总结归纳（第一季度）2024_1-3月【收获分享，仅供学习使用】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

记录第一阶段

1. 深度学习方面

• 可以用两张卡跑，但是精度会严重下降，不知道是为什么
• 使用device比使用cuda更不容易报错
• 使用两张卡时要修改的：

os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'#设置所有可以使用的显卡，共计四块
device_ids = [0,1]#选中其中两块
#model = nn.DataParallel(model, device_ids=device_ids)#并行使用两块
net = torch.nn.Dataparallel(model)  # 默认使用所有的device_ids
#model = model.cuda()

net = HCTnet.HCTnet()
net = nn.DataParallel(net, device_ids=device_ids)
net = net.cuda()

• 并且将所有的 .to(device) 改成 .cuda()

2. 服务器使用全解

所需软件：MobaXterm + Pycharm专业版

1. 使用MobaXterm连接服务器
   • 输入IP地址和用户名，然后进去后打字输入密码
   • 记得在data下创建个人目录，否则会将数据生成到C盘
2. 修改.bashrc文件
   • 在home/user下修改.bashrc
   • 在文档的最后添加（记得要空两格），其中/data/Software/Anaconda/bin"是conda路径，如果使用miniconda那么就指向miniconda路径即可

    export PATH="/data/Software/Anaconda/bin":$PATH
    source activate base

3. 激活.bashrc（在命令行中输入）

	source ~/.bashrc

4. pycharm设置
   • 添加SSH服务（注意添加密码）
     
   • 添加环境与同步目录
     
5. 建立代码同步
   参考

---

记录第二阶段

1.引入ssl库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

记录第三阶段

1. 将[64,64,11,11]变成[64,64,7,7]

self.conv1 = nn.Conv2d(dim, dim, kernel_size=3,padding=2,stride=2)

2. 将[64,64,11,11]变成[64,64,1,1]

self.conv1 = nn.Conv2d(dim, dim, kernel_size=11)

总结