Pytorch用多张GPU训练时，会报地址已被占用的错误。其实是端口号冲突了。因此解决方法要么kill原来的进程，要么修改端口号。在代码里重新配置torch.distributed.init_process_group()dist_init_method = 'tcp://{master_ip}:{master_port}'.format(master_ip='127.0.0.1', master

这是一篇发表在AAAI2020上的一篇文章，附上链接：https://aaai.org/ojs/index.php/AAAI/article/view/6233方法名为LAMBADA(Language Model Based Data Augmentation)，核心思路为：下面看一下每个步骤具体实施的过程：选用一个分类算法在训练集上训练一个分类器。分类算法文中用了BERT,SVM和LSTM。记住

安装nginx一共最多需要下载三个文件，一个是nginx （nginx官网）是必须的，另外可能需要两个依赖包：pcre（pcre官网）和zlib （zlib官网）流程如下：下载3个压缩包并解压安装编译这三个包（核心步骤）把自己的网页放在一个文件夹里一. 把三个压缩包都下载下来nginx: （我下载1.20.1安装失败，看到附录用1.16.1可以成功）pcre: (这个我下载的是 pcre-8.43

转载：https://blog.csdn.net/JianJuly/article/details/99678608以下是我搬运的内容，防止原博客删掉了。使用python导入torchvision包时，计算机报错：/libstdc++.so.6: version CXXABI_1.3.11 not found可能错误原因：libstdc++.so.6版本太低解决方法：使用更高版本的libstdc+

问题：导入本地的模块时，下面总是有波浪线，类似下图这种情况。但是程序是可以正常运行的，所以刚开始我选择无视他。然而在我调试要跳转的时候，发现不能跳转，会出现一下问题，所以必须得解决了，解决方案：1. 进入设置；2. 进入Python Console,勾选 Add source roots to PYTHONPATH，然后点击OK3.右击项目，选择Mark ...

官方链接：https://tensorflow.google.cn/install/source打开之后，拉到最下面。

自己配的环境老是跑不起来，所以想着把别人能跑的环境copy过来。做法如下：如果需要在具有 相同操作系统 的计算机之间复制环境，则可以生成 spec list。生成spec list 文件：conda list --explicit > spec-list.txt重现环境：conda create --name python-course --file spec-list.txt来自：吕星林师

假设有两个文件A和B，需要找到A中出现过的且B中没出现的行，并保存到C文件中。cat A B B | sort | uniq -u > C主要涉及uniq命令的使用uniq --h

在神经网络的学习中，权重的初始值特别重要。实际上，设定什么样的权重初始值，经常关系到神经网络的学习能否成功。本文将介绍在Sigmod、tanh和Relu激活函数下权重初始值的推荐值。

import torchnum_class = 5N = 3tensor = torch.randint(0, num_class, [N])print(tensor)one_hot = torch.zeros(N, num_class).long()one_hot.scatter_(dim=1,index=tensor.unsqueeze(dim=1),src=torch.ones(N, num