目录1.生成顺序列表/元组2.Python输出格式化3.lambda函数用法4.map函数用法5.Python特殊注释6.用正则表达式去除字符串中的非汉字部分7.使语句仅在自身运行时执行，而在被调用时不被执行8.python读写文件方式9.TXT文件编码10.应用scrapy模块时引用Item的两种方式11.电脑有多python版本下，scrapy框架的建立12.pytorch模型的下载地址及保
1.安装cuda首先看下自己电脑是CPU还是GPU，看自己电脑对应的cuda版本 看右下角英伟达标识，点击组件，我的cuda版本是12.3，但最后发现安12.1比较好2.安装12.1cuda版本对应的cudnn 3.anaconda安装以及环境变量配置①anaconda安装注意不要安最新的版本，别问我为什么（可能不太好找对应的pytorch版本，太新也容易和很多软件不兼容），
主要的流程参考 ubuntu 16和18没什么区别； 这里主记录一下原博客没有遇到的问题： 安装了两次，花了一天半搞清楚了。第一次安装的时候安装完了，最后在ipython里面import torch，import torchvision，然而torch.cuda.is_avaliable()返回了false，查了很多东西没法解决，加之后面conda命令出了问题，全部卸载重装了一次。装显卡驱动的
# 如何检查Python中torch是否使用GPU
作为一名经验丰富的开发者，你需要教会一位刚入行的小白如何检查Python中torch是否使用GPU。以下是整个过程的流程以及每一步需要做的事情：
## 流程表格
| 步骤 | 操作 |
| ------ | ------ |
| 1 | 导入torch库 |
| 2 | 检查当前设备是否支持GPU |
| 3 | 输出当前设备信息 |
#
原创
2024-06-23 04:51:52
758阅读
目录PyTorch安装安装时踩的坑提升安装速度的方法检验安装结果PyTorch安装上篇文章安装了CUDA和cuDNN，还没有安装的可以参考：如何调用GPU训练模型【详细教程1】——CUDA和cuDNN的安装至此，进行最后一步，PyTorch的安装，还记得最开始打开的Pytorch网站吗：PyTorch 选择刚才安装的CUDA版本（11.8），对应的安装命令如下：pip3 install
转载
2023-08-23 17:26:39
1179阅读
# Python Torch 禁用 GPU 的指导与示例
在深度学习的世界中，PyTorch 是一个流行的框架，它允许开发者充分利用 GPU 加速计算。尽管如此，在某些情况下，我们可能希望在 CPU 上运行模型，例如在没有 GPU 的设备上，或是进行调试。在本文中，我们将介绍如何在 PyTorch 中禁用 GPU，并提供相关的代码示例。同时，我们还将用流程图和序列图直观展示这一过程。
## 1
原创
2024-09-11 04:17:59
243阅读
1.Cuda的下载安装及配置首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。可以看到本机有一个集成显卡和独立显卡NVIDIA GetForce GTX 1050。接下来，测试本机独立显卡是否支持CUDA的安装，点击此处查询显卡是否在列表中。从上图中，可以看到我本机的独立显卡是支持CUDA安装的，计算力是6.1。那么，接下来就是选择CUDA进行安装即可
转载
2024-09-26 10:21:12
118阅读
数字万用表使用方法：首先要了解一些基础，比如： power 电源开关 HOLD锁屏按键, B/L一般是为背光灯， 其次要了解 转换开关 V-或DCV 是直流电压挡的意思 V~或ACV交流电压挡的意思 A-或DCA直流电流挡的意思 A~或ACA是交流电流挡的意思， Ω是电阻挡的意思，画一个二极管的符号那个是二极管档也称蜂鸣档，F表示电容挡， H表示电感挡 hfe表示三极管电流放大系数测试挡 一般数字
# 如何在Python中使用Torch检查GPU
## 概述
在深度学习中，使用图形处理器（GPU）可以加快训练模型的速度。PyTorch是一个流行的深度学习框架，它允许用户在训练过程中利用GPU的并行计算能力。本文将指导一位刚入行的开发者如何在Python中使用Torch检查GPU的可用性。
## 整体流程
下面是执行此任务的整体流程的表格表示：
| 步骤 | 描述 |
| -----
原创
2023-12-25 09:24:45
82阅读
usage：Ctrl + F 搜索想找的函数1、python使用函数作为参数 2、Python中的size、shape、len和count 3、torch.randn(2, 3) ：randn产生随机（按照标准正太分布）数；为2行3列的tensor。torch.rand(2,3)：rand产生0~1均匀分布的随机数（输入是shape）。np.random.rand(a,b,c,
Linux服务器上安装anaconda和pytorch一、前期准备1.查看linux的cuda版本在XShell中输入：nvcc -V即可查看cuda版本。但是注意，-V中的必须是大写，否则出错。2.查看服务器是否可以联网在XShell中输入：ping www.baidu.com如果出现如下情况则服务器可以联网。二、安装anaconda(1)本地电脑下载。找到anaconda官网，直接点击相应的版
转载
2024-03-21 22:45:36
261阅读
文@233233目录0 前言1 Dataset 1.1 Map-style dataset 1.2 Iterable-style dataset 1.3 其他 dataset2 Sampler3 DataLoader 3.1 三者关系 (Dataset, Sampler, Dataloader) 3.2 批处理 3.2.1 自动批处理（默认） 3.2.2 关闭自动批处理 3.2.3 co
转载
2023-12-26 08:39:33
125阅读
PyTorch提供了方便漂亮的类和模块，来帮助我们创建和训练神经网络，例如 torch.nn, torch.optim 等。 为了更好地理解这些模块的功能和原理，我们在手动搭建的神经网络上，逐步添加这些模块，以显示每部分模块的功能，以及每部分是如何让代码更加灵活简洁的。1、手动搭建神经网络使用MNIST数据集，该数据集共有50000个图片，每一图片大小为2828，储存在长度为2828=784的扁平
转载
2023-09-04 23:06:46
81阅读
1、检查是否具有合适的GPU， 如有则安装Cuda,Cudnn(1)检查电脑是否有合适的GPU在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本。 (2)下载Cuda官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2在https://docs.nvi
转载
2024-04-23 10:25:47
126阅读
目录1. Pytorch完成模型常用API1.1 nn.Module1.2 优化器类1.3 损失函数1.4 把线性回归完整代码2. 在GPU上运行代码1. Pytorch完成模型常用API在前一部分，我们自己实现了通过torch的相关方法完成反向传播和参数更新，在pytorch中预设了一些更加灵活简单的对象，让我们来构造模型、定义损失，优化损失等那么接下来，我们一起来了解一下其中常用的API1.1
转载
2024-08-04 15:38:00
73阅读
01.介绍1.1 验证码漏洞顾名思义，验证码漏洞就是验证码本身存在问题，或者是与验证码相关的内容存在问题。1.2 验证码作用客户端发起请求-> 服务端响应并创建一个新的 SessionID 同时生成随机验证码，将验证码和 SessionID 一并返回给客户端-> 客户端提交验证码连同 SessionID 给服务端-> 服务端验证验证码同时销毁当前会话，返回给客户端结果。1.3 验
转载
2024-03-15 11:42:47
9阅读
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼前排预警！！！！——在帖子编撰END前，请勿插楼，否则删——【问题起源】在自主选购DIY以游戏性能为主得电脑时，总希望在预算内选到尽量高配置，但是又担心鱼龙混杂得X宝发的不是原厂货，虽然能用，但是时间久了或许就出问题了。如果是硬件本身外部损害一眼能看出，要是是内部作假(如内存颗粒翻新，显卡挖过矿等)，又该如何判定呢？{注意：外观明显损坏就不用软
作为机器学习从业者，我们经常会遇到这样的情况，想要训练一个比较大的模型，而 GPU 却因为内存不足而无法训练它。当我们在出于安全原因不允许在云计算的环境中工作时，这个问题经常会出现。在这样的环境中，我们无法足够快地扩展或切换到功能强大的硬件并训练模型。并且由于梯度下降算法的性质，通常较大的批次在大多数模型中会产生更好的结果，但在大多数情况下，由于内存限制，我们必须使用适应GPU显存的批次大小。本文
转载
2024-03-19 09:08:58
64阅读
计算机视觉研究院专栏作者：Edison_G斯坦福大学博士生与 Facebook 人工智能研究所研究工程师 Edward Z. Yang 是 PyTorch 开源项目的核心开发者之一。他在 5 月 14 日的 PyTorch 纽约聚会上做了一个有关 PyTorch 内部机制的演讲，本文是该演讲的长文章版本。 大家好！今天我想谈谈 PyTorch 的内部机制。这
转载
2024-03-18 08:27:22
223阅读
# Python验证PyTorch使用GPU
## 简介
PyTorch是一个流行的深度学习框架，它提供了强大的GPU加速功能，可以帮助我们更快地训练深度学习模型。在本文中，我们将介绍如何验证PyTorch是否在GPU上运行，并提供相应的代码示例。
## 验证PyTorch是否使用GPU
要验证PyTorch是否在GPU上运行，我们可以通过以下代码片段来检查：
```python
imp
原创
2024-04-05 03:29:40
131阅读
