错误$ sudo service smbd restartJob for smbd.service failed because the control process exited witherror code. See "systemctl status smbd.service" and "journalctl -xe"for details.$ systemctl status smbd.

过程：File->settings->Editior->General->Smart Keys勾选Insert paired barckets(),[],{},<>

文章目录1.余弦相似度计算2.哈希算法计算图片的相似度3.直方图计算图片的相似度4.SSIM（结构相似度度量）计算图片的相似度5.基于互信息（Mutual Information）计算图片的相似度1.余弦相似度计算把图片表示成一个向量，通过计算向量之间的余弦距离来表征两张图片的相似度。from PIL import Imagefrom numpy import average, dot, lina

遍历named_parameters()中的所有的参数，只打印那些param.requires_grad=True的变量。for name, param in model.named_parmeters():if param.requires_grad:print(name)

原因分析1.读取的是.png 图片 是32位深度的，一般我们读取的是.jpg 24位深度的2.转换为RGB就行了test_image = Image.open(test_image_name).convert('RGB')

1.GPU 占用率，利用率输入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）GPU内存占用率（Memory-Usage） 往往是由于模型的大小以及batch size的大小，来影响这个指标显卡的GPU利用率（GPU-util） 往往跟代码有关，有更多的io运算，cpu运算就会导致利用率变低。比如打印loss, 输出图像，等等这个

1.DataParallelDataParallel更易于使用（只需简单包装单GPU模型）。然而，由于它使用一个进程来计算模型权重，然后在每个批处理期间将分发到每个GPU，因此通信很快成为一个瓶颈，GPU利用率通常很低。nn.DataParallel要求所有的GPU都在同一个节点上（不支持分布式），而且不能使用Apex进行混合精度训练。https://zhuanlan.zhihu.com/p/11

1. 直接保存Tensor#!/usr/bin/env python# _*_ coding:utf-8 _*_import torchfrom torchvision import utils as vutilsdef save_image_tensor(input_tensor: torch.Tensor, filename):"""将tensor保存为图片:param input_tenso

文章目录一，Pytorch1. 直接保存Tensor2.Tensor 转CV2 保存二、python1. opencv2.matplotlib:3. PIL一，Pytorch1. 直接保存Tensor#!/usr/bin/env python# _*_ coding:utf-8 _*_import torchfrom torchvision import utils as vutilsdef sa