安装对应的mmcv版本，使用下面命令可以自动安装匹配的版本，使用mim安装。安装与cuda对应的torch版本，对应关系。如果使用pip安装，我是报了这个错误。最后安装mmcv对应的mmdet。首先查看自己的cuda版本。

1、keras实现单词级的one-hot编码from keras.preprocessing.text import Tokenizersamples = ['you got a dream,you got to protect it','everything that has a beginning,has an end']tokenizer = Tokenizer(num_words=100)

如果有多个版本的cuda，虚拟环境中指定特定的cuda版本，在/venv/bin/activate中添加自己cuda所在的路径，添加后重新激活虚拟环境。开始使用的cuda版本是10.1，CUDA 10.1 版本不支持 RTX 3080，先升级cuda版本。原因应该是 cuda或pytorch 与显卡算力不区配。2. 配置cuda相对应的环境版本，详情见另一篇博客。1. 将cuda版本升级到11.6

设置-->网络和internet-->代理-->使用代理服务器。

首先要安装依赖包，因为这个依赖包开始走了很多弯路，下面这个链接讲的很详细。python下载网址。

原因：数据生成的稀疏矩阵，模型需要的稠密矩阵，两者不兼容解决：改模型，例如我用高斯朴素贝叶斯出现了这个bug，换用多项式朴素贝叶斯就可以得到较好的结果model = Pipeline([('vect',TfidfVectorizer()),('clf',GaussianNB()),])model.fit(X_train,y_train)Traceback (most recent call las

文章目录一、常规优化模型的种类二、常规优化模型的知识及应用（2）------非线性规划2.1简介2.2动态规划相关问题的求解2.2.1求解最短路径问题（lingo软件求解）2.2.2典型问题的动态规划模型一、常规优化模型的种类本人已经发布过线性规划算法和非线性规划算法的相关知识的博客，有需要了解的同学请移步 线性规划------单纯形法真的难~~~数学模型之非线性规划------脑细胞不够用了~~

文本分类

vLLM的核心特性：最先进的服务吞吐量使用PageAttention高效管理注意力键和值的内存量化：GPTQ，AWQ，INT4，INT8和FP8VLLM的灵活性和易用性体现在以下方面：具有高吞吐量服务以及各种解码算法，包括并行采样，束搜索等支持张量并行和流水线并行的分布式推理提供与OpenAI兼容的API服务器支持很多显卡：NVIDIA GPU、AMD CPU和GPU、Intel GPU和CPU、

发生错误的原因是安装的tensorflow版本与Keras版本不一致。tensorflow与keras版本对照。卸载已有的keras版本，重新下载。