Python代码问题与技巧

系统问题：

1. conda activate 时报错 ： [报错解决]CommandNotFoundError: Your shell has not been properly configured to use ‘conda activate‘.If
   参考：本博客

2. import numpy as np 或者import其他的报错，显示报错ImportError: DLL load failed: 找不到指定的模块的问题
   解决方法：参考博客
   若：在base环境中运行"import numpy as np"没有问题，但在虚拟环境中运行就报错。
   解决方案就是将虚拟环境中对应三个路径添加到系统环境变量Path中，然后重启vscode即可。
   

3. 安装compressai 出现问题：at least C++11 support is needed! 可能是因为 gcc和g++的问题
   解决方法：修复gcc g++ 如 博客
   如果在安装g++期间出现 g++ : Depends: g+±5 (＞= 5.3.1-3~) but it is not going to be installed 缺少依赖包 则参考这个博客 更换源即可。更换方法 sudo vim /etc/apt/sources.list 打开后 按 i 进入修改状态，修改完后 按esc退出 然后按 shift+: 输入命令 w 为 保存 q 为退出 wq为保存后退出 。 更改换完源后 使用 sudo apt update 和 sudo apt upgrade 更新 然后 apt install g++ 就可安装上了

4. pyhton 找不到相对路径的问题
   解决方法：

import os
import sys
os.chdir(sys.path[0])

5. 生成环境所有包的名字和版本
   pip freeze > requirements.txt
   安装 pip install -r requirements.txt
6. n秒后关闭程序
   time.sleep(n)
7. 打包python文件为一个exe程序

pyinstaller -D 原文件名.py -n 生成文件名    （该方法会生成一个文件夹）
pyinstaller -F 原文件名.py -n 生成文件名     （该方法只会生成一个文件）

8. 获得本脚本所在的上级目录 并作为全局变量 用于后面拼接其他路径 从而的到全局路径 这种生成全局路径的方法比直接输入好 具体介绍

import os
import sys
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
## 或者 BASE_DIR = os.path.dirname(os.path.realpath(sys.argv[0]))
new_dir = os.path.join(BASE_DIR，“子路径” )

9. 关于优化器的学习率更新的问题：

#定义：
scheduler = torch.optim.lr_scheduler.ReduceLROnPlateau(optimizer, mode='min', factor=0.1, patience=10, min_lr=1e-7) 
#调用（再算出本轮epoch后使用：
scheduler.step(val_loss_to_track)
# 即当 val_loss_to_track 连续patience次没有降低时， 使得optimizer的学习率降低为0.1倍 最低学习率为min_lr

=============================

技巧

10. pytorch中model eval和torch no grad()的区别
``
==通过这种方法可以在验证集时 使用更大的batchsize 加快速度。验证和保存模型都会拖慢速度，所以在调试好程序后可以将验证集频率降低，模型保存频率也降低！！ ==

常用的学习率衰减代码

1 根据sasic代码

if epoch % int(c.LR_DROP/len(train_set)) == 0 and epoch > 0:
   scheduler.step()