pytorch调用inception-v3报错：

1
2
3
4
5
6
7

error：
  train_model(model, criterion, optimizer, scheduler, num_epochs)
       37    outputs = model(inputs)
  ---> 38    _, preds = torch.max(outputs, 1)
       39    loss = criterion(outputs, labels)
  TypeError: max() received an invalid combination of arguments - got (InceptionOutputs, int), but expected one of: ...

软件版本：

• python: 3.7.7
• pytorch: 1.4.0
• torchvision: 0.5.0

解决办法：

• 参考 https://stackoverflow.com/questions/51045839/pytorch-inceptionv3-transfer-learning-gives-error-max-received-an-invalid-co

  1 2 3

  model_ft = models.inception_v3(pretrained=True) # 加入下面这一行 model_ft.aux_logits=False

tensorflow gpu 报错：

1
2
3
4
5

... tensorflow/stream_executor/cuda/cuda_blas.cc:238] failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED
...
... tensorflow/stream_executor/cuda/cuda_dnn.cc:329] Could not create cudnn handle: CUDNN_STATUS_ALLOC_FAILED
...
... Unknown:  Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.

软件版本：

• python: 3.7.7
• keras: 2.3.1
• tensorboard: 2.1.0
• tensorflow: 2.1.0

显卡版本：

• gpu: RTX 2070
• cuda: 10.1
• cudnn: 7.8

解决办法：

• 参考tensorflow的 pull #34888 : “Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”
• https://github.com/tensorflow/tensorflow/issues/34888

You may try limiting your gpu memory usage with set_memory_growth option.
See https://www.tensorflow.org/guide/gpu#limiting_gpu_memory_growth
Put the following snippet on top of your code and execute again

1 2 3

import tensorflow as tf gpus= tf.config.experimental.list_physical_devices('GPU') tf.config.experimental.set_memory_growth(gpus[0], True)

妈妈：悠悠，你长大了有什么梦想？想当医生，老师，加油站工作人员，开挖掘机，还是科学家？

悠悠：我想开挖掘机，妈妈，你小时候的梦想是什么？

妈妈：是当一名教师。

悠悠： 爸爸，你小时候的梦想是什么呢 ？

爸爸： 我想当一名修理工，修摩托车，修汽车。。。

悠悠：那你修了吗 ？

爸爸：没有，我没有实现，我现在也不会修车 。

悠悠：我长大了可以帮你实现你的理想，你们也可以帮我实现我的理想 。

爸爸：你的理想是什么？

悠悠：我的理想是开挖掘机呀。。。妈妈只想当一个老师。

爸爸：当老师也很好啊。

悠悠：当老师可以教学生。

爸爸：额… 那你想开挖掘机去挖什么呢？

悠悠：就是把路哪里不平了，就把他挖一下。

爸爸：哦，我知道了，就是把所有路上不平的地方都给他挖平，让别人可以走！

悠悠：对呀~

爸爸：哇，那你这个理想很伟大呀！

悠悠：对呀~。。。你都不知道你要修什么车。

爸爸：。。。

1. 安装 oh-my-posh， posh-git

可以用scoop安装：

1
2

# scoop bucket add extras
scoop install oh-my-posh

新建、修改配置文件，运行:

1
2

if (!(Test-Path -Path $PROFILE )) { New-Item -Type File -Path $PROFILE -Force }
code $PROFILE

加入以下内容：

1
2
3
4
5

Import-Module posh-git
Import-Module oh-my-posh
Set-Theme Paradox
# 如果PowerShell设置里找不到字体，加上下面这一行
# chcp 65001

ref: https://github.com/JanDeDobbeleer/oh-my-posh/

2. 设置字体

然后把字体设置为更纱黑体，就基本看起来比较舒服了。

也可以用其他的字体，去这里找： https://github.com/ryanoasis/nerd-fonts

但是我并不想用这些字体。

1. 安装 psreadline

ref: https://github.com/PowerShell/PSReadLine

1.1 从 PowerShellGallery 中安装。

依次安装PowerShellGet, PSReadLine。

1
2

Install-Module -Name PowerShellGet -Force
Install-Module PSReadLine

安装完就有历史纪录了，关闭后可以保存历史记录。

1.2 查看已安装的模块

1

Get-InstalledModule

2. 智能提示

2.1 将PSReadLine 升级至V2.1（测试版）

安装完之后没有智能提示，按tab键跳出来的命令都很奇怪。（我安的是稳定版，V2.0.2）

发现测试版就加入了类似 fish 的智能提示，版本是V2.1.0-beta2。

ref: https://github.com/PowerShell/PSReadLine/pull/1496

更新一下PSReadLine，用命令行窗口升级：

1
2

# cmd
powershell -noprofile -command "Install-Module PSReadLine -Force -SkipPublisherCheck -AllowPrerelease"

或：

1

Update-Module PSReadLine -Force

然后将 PredictionSourceSource 设为 History：

1
2

# powershell
Set-PSReadLineOption -PredictionSource History  # 默认是 None

2.2 查看 PSReadLine 的设置

1

Get-PSReadLineOption

2.3 修改配置文件

但是似乎窗口关闭后，就失效了。

需要把设置这一行加到配置文件里就好了，新建、修改配置文件，运行:

1
2

if (!(Test-Path -Path $PROFILE )) { New-Item -Type File -Path $PROFILE -Force }
code $PROFILE

就能打开配置文件。

在配置里加入这一句。

1

Set-PSReadLineOption -PredictionSource History  # 默认是 None

Done!

1. 安装 PowerShell 5.0 以上版本

• win10： 已自带 V5.1；
• win7 x64： 下载 Win7AndW2K8R2-KB3191566-x64.zip，安装；

  ref: https://docs.microsoft.com/zh-cn/powershell/scripting/install/installing-windows-powershell?view=powershell-6

2. 用concfg配置主题

ref: https://github.com/lukesampson/concfg

1
2
3
4
5
6
7
8
9
10
11

scoop install concfg

# 设置主题
# concfg import cmd-default  # 暗色调
concfg import google-light  # 浅色调

# 列出所有预设主题
concfg presets

# 恢复原始设置
concfg clean

3. 安装字体

1.获取运行状态

获取群晖运行状态用到的命令如下表：

• 1.1 获取CPU温度：

1
2
3

$ cat /sys/class/hwmon/hwmon0/temp1_input
    36000   
# 实际温度需要除以1000

keras调用tensorborad时报错：
AttributeError: 'Model' object has no attribute '_get_distribution_strategy'

软件版本：

• python: 3.7.4
• keras: 2.3.1
• tensorboard: 2.1.0
• tensorflow: 2.1.0

解决办法A：

• 参考tensorflow的 pull #34870 : “Use _get_distribution_strategy only when it is available. “ https://github.com/tensorflow/tensorflow/pull/34870

The changes introduced in 06d8f77 are not compatible with standalone Keras (they are compatible with tf.Keras). a keras.Model does not have a _get_distribution_strategy method, which is now assumed for the Tensorboard callback.

• 直接修改tensorflow/python/keras/callbacks.py文件，如下图。

matplotlib绘制等高线

ref: https://matplotlib.org/api/_as_gen/matplotlib.pyplot.contour.html

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import numpy as np
import matplotlib.pyplot as plt


x = np.arange(0, 10.0, 0.1)
y = np.arange(0, 10.0, 0.1)
X, Y = np.meshgrid(x, y)    # 生成x-y网格图
Z = X**1.5 + Y**1.5

plt.figure()
CS = plt.contour(X, Y, Z, levels=6)                   # 设置距离
plt.clabel(CS, inline=1, fontsize=10, fmt='%d ℃')   # 设置标签
plt.savefig('Temp.png', dpi=300, bbox_inches='tight')
plt.show()

悠悠：我又听不到你说话了，我的耳朵又听不到说话了。

妈妈：怎么了？耳朵哪不舒服了？

悠悠：你不说表扬的话，我都听不到。

妈妈：[捂脸][捂脸][捂脸][捂脸]

1.获取运行状态

获取树莓派运行状态用到的命令如下表：

• 1.1 获取CPU温度：

1
2
3

$ vcgencmd measure_temp
    temp=40.8C   
# 直接返回温度，只要把 temp= 去掉就行

pip3 安装、配置

群晖默认不支持 apt-get 之类的命令，使用 wget 下载 get-pip.py 安装 pip。

1
2
3
4
5
6
7

wget -O /tmp/get-pip.py 'https://bootstrap.pypa.io/get-pip.py'

python3 /tmp/get-pip.py
# 权限不够的话，加上 --user
# python3 /tmp/get-pip.py --user

rm /tmp/get-pip.py

安装之后提示 pip3 的安装目录（一般是 /homes/USERNAME/.local/bin）不在系统的环境变量里。
每次要先跳到安装目录里。

1
2
3

cd .local/bin
./pip3 -V
./pip3 list

国内

• 腾讯 DNS (DNSPod)

1
2
3

119.29.29.29

182.254.116.116

• 114DNS

1
2
3

114.114.114.114

114.114.115.115

• 清华大学 TUNA 协会

1

101.6.6.6

国外

• Google Public DNS

1
2
3

8.8.8.8

8.8.4.4

• Cloudflare DNS

1
2
3

1.1.1.1

1.0.0.1

keras,tensorflow设置随机种子，保证结果可复现

ref: https://keras.io/getting-started/faq/#how-can-i-obtain-reproducible-results-using-keras-during-development

ref: https://tensorflow.google.cn/api_docs/python/tf/random/set_seed

1
2
3
4
5
6
7
8

np.random.seed(42)

# tensorflow V1.x
tf.set_random_seed(1234)

# tensorflow V2.x
# For Tensorflow 2.0 tf.random.set_random_seed(seed) changed to tf.random.set_seed(seed).
tf.random.set_seed(1234)

准备

• 需要两个 github 仓库：
  • 一个用于发布页面： XXXXXX.github.io
  • 一个用于放源码： hexo-source （可设为隐私仓库）

1. 创建 hexo-source 仓库

• 在hexo的根目录下（ ~/hexo）运行：

1
2
3
4
5
6
7
8

cd hexo

git init
git add .
git commit -m "first commit"
git remote add origin https://github.com/XXXXXX/hexo-source.git

git push -u origin master

2. Github Actions 设置

• 运行 ssh-keygen 生成一对密钥。

1

ssh-keygen

• 打开 XXXXXX.github.io 仓库设置，在 Deploye keys 选项中，添加公钥~/.ssh/id_rsa.pub的内容。
• 打开 hexo-source 仓库设置，在 Secrets 选项中，新建 repo secret: 名称设为GITHUB_ACTION, 内容为~/.ssh/id_rsa的内容。

1. 创建eps图片

• 从png图片转换: texlive中自带了一个命令： bmeps

1

bmeps img.png img.eps

• 从python创建, 调用matplotlib能直接存为eps格式，可直接保存一份eps的

1

plt.savefig('fig1.eps', dpi=300)

• PPT转为png、eps的方法
  • ppt导出png: 默认dpi较低，需要在注册表改一下dpi=300。
  • ppt导出eps: 先另存为pdf，再用adobe acrobat转为eps。

2. 去除eps图片的空白

在 win10 下尝试过的 latex 环境有以下三种：

• texlive + texstudio
• ctex (集成 miktex + winedt， 以及中文支持)
• miktex + texstudio / （vscode + latex workshop）

1. texlive + texstudio

这个是最常用的配置方法，建议新手从这个开始使用。
优点：基本适用于所有的场景（中文除外），一劳永逸；
缺点：默认不支持中文，安装包巨大。

• texlive 安装： 可以在线安装，也可以离线安装（推荐，安装包3.2G），安装后6G的空间。

  • 推荐清华大学源： https://mirrors.tuna.tsinghua.edu.cn/CTAN/systems/texlive

• texstudio 安装：下载安装包（~89M），正常的安装方法即可。

  • 官网下载： http://texstudio.sourceforge.net/
  • Scoop 安装： scoop install texstudio

• texstudio 默认的配置就基本够用，不要乱改。

  • 中文，字体，字号
  • 高级配置：行号、空白等

ps: texstudio的提示、警告、错误信息非常明确，出现问题先看提示。

1. scipy中值滤波

使用scipy中的signal.medfilt对数组进行中值滤波。

方法： scipy.signal.medfilt

• 滤波器的kernel_size必须是奇数
• 输出数组的size与输入的数组一致

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import scipy.signal as signal
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

n = 51 
y = np.sin(np.linspace(0, 10, n)) + np.random.rand(n)
y_med = signal.medfilt(y, kernel_size=5)

plt.figure()
plt.plot(y, 'r--', label='y')
plt.plot(y_med, 'b-.', label='y_med')
plt.legend()
plt.show()

signal.medfilt还可以对矩阵（图像）进行滤波处理，以消除噪音。

ref： https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.medfilt.html

1. 创建一个神经网络模型

比如用cnn在mnist数据集上训练，关于模型建立和训练的代码这里不写了。。。

在程序开头加入超参数的定义：建议至少包括参数名称、类型、和初始值。

• ref： https://docs.python.org/3/library/argparse.html

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

#########################
# filename: mnist_cnn.py
#########################

import argparse

# -------parser paras--------------------
parser = argparse.ArgumentParser(description='Trains a simple CNN on MNIST dataset')
parser.add_argument('--layer_n', type=int, default=1)
parser.add_argument('--activition', type=str, default='tanh')
parser.add_argument('--seed', type=int, default=11)

args = parser.parse_args()
print(args.__dict__)

seed = args.seed
layer_n = args.layer_n
activition = args.activition

# --- CNN model ----
# balabala ...

# --- train ----
# balabala ...