文章目录前言一、注意事项1.查看电脑cuda版本2.CUDAToolkit与Pytorch版本对应3.Python与Pytorch版本对应二、python安装步骤1.安装Anaconda32.创建conda环境3.创建环境4.激活和删除环境5.在环境中安装python6.查看环境内容三、pytorch安装步骤1.conda2.pip四、pycharm安装步骤总结前言本人在安装python的过程中遇到很多困难，最终摸索出了python、pytorch、pycharm正确的安装步骤。在这里总结一下，大家可以参考、参考。一、注意事项安装python等内容，首先要选好安装的版本。如果只使用python

1、保存模型保存整个模型torch.save(net,path)保存权重state_dict=net.state_dict()torch.save(state_dict,path)2、模型训练过程保存checkpoint={    "net":model.state_dict(),    'optimizer':optimizer.state_dict(),    "epoch":epoch  }3、指定epoch恢复path_checkpoint="./models/checkpoint/ckpt_best_1.pth"#断点路径checkpoint=torch.load(path_chec

论文下载地址：https://arxiv.org/abs/2101.03697官方源码（Pytorch实现）：GitHub-DingXiaoH/RepVGG:RepVGG:MakingVGG-styleConvNetsGreatAgain写这边博客也是为了做一个记录，如果有错误或者不足，请各位大佬提出。repvgg参考了博主：太阳花小绿豆的博客地址如下：(19条消息)RepVGG网络简介_太阳花的小绿豆的博客-CSDN博客在开始前简单说一下我的理解repvgg到底再做什么，我用简单的话来说就是设计了一个可融合的网络，在模型的推理的时候将含有多分支的模型转化为单分支的结构，加快推理的速度。 再论

目录1.Anaconda1.1Anaconda的下载1.2Anaconda的安装 2.Pytorch的安装3.Pycharm3.1Pycharm的下载3.2Pycharm的安装3.3在Pycharm中配置Anaconda环境 4.jupyternotebook的安装1.Anaconda1.1Anaconda的下载官方网站的下载速度慢，这里推荐到清华大学镜像站下载选择最近的版本下载就行，我下载的是3-21版本的1.2Anaconda的安装下载之后直接打开就行 2.Pytorch的安装1）打开anacondaprompt 2）输入condacreate-n pytorch python=3.7创建

在我们运行SD的时候，我们经常会爆CUDAOutofmemory。我们应该怎么办呢？这是因为我们的显存或者内存不够了。如果你是用cpu来跑图的则表示内存不够，这个时候就需要换个大点的内存了。如果你是用gpu来跑图的就说明你显存不够用咯，这时候咋办呢？下面我将一一述说解决办法。请用心看完，别随便看看就不看了，否则你会丢失一个重大的宝藏。1.显存不够之换显卡篇如果你显存不够用了，别慌！换显卡吧！最好换成4090。兄弟，值！建议你直接换4090，保证你嘎嘎爽。2.使用--mdevram或--lowvram降低显存消耗我们可以在配置文件中添加--mdevram或--lowvram引数配置文件：Wind

在使用nvcc-V和nvidia-smi查看cuda版本时不一致：nvcc-V版本是10.1nvidia-smi的版本是12.2上面如果能显示版本，所以是已经有驱动，首先要删除之前的驱动：1、执行以下命令，删除旧版本的驱动sudoapt-getpurgenvidia*此时执行nvidia-smi，会提示Command'nvidia-smi'notfound，按照提示安装即可：sudoaptinstallnvidia-utils-535-server安装成功后，再次执行nvidia-smi，成功，显示cuda版本为12.22、下载对应版本的cudaCUDAToolkit12.2Downloads

似乎在一本书的代码示例中，总是定义init，以便仔细检查self是否能够存在。-(id)init{self=[superinit];if(self){//initialize}returnself;}然而，在返回时，没有任何代码检查对象是否能够存在。但是否应该检查，又该如何处理呢？如果对象不存在，是否意味着系统内存严重不足，甚至弹出错误消息也不可能？ 最佳答案 However,uponreturn,noneofthecodeatallcheckswhethertheobjectisabletoexist.Butshoulditbec

目录引言历史背景重要性二、注意力机制基础概念定义组件注意力机制的分类举例说明三、注意力机制的数学模型基础数学表达式注意力函数计算权重数学意义举例解析四、注意力网络在NLP中的应用机器翻译代码示例文本摘要代码示例命名实体识别（NER）代码示例五、注意力网络在计算机视觉中的应用图像分类代码示例目标检测代码示例图像生成代码示例六、总结在本文中，我们深入探讨了注意力机制的理论基础和实际应用。从其历史发展和基础定义，到具体的数学模型，再到其在自然语言处理和计算机视觉等多个人工智能子领域的应用实例，本文为您提供了一个全面且深入的视角。通过Python和PyTorch代码示例，我们还展示了如何实现这一先进的

1、查看python版本1）键盘windows+R键，弹出如下：2、 2）点击确定，弹出如下： 3）输入python，便可输出python版本2、查看cuda版本1）打开pycharm编辑器2）输入：importtorchprint(torch.version.cuda)3）运行后输出：  3、查看pytorch版本1）打开pycharm编辑器2）输入：importtorchprint(torch.__version__)3）运行后输出：   4、查看tensorflow版本1）打开pycharm编辑器2）输入：importtensorflowastfprint(tf.__version__)

目录1问题背景2问题探索2.1CUDA固有显存2.2显存激活与失活2.3释放GPU显存3问题总结4告别Bug1问题背景研究过深度学习的同学，一定对类似下面这个CUDA显存溢出错误不陌生RuntimeError:CUDAoutofmemory.Triedtoallocate916.00MiB(GPU0;6.00GiBtotalcapacity;4.47GiBalreadyallocated;186.44MiBfree;4.47GiBreservedintotalbyPyTorch)本文探究CUDA的内存管理机制，并总结该问题的解决办法2问题探索2.1CUDA固有显存在实验开始前，先清空环境，终端