遇到的问题，就是 GPU driver 以及cuda都装完了，pytorch装完之后想试试代码。结果报错，raise AssertionError(“Torch not compiled with CUDA enabled”)。

ImportError: libSM.so.6: cannot open shared object file: No such file or directory转自：https://www.cnblogs.com/haiyang21/p/11210038.html错误Traceback (most recent call last):File "<stdin>", line 1,

遇到的问题，就是 GPU driver 以及cuda都装完了，pytorch装完之后想试试代码。结果报错，raise AssertionError(“Torch not compiled with CUDA enabled”)。

这样的问题往往都是版本不匹配导致的pytorch的版本，mmcv的版本和cuda 的版本 （nvcc -V） 要一致。首先上pytorch官网看看。cuda和pytorch的版本：可以通过这里查找对应匹配的版本下载mmcv按照官网给的配置去设置各个版本，基本上就没问题。

tensorflow安装和版本选择版本选择看这里https://blog.csdn.net/qiancaobaicheng/article/details/95226499安装看这里安装anaconda，然后用python的pip可以安装特定版本的tensorflow，如：pip install tensorflow-gpu==1.4.0-i https://pypi....

实现在服务器重启后自动启动docker服务以及容器（类似于守护进程服务）。重启启动docker服务systemctl enable docker.service重启启动docker容器启动时候使用 --restart=always参数。docker run -dit \--restart=always \#配置为自动重启--name nginx \--network host \nginx已经启动

Docker Error loading config file XXX.dockerconfig.json permission denied和 Docker Got permissiondenied 的 解决1.如果是 ==》Error loading config file XXX.dockerconfig.json - stat /home/XXX/.docker/config.json:

pycharm + docker 远程调试容器内程序一、首先假设你已启动了一个docker容器，并在启动时将容器的22端口映射到宿主机的10022端口启动示例：nvidia-docker run -it -p 5000:80 -p 10022:22 -v ~/longlongaaago/workspace/docker:/root/workspace --name "longlonga...

强化学习On-policy vs Off-policy这里我们讲讲强化学习中on-policy和off-policy的区别。实际上这个区别非常简单，就是说如果算法在更新它的policy的时候，它是依赖于前面的Q value function的话，那么它就是on-policy的。反之如果它是依赖于随机的一个输入或者人为的操控，那么它就是一个off policy的。具体来说就是由于在算法更新我们val

强化学习On-policy vs Off-policy这里我们讲讲强化学习中on-policy和off-policy的区别。实际上这个区别非常简单，就是说如果算法在更新它的policy的时候，它是依赖于前面的Q value function的话，那么它就是on-policy的。反之如果它是依赖于随机的一个输入或者人为的操控，那么它就是一个off policy的。具体来说就是由于在算法更新我们val