使用pytorch的错误整理

这篇具有很好参考价值的文章主要介绍了使用pytorch的错误整理。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1、Using /home/liao/.cache/torch_extensions/py38_cu102 as PyTorch extensions root…
程序卡在Using /home/liao/.cache/torch_extensions/py38_cu102 as PyTorch extensions root…
无法运行下去:
解决方法:在/home/liao/.cache下删除torch_extensions文件夹。
原因:之前运行pytorch时,不正常退出,导致的进程问题。
2、AttributeError: ‘collections.OrderedDict’ object has no attribute ‘training’
如果保存时torch.save(model.state_dict(),“model_test.pth”)
加载时model=torch.load(‘./model_test.pth’)
torch.onnx.export就会报这个错误。
解决方法:
保存时torch.save(model.state_dict(),“model_test.pth”)
加载时model.load_state_dict(torch.load(‘./model_test.pth’))
然后torch.onnx.export
或者
保存时torch.save(model,“model_test.pth”)
加载时model=torch.load(‘./model_test.pth’)
然后torch.onnx.export

同样如果保存时torch.save(model,“model_test.pth”)
加载时model.load_state_dict(torch.load(‘./model_test.pth’))
torch.onnx.export就会报这个错误。
TypeError: Expected state_dict to be dict-like, got <class ‘main.NeuralNetwork’>.
3、torch和torchvision的版本需要匹配,否则在使用中,会报两者不匹配的错误。
是否匹配查看:torch的GitHub网站。
卸载torchvision:pip3 uninstall torchvision
重新安装:
在这里下载:https://download.pytorch.org/whl/torch_stable.html指定版本的whl
cu102:表示cuda版本为10.2,
torch-1.7.1:表示torch版本为1.7.1
cp38:表示适用python版本为3.8
linux:表示适用于linux系统
x86_64:表示同时兼容32和64位系统
然后pip3 install .whl的路径文章来源地址https://www.toymoban.com/news/detail-424871.html

到了这里,关于使用pytorch的错误整理的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • pytorch 固定部分网络参数需要使用 with torch.no_grad()吗

    在 PyTorch 中,torch.no_grad() 是一个上下文管理器,用于设置一段代码的计算图不需要梯度。具体来说,当我们在 torch.no_grad() 的上下文中执行某些操作时,PyTorch 不会为这些操作自动计算梯度,以节省计算资源。 使用 torch.no_grad() 可以有如下几种情况: 测试模型:在测试模型或

    2024年02月11日
    浏览(37)
  • Pytorch计算余弦相似度距离——torch.nn.CosineSimilarity函数中的dim参数使用方法

    前言 一、官方函数用法 二、实验验证 1.计算高维数组中各个像素位置的余弦距离 2.验证高维数组中任意一个像素位置的余弦距离 总结 现在要使用Pytorch中自带的 torch.nn. CosineSimilarity函数计算两个高维特征图(B,C,H,W)中各个像素位置的特征相似度,即特征图中的每个像素位置上

    2024年02月13日
    浏览(42)
  • 使用Pytorch实现VGGNet(含VGGNet特征整理)

    VGGNet 的主要特点: 采用3x3的小卷积核 将模型提升到11-19层 进一步提升了模型的泛化能力 模型结构相对简洁 VGGNet主要解决了以下几个问题: 首先在当时的卷积神经网络中网络结构越深网络表现的性能越好,但同时也会带来较大的复杂度和较大的模型参数问题,VGGNet通过设计

    2024年02月04日
    浏览(47)
  • Pytorch使用torch.utils.data.random_split拆分数据集,拆分后的数据集状况

    对于这个API,我最开始的预想是从 \\\'猫1猫2猫3猫4狗1狗2狗3狗4\\\' 中分割出 \\\'猫1猫2狗4狗1\\\' 和 \\\'猫4猫3狗2狗3\\\' ,但是打印结果和我预想的不一样 数据集文件的存放路径如下图 测试代码如下 输出如下 可以看到总共25000张图片的数据集,分割后并不是cats_num:10000,dogs_num:10000,cats_num2:2500,do

    2024年02月08日
    浏览(43)
  • 解决ValueError: Error initializing torch.distributed using env:// rendezvous:: environment variable 报错

    在命令行运行程序时候可成功跑通,但在程序调试过程中出现如下错误:  源代码: 修改后:  import torch.distributed as dist import os os.environ[\\\'MASTER_ADDR\\\'] = \\\'localhost\\\' os.environ[\\\'MASTER_PORT\\\'] = \\\'5678\\\' dist.init_process_group(backend=\\\'nccl\\\', init_method=\\\'env://\\\', rank = 0, world_size = 1)

    2024年02月11日
    浏览(278)
  • 《Cache-Aided MEC for IoT: Resource Allocation Using Deep Graph Reinforcement Learning》阅读笔记

    MEC使能的IoT能够解决物联网中时延敏感/计算敏感服务的需要 提出cache-aided MEC卸载框架,允许用户将计算任务卸载到边缘服务器上。 该框架的目标是最小化计算卸载和资源分类配的系统时延,将系统建模为部分可观测马尔可夫过程的多智能体决策问题。 提出基于深度图卷积强

    2024年02月02日
    浏览(45)
  • Git基础教程-常用命令整理:学会Git使用方法和错误解决

    目录 一、了解Git的基本概念 二、Git的安装和配置 Git的安装 Git的配置 用户信息 文本编辑器 差异分析工具 查看配置信息 三、Git的基本操作 基本原理 基本操作命令 基本操作示例 场景一:创建新仓库 场景二:拉取并编辑远程仓库 四、常见问题及解决方法 解决冲突 git add文件

    2024年02月10日
    浏览(75)
  • 【pytorch】torch.clip() & torch.clamp() 数值裁剪

    这两个函数用法一样,效果也一样。 例子:

    2024年02月11日
    浏览(40)
  • Pytorch数据类型转换(torch.tensor,torch.FloatTensor)

    之前遇到转为tensor转化为浮点型的问题,今天整理下,我只讲几个我常用的,如果有更好的方法,欢迎补充 1.首先讲下torch.tensor,默认整型数据类型为torch.int64,浮点型为torch.float32 2.这是我认为平常最爱用的转数据类型的方法,可以用dtype去定义数据类型 1.这个函数不要乱用

    2024年02月11日
    浏览(51)
  • 【PyTorch】torch.cat() 和 torch.concat() 的区别

    两者没区别 根据 PyTorch 官方文档:https://pytorch.org/docs/stable/generated/torch.concat.html torch.concat() 是 torch.cat() 的别称,无区别

    2024年02月12日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包