推测：可能是下载出了问题，使用git clone 下载或者直接download下载到本地。然后进去该文件目录下，找到setup.py文件，在该目录下执行，即可解决错误。错误：不能正确访问"https://github.com/xxx/xxx。下面是官网的截图，可以看出其实官方是不推荐使用这种方式安装的。如果想通过git+https这种方式安装，可以参考官方文档。笔记：这个错误源资源子进程，可能不是

在使用pytorch时遇到的问题，问题描述：ImportError: cannot import name 'SAVE_STATE_WARNING' from 'torch.optim.lr_sc解决方法：默认安装的torch版本是1.8版本，降低torch的版本为1.7.1即可。或者是升级transformers版本...

文章目录Elsevier 模板的使用1. 通用模板使用说明1.1 文件说明1.2 模板说明2. 复杂版式模板使用说明2.1 文件说明2.2 模板说明2.3 其他修改2.4 常见报错解决先放出本文的核心产出：通用模板，无报错可直接编译：https://github.com/yaoyz96/elsarticle复杂版式模板，无报错可直接编译：https://github.com/yaoyz96/els

pip安装完pytorch-geometric之后，报错No module named torch_sparse，搜了一下，居然是一个大坑，总结一下。网上各种方法都装不上，总是出各种问题，最后还是在官网上面找到安装方法。下面记载一下：第一种方法（别人我不知道，我试着无效）：第二种方法（亲测有效）：We alternatively provide pip wheels for all major O

之前学习pytorch用于文本分类的时候，用到了一维卷积，花了点时间了解其中的原理，看网上也没有详细解释的博客，所以就记录一下。Conv1dclass torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)in_channels(int

1. 查看CUDA版本cuda默认安装在/usr/local目录，可以使用ls -l /usr/local | grep cuda查看该目录下有哪些cuda版本假设有如下输出：lrwxrwxrwx 1 root root8 Apr 26 2019 cuda -> cuda-9.0drwxr-xr-x 11 root root 4096 Apr 26 2019 cuda-10.0drwxr-x

1 模型结构论文信息：2018年10月，谷歌，NAACL论文地址 https://arxiv.org/pdf/1810.04805.pdf模型和代码地址 https://github.com/google-research/bertBERT自18年10月问世以来，就引起了NLP业界的广泛关注。毫不夸张的说，BERT基本上是近几年来NLP业界意义最大的一个创新，其意义主要包括大幅提高了GLUE任务S

使用dgl出现dgl._ffi.base.DGLError: Cannot assign node feature "h" on device cuda:0 to a graph on device cpu. Call DGLGraph.to() to copy the graph to the same device时，目前找到的解决方案就是pip install dgl==0.4.1。对，就是

之前我们讲过NRI（Net ReclassificationImprovement，重分类改善指标），相对于AUC（ROCarea under the curve）等指标，NRI更关注在某个截断值时两个诊断试验的相对好坏。在文章推出之后很多朋友问NRI问如何检验NRI是否有统计学意义，其临床意义是什么，今天我们通过其计算过程为您揭开NRI的神秘面纱。如下表，100个

在深度学习模型训练过程中，在服务器端或者本地pc端，输入nvidia-smi来观察显卡的GPU内存占用率（Memory-Usage），显卡的GPU利用率（GPU-util），然后采用top来查看CPU的线程数（PID数）和利用率（%CPU）。往往会发现很多问题，比如，GPU内存占用率低，显卡利用率低，CPU百分比低等等。接下来仔细分析这些问题和处理办法。1. GPU内存占用率问题这往往是由于模型的