安装super-gradients不成功

python 版本:3.11.4

使用pip 命令安装:super-gradients

super-gradients 版本 3.2.0

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple super-gradients

显示错误如下:

 

 以关键字搜索:cl.exe failed with exit code 2及  ERROR: Failed building wheel for pycocotools

尝试了无数种方案,包括安装vs_BuildTools.exe还是不可以。

stack overflow及github,csdn有不少解决方法,然而对于我无效。

最后实在没办法了,后来尝试了降低python 版本:3.10.11

重新执行python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple super-gradients

终于不报错了,安装成功后。

推理了一下,成功。

开心。困扰了好几天。应该是python 版本太新,还没做好适配性。尝试了降级 super-gradients,

onnxruntime,pycocotools 等。最后都显示cl.exe failed with exit code 2。一度小崩溃。虽然有不少人通过安装vs_BuildTools.exe解决问题。而我一直不成功,甚至产生了自我怀疑。好在,我一直在尝试,终于成功了。也许过不了多久,python 3.11版本就可以了。

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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