安装super-gradients包时遇到的一些错误

1、在满足官方文档上要求的pytorch>1.9,python.3.7后,在安装

pip install super-gradients

之后出现如下报错

11 error: subprocess-exited-with-error

  × Building wheel for pycocotools (pyproject.toml) did not run successfully.
  │ exit code: 1
  ╰─> [14 lines of output]

。。。

 22 error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools": https://visualstudio.microsoft.com/visual-cpp-build-tools/
      [end of output]

  33note: This error originates from a subprocess, and is likely not a problem with pip.
  ERROR: Failed building wheel for pycocotools
ERROR: Could not build wheels for pycocotools, which is required to install pyproject.toml-based projects

尝试很多方法无果,最后冷静下来看error: Microsoft Visual C++ 14.0 or greater is required.,然后根据提示网址去安装了那个visual studio 生成工具后解决问题。

这里注意只需按下图勾选第一项即可:

 然后重新使用下面指令安装,解决问题。

pip install super-gradients
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
这句话的意思是,使用优化器 `opt` 对输入图像 `img` 进行梯度下降更新。在深度学习中,通常使用优化器来更新模型参数或输入,以使损失函数最小化或最大化。优化器通常根据梯度和其他参数来计算参数的更新量。在 TensorFlow 中,我们可以使用 `apply_gradients()` 方法将梯度应用于变量。 具体来说,`opt.apply_gradients()` 方法接受一个梯度-变量对的列表,其中每个梯度-变量对都是一个元组。在这个例子中,我们将计算出的梯度取相反数(即梯度下降)并与输入图像张量 `img` 组成一个梯度-变量对。然后,我们将这个梯度-变量对打包成一个元组,使用 `zip()` 函数将其与一个单元素列表组成一个可迭代对象。最后,我们将这个可迭代对象传递给 `apply_gradients()` 方法,以将梯度应用于输入图像变量 `img`。例如: ``` import tensorflow as tf # 计算梯度 grads = tape.gradient(loss, img) # 创建优化器 opt = tf.optimizers.Adam(learning_rate=0.01) # 应用梯度更新 opt.apply_gradients(zip([-grads], [img])) ``` 在上面的代码中,我们使用 `tape.gradient()` 计算损失函数相对于输入图像的梯度,并创建了一个 Adam 优化器。然后,我们将计算出的梯度取相反数并与输入图像组成一个梯度-变量对,使用 `zip()` 函数将其和一个单元素列表组成一个可迭代对象。最后,我们将这个可迭代对象传递给 `apply_gradients()` 方法,以将梯度应用于输入图像变量 `img`。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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