创 读取csv里面的文件数据画曲线

【代码】读取csv里面的文件数据画曲线。

原创 PaddleNLP的环境配置：

PaddleNLP环境配置

原创 基于Canny边缘检测和轮廓检测

基于Canny边缘检测和轮廓检测

原创 实现了两种不同的图像处理和物体检测方法

实现了两种不同的图像处理和物体检测方法

原创 实现了图像处理、绘制三维坐标系以及图像合成的操作

实现了图像处理、绘制三维坐标系以及图像合成的操作

原创 实现了图像处理、绘制三维坐标系以及图像合成的操作

实现了图像处理、绘制三维坐标系以及图像合成的操作

原创 主要用于图像的颜色提取、替换以及区域修改

主要用于图像的颜色提取、替换以及区域修改

原创 利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换

利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换

原创 Jupyter Notebook 与 PyTorch 配置教程

Jupyter Notebook 与 PyTorch 配置教程

原创 externally-managed-environment

系统范围：使用 APT。隔离环境：使用虚拟环境或pipx。当前用户：使用--user参数。希望这篇文章能帮助你解决报错问题，并成功完成模块安装！