TCP的端口被占用，一种解决方法是，运行程序的同时指定端口，端口号随意给出：--master_port 295011另一种方式，查找占用的端口号（在程序里 插入print输出），然后找到该端口号对应的PID值：netstat -nltp，然后通过kill -9 PID来解除对该端口的占用————————————————版权声明：本文为CSDN博主「狐言乱雨」的原创文章，遵循CC 4.0 BY-SA

问题描述Corrupt JPEG data: 1 extraneous bytes before marker 0xdblibpng warning: iCCP: known incorrect sRGB profilePremature end of JPEG filePremature end of JPEG filePremature end of JPEG filePremature en

问题：SVR模型在训练过程中进行预测时，使用测试集和验证集效果不错。但是训练好之后，加载模型进行预测时，不同的输入都预测出相同的结果。解决方法：归一化问题，预测时要与训练时用同一个scale_fit归一化。训练时归一化scale = StandardScaler()scale_x= scale.fit(x)x = scale_x.transform(x)预测时用同一个scale_x归一化，再预测x

问题描述Corrupt JPEG data: 1 extraneous bytes before marker 0xdblibpng warning: iCCP: known incorrect sRGB profilePremature end of JPEG filePremature end of JPEG filePremature end of JPEG filePremature en

问题：原因：没有创建model实例解决方法：

一、numpy.array 增加维度原文链接：https://blog.csdn.net/whyume/article/details/79900457?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-2.channel_param&depth_1-utm_source=distribute.pc_relevant.n

问题：多分类网络加了两层全连接后最后输出1类，计算loss时报错Target Nis out of bounds其中的N其实就是处理的数据输入的标签，即第几类，是一个代表类别的整数，最后输出1类与输入的target不符就会报错解决方法：查看网络的最后输出，softmax的输出节点数是否等于所有的标签数。...

libtorch默认是将cpu性能全部耗光，cpu利用率达到95%，需要设置并行计算的线程数，设置函数是torch::set_num_threads(1);python版本的torch.set_num_threads(1)resnet50模型cpu型号：I7 4770 3.6HZ 内存16Gpytorch 单线程cpu速度大概285ms 增加线程速度反而降低 两个线程300ms 4个线程350ms

问题：SVR模型在训练过程中进行预测时，使用测试集和验证集效果不错。但是训练好之后，加载模型进行预测时，不同的输入都预测出相同的结果。解决方法：归一化问题，预测时要与训练时用同一个scale_fit归一化。训练时归一化scale = StandardScaler()scale_x= scale.fit(x)x = scale_x.transform(x)预测时用同一个scale_x归一化，再预测x

一、预训练模型URL1. Classification 分类AlexNetmodel_urls = {'alexnet': 'https://download.pytorch.org/models/alexnet-owt-4df8aa71.pth',}VGGmodel_urls = {'vgg11': 'https://download.pytorch.org/models/vgg11-bbd30