【tensorflow】&【pytorch】_debug_错误集合

【NO.1】AttributeError: ‘str’ object has no attribute ‘decode’

这是字符解码和编码问题；
conda install h5py==2.10.0

错误发生在我要load 文件后缀为hdf5时候；
网上还有一种 解决办法就是将decode(“utf8”)内的" “utf8"” 去掉
这个时候就是在报错最后一行点击

【NO.2】y.reshape(-1,n)
经过重新塑形之后y的形状还是原来的形状
只有将返回值进行赋值，才能改变原来的形状
y1 = y.reshape(-1, n) 返回的y1形状才会发生变化

【NO.3】显存不足 : tesla V100 32G 显存 【迷惑行为】

• 以下几种方法都是控制显存分配和控制GPU的使用

方法1：

import tensorflow as tf
gpu = tf.config.experimental.list_physical_devices(device_type='GPU')
assert len(gpu) ==1
tf.config.experimental.set_memory_growth(gpu[0],True)

方法2：

physical_devices = tf.config.experimental.list_physical_devices('GPU')
assert len(physical_devices) > 0, "Not enough GPU hardware devices available"
tf.config.experimental.set_memory_growth(physical_devices[0], True)

方法3：

import tensorflow as tf
from keras.backend.tensorflow_backend import set_session
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.3 # 设置分配显存最大值占总值的百分比
set_session(tf.Session(config=config))

对于上面遇到的问题在服务器上加上解决办法还是不行，在本机上加上解决办法是可以解决问题的，后续为什么在服务器上为什么会出现显存不足，继续寻找答案，本来按道理是不会出现这种情况的毕竟有32G的显存利用，nvidia-smi显示的

可见是没有其他进程的，

反而本机倒是占用了一部分内存
直接关闭重启可以解决问题

conda

新建虚拟环境

conda create --name yourname python=3.6

激活sourse activate 
conda activate youname

报错的原因是因为上次退出没有正常关闭环境
重新激活环境就可以
sourse activate base/torch_1.4

Pycharm:Can’t get remote credentials for deployment server

[解决办法]https://blog.csdn.net/m0_37586991/article/details/88381652?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163092835516780269870996%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163092835516780269870996&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_v2~rank_v29-1-88381652.pc_search_result_cache&utm_term=cant+not+credential+remote+server&spm=1018.2226.3001.4187