ffmpeg默认是使用cpu版的但是机器上有gpu，又不能不充分利用gpu进行加速安装之前需要准备其他环境：（1）cmakeapt install cmake（2）x265_2wget http://ftp.videolan.org/pub/videolan/x265/x265_2.6.tar.gztar -xvf x265_2.6.tar.gzcd x265_v2.6/build/linux/s

通常情况下，停止进程显存会释放但是如果在不正常情况关闭进程，可能不会释放，这个时候就会出现这样的情况：Mon Oct 19 16:00:00 2020+-----------------------------------------------------------------------------+| NVIDIA-SMI 410.104Driver Version: 410.104CUD

这里使用的是anaconda进行安装，因为anaconda集成了很多插件确实好用很多，省去了很多麻烦一、安装anaconda1）下载安装包https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/这里我是采用的最新版的2）bash 安装包https://blog.csdn.net/u010414589/article/details/...

apex可以在深度学习训练的时候使用自动混合精度（amp）apex安装直接使用pip install apm能够安装但是不能使用直接使用源码安装就行git clone https://github.com.cnpmjs.org/NVIDIA/apex.gitcd apexpython setup.py install这样就可以使用apex了...

原生的torch是float32的，我们可以借鉴模型量化的思想将其变成float16，而且pytorch自身就定义了半精度的tensor假设我训练的一个模型为model，我们在运算的时候直接将模型转成半精度的模型，怎么做的呢？直接使用model.half()就行model.half()model.cuda()假设我们有个float32的tensor的变量img，为了使用半精度的模型，同样需要将其输

bsds500数据集在轮廓和分割使用很频繁，但是数据本身是保存成.mat的，不是我们常用的图片格式，.mat实际上是一堆json格式的文件，是MATLAB保存的，为了方便我们常规使用，我打算将其转成.jpg数据集下载：链接：提取码：3faz打印.mat文件x=io.loadmat('D:\\BSR_bsds500\\BSR\BSDS500\\data\\groundTruth\...

导入keras_contribfrom keras_contrib.layers.normalization import InstanceNormalization的时候出现这个错误，说明我们没安装此模块ImportErrorTraceback (most recent call last)<ipython-i...

原生的torch是float32的，我们可以借鉴模型量化的思想将其变成float16，而且pytorch自身就定义了半精度的tensor假设我训练的一个模型为model，我们在运算的时候直接将模型转成半精度的模型，怎么做的呢？直接使用model.half()就行model.half()model.cuda()假设我们有个float32的tensor的变量img，为了使用半精度的模型，同样需要将其输

torchscript作为pytorch的模型保留方式这里主要介绍3种类型：1.单变量输入x = torch.randn(1, 3, 256, 256, requires_grad=True).cuda()script_module = torch.jit.trace(model,x,strict=False)torch.jit.save(script_module, "model.pt")2.多

使用TF进行计算，出现：Traceback (most recent call last):File "infer.py", line 14, in <module>logits = classifier.get_output_for(image, None)File "/opt/stylegan2/dnnlib/tflib/network.py", line 219, in get_