一开始，查阅资料，取消所有inplace操作，如：将nn.ReLU(inplace=True)中的inplace取消，设置为false或使用默认值nn.ReLU()。另外就是将所有的y+=x改为y=y+x。注意到UserWarning: Error detected in CudnnBatchNormBackward0. No forward pass information available这

这里需要解释的是，一个括号内的两个变量相乘表示的是该维度的长度，因此不要把"h"和"w"理解成图像的宽和高。在代码实现上需要使用einops这个库，完成的操作是将（B，C，H，W）的shape调整为（B，(H/P *W/P)，P*P*C）。后面的"b (h w) (p1 p2 c)"表示了图像分块后的shape: （B，(H/P *W/P)，P*P*C）到了CV领域里面，图像是2维的，为此，我们需

https://github.com/szagoruyko/attention-transfer/blob/master/visualize-attention.ipynbfrom PIL import Imageimport requestsimport numpy as npfrom io import BytesIOimport torchfrom torch import nnfrom t

自己按照自己的模型内容编写推理速度。

https://www.cnblogs.com/jiaxin359/p/10234946.html（安装）https://blog.csdn.net/tan123456987321/article/details/104777049/（在此虚拟上运行GitHub代码）

PatchMering的作用：其实就是下采样的作用。这里面用到花式python切片。

2.关于建立mmcv问题，我按照它的第一个方法建立不起来，所以我采用的是先下载mmcv这个包，然后按照需求建立的版本：pip install mmcv=1.5.3。艾玛鼓秋了一天，各种转换都没过去mmcv，我发现第一种指定cuda版本那个方法怎么都过不去，爱最后还是下载包，然后安装，最后成功了，在此记录一下悲惨且激动的过程。3.关于建立需求有一个optinal.txt，怎么都过不去，就先下载这个包

无

from torch.utils.data import TensorDatasetimport torchfrom torch.utils.data import DataLoadera = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3], [4, 5, 6], [

经过分析发现问题是出在显示阶段，应该是在打印报告的时候出错，所以定位到reporter.py程序里面。我的程序地址路径如下，在Anaconda安装目录下的虚拟环境里面。我的虚拟环境是py3.10_cuda11.3。路径："D:\Anaconda3\envs\py3.10_cuda11.3\lib\site-packages\torchstat\reporter.py。在深度学习模型使用中，再查看模