logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Pytorch:GPU版代码改成CPU版(RuntimeError: torch.cuda.FloatTensor is not enabled.)

1. 问题:运行代码时出现错误:RuntimeError: torch.cuda.FloatTensor is not enabled.主要是因为我电脑没有英伟达显卡,不支持GPU加速,所以安装的PyTorch是cpu版本的,不是gpu版本的,不支持cuda。但是,这个代码作者说是此代码时专为用cuda运行而设计的,所以此处出错了。2. 解决:把cpu版本的代码改成cp...

Vmware里安装 Ubuntu16.04 + 安装Vmware-tools

在VMWare虚拟机中安装Ubuntu 16.04.1 LTS(最后也有安装vmware-tools的步骤)、ubuntu系统安装VMware Tools安装详细过程VMware下安装ubuntu 16.04(全步骤)VMware安装Ubuntu16.04超详细教程创建虚拟机之后:1.去掉3D图形,不然后面会报错2.选择镜像文件的位置启动虚拟机,安装ubuntu:1.一路默认,不分区(除了选择单个

Vmware里Ubuntu安装Vmware Tools时提示:客户机操作系统己将 CD-ROM 门锁定,并且可能正在使用 CD-ROM.....

参考:https://blog.csdn.net/weixin_37987487/article/details/81271592问题:安装vmware tools时提示:客户机操作系统己将 CD-ROM 门锁定,并且可能正在使用 CD-ROM.....解决:点击“编辑虚拟机设置”。点击CD/DVD,去掉之前安装系统时使用的iso镜像文件(iso文件就是一个系统安装包),然后选择使用物理驱动器–自

PyCharm中的terminal运行从PS修改成cmd

在电脑上安装了最新版(2022.1)的PyCharm,环境什么的都安装好了,导入代码后,打开pycharm中的terminal,发现前缀是PS(PowerShell),之前用pycharm终端的时候一直都是相应环境下的cmd命令行,还没遇到过PS,很不习惯,就想把它改成从cmd运行。在File——>Settings——>Tools——>Terminal里,shell path选择: cmd.exe

#pycharm#python
Ubuntu:安装VSCode

参考博客中的第二种方式【安装包方式安装】,即可,安装非常easy~~~

文章图片
#ubuntu#vscode
u盘中病毒解决方法 (文件夹变成exe文件)

上机课的电脑机子有毒,u盘刚插上去,就中病毒了。文件夹都变成exe文件了。上课就只顾杀毒,救我的u盘了。下面是我的杀毒,挽救u盘里的文件的具体步骤(亲测好用有效!):1,下个“火绒”安全软件(链接:https://www.huorong.cn/),然后安装,如下图。双击下载的安装包安装。不要用360,360扫描病毒真心巨慢。。。如下图,我扫描了一二十分钟了...

PyTorch1.9.1 GPU版本安装(python3.8+pyTorch1.9.1, torch1.9.1/cu111 + torchvision0.10.1/cu111)

win10 + 英伟达显卡(GeForce RTX 3090)+ Anaconda3+ cuda11.1。安装gpu版本的PyTorch1.9.1(torch1.9.1/cu111 + torchvision0.10.1/cu111)

#pytorch
Ubuntu22.04安装PyTorch1.12.1 GPU版本

最近又被装环境折磨,仅根据实际情况记录糟心经历。仅作记录。网上很多pytorch GPU版本安装教程里一般步骤都说是:装显卡驱动、装cuda、装cudnn、最后安装pytorch GPU环境。但也有教程说可以不单独安装cuda、cudnn,直接安装pytorch GPU环境。于是,我打算在不安装cuda、cudnn的情况下(主要是嫌安装太麻烦),直接安装pytorch GPU环境。新机器,自带的有

文章图片
#pytorch#ubuntu
Elsevier(爱思唯尔)期刊—Latex模板下载、使用、投稿过程

其中有关题目、作者信息、参考文献的修改,都有提到。可以直接使用作者给出的已经调好的可以直接编译的latex模板(【通用latex模板】、【复杂版式latex模板】都有),一般会使用复杂版式的双栏模板,把下载好可直接编译的latex压缩包导入overleaf,即可成功编译使用!具体使用可参考以下CSDN博客,里面讲的很详细,有给出已经改好的可直接编译的latex压缩包!【通用latex模板】、【复杂

文章图片
2020-CVPR-《Mnemonics Training:Multi-Class Incremental Learning Without Forgetting》论文阅读笔记

2020-CVPR-《Mnemonics Training Multi-Class Incremental Learning Without Forgetting》论文地址:代码地址:GitHub - yaoyao-liu/class-incremental-learning: PyTorch implementation of AANets (CVPR 2021) and Mnemonics T

    共 54 条
  • 1
  • 2
  • 3
  • 6
  • 请选择