@python打包exe（包含外部文件，迁移到其他电脑只需要发送exe） 本次需求是将一个python项目只打包一个exe（发送给用户时无需提供依赖文件），其内部已经包含了依赖的pytho @python打包exe（包含外部文件，迁移到其他电脑只需要发送exe）本次需求是将一个python项目只打包一个exe（发送给用户时无需提供依赖文件），其内部已经包含了依赖的python文件和外部的文件如txt以及环境，本例具体应用是将深度学习模型打包，外部文件为pth格式。项目的目录文件如下，main.py为主函数，model.py为网络结构，.pth是训练好的网络权重：代码如下，权重文件（外部文件）使用绝对路径引入：# 主文件，这里是为main.pyimport osuipath, ui
创建git新库(gitlab)并且将该文件的所有代码上传 创建git新库并且将该文件的所有代码上传首先在git网页版本上新建一个仓库在本地电脑任意目录右键选择git bash，git clone git@ip:项目名称.git，这时候本地库与远程库已经保持一致将所有的代码复制到本地库目录中在git bash的界面添加所有文件： git add *,提交更改： git commit -m “备注说明”,推送到远程库：git push -u origin master有的人在第四步无法上传，原因可能是在网页中git服务器中master的分支被设置为无
pip安装失败： -bash:** /bin/pip :** /bin/python解释器错误: 没有那个文件或目录 pip安装失败： -bash:** /bin/pip :** /bin/python解释器错误: 没有那个文件或目录报错的原因是pip文件的python目录是不正确的。解决：打开正在使用的anaconda下env的虚拟环境，去bin里面找pip文件，将第一行的python编译器目录改为你现在使用的python目录...
gpu服务器，训练模型时显存满了，但gpu利用率很低，模型训练速度也很低 用gpu服务器训练模型时，发现显存满了，但gpu利用率很低，且周期性变化，比如0-25-45，都不高，同样的代码在另一台服务器上，利用率是90多，且模型训练速度也很低，迭代起来一卡一卡的。在dataloader中增加num_workers什么的，都不管用，最后发现，我加载的数据放到home（sda）下了，正确应该放到另一个移动硬盘中（sdb）如果你和我的情况一致，建议你复制数据到sdb中，同时修改dataloader中的数据目录，修改后，我的服务器gpu利用率直接到90多，且速度很快。...
model.to(device)那里报错RuntimeError: CUDA error: out of memory 试了很多方法，什么减小batch size，什么模型与pytorch不匹配，还有损失函数和梯度存储的方法，都没解决。可能一些人的情况和我一样：就是和别人共用一台实验室服务器，别人的实验太吃显存了，命令行输入：watch -n 10 nvidia-smi 查看显存使用情况红色框框是显存使用情况，可以看出我用的服务器没啥显存了，是没有办法把模型放到gpu上面的。当然假如你的服务器有多个gpu，那可以用：device = torch.device(“cuda:0” if torch.cuda.is_ava
github下载zip速度较慢 github上download zip的时候很慢，几kb，下面分享一个比较实用的方法：注册并登陆码云https://gitee.com/；新建仓库页面，选择导入已有仓库，在输入框内粘贴你想下载的git链接；创建仓库，下载zip仓库，这时候速度就很正常了。...
关注
