weixin_51552032的博客

服了，umls的安装需要 X11 ，也就是图形化界面。我使用都没有办法，本来想试试vncserver，结果也是一坨。

当你运行 install / remove 都会被打断，报上面错误，就是遇到了依赖出错问题。运气好的话，你能够输入fix-broken自动解决，但是运气不好就修不好。

结果发现不存在这个库。然后再次安装就成功了。

例如，节点0包含 0-31 和 64-95 的 CPU 核心，而节点1包含 32-63 和 96-127 的 CPU 核心。因此，2 个物理 CPU 插槽（Socket(s): 2）和每个插槽 32 个核心就提供了 32 * 2 = 64 个线程（每个物理核心有 2 个线程）。输出中，显示了 CPU(s): 128，这意味着系统实际上识别到128个虚拟CPU或线程数，而不是物理CPU核心数量。因此，在两个 CPU 插槽上，系统总共有 64 * 2 = 128 个虚拟核心（线程）。

训练模型的时候，输入数据x，y不应该requires_grad，而bert模型输出的embeddings默认是requires_grad的，所以会报错。提取完embeddings之后，使用。

这个脚本会把模型下载在默认路径，要修改的话需要传参。

想要用pokemon的diffusion模型练一下手，但是环境弄好了之后，报错了x。查到了是 huggingface 的版本太新了，这个函数被删掉了。换完版本之后报了下面的错误。好像只能够手动下载权重了。

不知道为什么同一个环境，.py代码能跑，但是jupyter的环境报了这个错误。然后命令行输出的python版本和安装环境时制定的python版本不一致。首先，在命令行能够转成cuda tensor。感觉这个环境也挺奇怪的。

最后conda环境还是没办法安装ipykernel，最后换了一个新的python环境。所以服务器跑jupyter，只需要conda环境装ipykernel。下载完kernel还是报错（那就继续下载）下载完了等待环境处理问题等了好久。

首先我是想用nbia-data-retriever 下载数据的，结果ubuntu服务器没办法使用它下载。使用命令行命令下载时会报上面这个错误。缺失的包需要自己手动安装。

但是即使反过来，让有效的变成0，他也是能拟合的！所以debug的时候就很烦xxx。很神奇的一个问题，我也不知道后续能不能复现。有效的值为1，无效的为0。

但是直接使用pip安装不了torch，需要添加源！！

因为偷懒，使用的是 pytorch 自带的 scaler，发现其实没什么用。是更新梯度，但是计算图没有释放，可以使用zero_grad释放计算图。这个我也没有试验过。

操作流程如下git init报错如下输入git status按照它的提示，把 .git/index.lock 文件手动删掉，然后重新git add .就可以了。

vit使用的就是固定的位置编码，是一个形状为的可学习的 tensor。如果预训练的时候，下游任务需要，那么可以采用二维插值。

看到 center loss 可以像聚类一样，使用不同的核函数(可以看成是计算距离的函数)计算loss，记录一下这个demo。

默认是 type.Long， 在计算loss时，不能转换成为float。这也就是说，只有浮点数和复数支持梯度计算。

在这里插入图片描述](https://i-blog.csdnimg.cn/direct/b8170b71aa3842de82b95c72993bbce4.png。因为要涉及多张病理图片的stain norm，所以需要一对一地进行transforms，但是即使这么做了，使用。reference_image的大小是(2000, 2500)但是sources_image的大小为(512,512)可能最主要的原因还是染色的色域差得有点大吧。还是出现了奇怪的染色情况。颜色确实变深了一点。

目前装环境、迁移环境还是没有找到一套方便的模板，所以只能很笨地一步一步安装。所以考虑新建一个conda环境，然后把旧环境的库在新环境中重新安装一遍。除此之外，就删掉一些在本地安装地库，然后保留能用pip安装的库，使用。都没有办法完成升级，我猜测可能是有库依赖于python3.7的版本。torch是没办法直接下载的好像，要去torch官网找命令下载。如果有一些库出错，可能需要手动下载。库好像只会记录项目依赖的库。

这种情况通常是由于所谓的"僵尸进程"引起的。僵尸进程是指那些已经完成任务但没有正确关闭的进程，它们可能因为各种原因未能释放占用的GPU资源。这会导致资源浪费，并且阻碍其他任务的执行。但是有时候这些PID是主进程，已经kill不了了。然后就把这个nvidia下面的进程kill掉就行。有些服务器可能需要sudo权限才能使用。查看当前占用GPU资源的进程。