1.需要有GPU（推荐8G以上），已设置好CUDA：基于win10深度学习环境配置（conda，python，cuda11.7，torch1.13.0）_dr_yingli的博客-CSDN博客2.文件格式为常见的niiimg_list格式如下E:\...\3.nrrdE:\...\3.nrrd0E:\...\4.nrrdE:\...\4.nrrd1训练代码importtorchfromtorchimportnnimportosimportnumpyasnpfromtorch.utils.dataimportDatasetimportnibabelfromscipyimportndimagefr
问题描述：我在配置环境时，使用pytorch官网上的命令安装torcch时，出现了pipinstalltorch==1.8.1+cu111torchvision==0.9.1+cu111torchaudio==0.8.1-fhttps://download.pytorch.org/whl/torch_stable.html这个错误。ERROR:Couldnotfindaversionthatsatisfiestherequirementtorch==1.8.1+cu111(fromversions:none)ERROR:Nomatchingdistributionfoundfortorch==
torch_geometric是PyG中必不可少的一个包，也是进行图神经网络学习的必备，然而安装这个包并运行一段简单的代码踩了不少坑，记录一下。1、安装torch_geometric一开始，我直接pippipintsalltorch_geometric果然报错，提示没有torch_sparse很显然是没有安装依赖，于是我去查需要哪些依赖官网地址：Installation—pytorch_geometricdocumentation(pytorch-geometric.readthedocs.io)按照官网给出的代码进行安装pipinstallpyg_libtorch_scattertorch_
一、准备工作查看GPU状态和信息，找到空闲的GPU：nvidia-smi二、指定单GPU从图中Processes 表格我们可以发现0、1、2号GPU均是可以利用的。于是我们可以在python文件中加入以下代码，表示使用0号GPU：importosos.environ["CUDA_VISIBLE_DEVICES"]="0"#使用0号GPU或者可以在命令行窗口处输入，表示使用1号GPU运行代码：CUDA_VISIBLE_DEVICES=1pythonyour_model.py#使用1号GPU运行代码再或者使用 torch.cuda.set_device()函数指定gpu使用编号：importtor
一、准备工作查看GPU状态和信息，找到空闲的GPU：nvidia-smi二、指定单GPU从图中Processes 表格我们可以发现0、1、2号GPU均是可以利用的。于是我们可以在python文件中加入以下代码，表示使用0号GPU：importosos.environ["CUDA_VISIBLE_DEVICES"]="0"#使用0号GPU或者可以在命令行窗口处输入，表示使用1号GPU运行代码：CUDA_VISIBLE_DEVICES=1pythonyour_model.py#使用1号GPU运行代码再或者使用 torch.cuda.set_device()函数指定gpu使用编号：importtor
关键代码x=torch.randn(64,3,128,128)transform=transforms.Compose([transforms.Resize(64),transforms.ToTensor(),transforms.Normalize([0.5],[0.5])])transform(x)原因在于x本就是Tensor类型的，有写了一次ToTensor()转换类型，因此会报错。解决办法删除transforms.ToTensor()或者修改x类型为其他类型
背景运行网上的项目，有时会卡住或者超时，原因是torch.hub.load默认会去网上找模型，有时会因为网络问题而报错解决方法不让torch.hub.load联网下载模型，改为torch.hub.load加载本地模型。本地模型默认的下载路径是：/root/.cache/torch/hub……原始：vad_model,funcs=torch.hub.load(repo_or_dir="snakers4/silero-vad",model="silero_vad",trust_repo=True)改为：vad_model,funcs=torch.hub.load(repo_or_dir="/roo
1.torch.sumtorch.sum(imgs,dim=0)#按列求和torch.sum(imgs,dim=1) #按行求和imgs=torch.Tensor([iforiinzip(range(10),range(10))])print(imgs)s1=torch.sum(imgs,dim=0)#按列求和s2=torch.sum(imgs,dim=1)#按行求和print(s1)print(s2)2.torch.unsqueeze将每个图像张量的维度扩展，即在每个图像张量的最前面添加一个额外维度，以匹配模型的输入形状要求。 torch.unsqueeze(i,dim=0) #按dim=0
每次从github上安装项目对应的库，利用requirements.txt安装很容易出现版本不对应的情况，尤其是将torch的gpu版本安装成cpu。这里记录一些查看版本的指令和离线安装的方法，就不用每次百度啦！（注：其他库的离线安装也可以用同样的方法，只需要去相应的网站下载wheel即可）1.首先查看torch版本（指令最好在终端一行一行地输入）activatepytorch#进入环境pythonimporttorchprint(torch.__version__)#查看torch版本print(torch.cuda.is_available())#查看cuda能用吗如果版本
如图上所示报错地方在跑算法代码的时候，发现报错，但是这个错误在网上没有找到，我推测是pytorch改版问题，于是查看torch版本改动，发现torch.concat改版后该写为torch.cat。不过或许我写的也不够准确，除此之外还看到了有人问torch.concat和torch.cat的区别。 不过出现了这类问题改成torch.cat试试看吧。
