Hello Word!

文章目录简单示例按键检测、转发报错和解决进程间通信简单示例linux ubuntu Python 多进程执行程序按键检测、转发通过SSH协议给python多进程转发按键python multiprocessing多进程按键检测，优雅地终止多进程(signal信号量和pynput等多种方法)报错和解决python多进程 multiprocessing.pipe 管道没有数据接收端会卡死，无提示，无报错！！！python多进程管道 multiprocessing.Pipe OSErro

新买的8T sata 固态硬盘Linux ubuntu服务器不识别linux ubuntu硬盘数据丢失【硬盘开机未挂载】不需要u盘，将Ubuntu 18.04安装在移动硬盘中，随身携带Linux ubuntu安装挂载新硬盘Ubuntu18.04 开机自动挂载其他硬盘...

可能的原因和解决办法：没有关闭节能模式，打开持久模式。如何关闭节能模式：# 修改或创建配置文件# persistence mode 能够让 GPU 更快响应任务，待机功耗增加。关闭 persistence mode 同样能够启动任务$ sudo vim /etc/rc.local# 加入：#!/bin/bashsudo nvidia-smi -pm 1# 使配置生效$ source /etc/rc.localEnabled persistence mode for GPU 0

读取txt文件# read txt file content to listdef ReadTxt_to_list(rootdir): lines = [] with open(rootdir, 'r') as file_to_read: while True: line = file_to_read.readline() if not line: break li.

服务器开机情况下，插在 服务器 硬盘槽中，蓝灯闪一下，没有其他反应$ sudo fdisk -l # 也没有通过硬盘盒连接到WIN10也不识别解决：通过计算机 - 管理- 磁盘 格式化 成 GPT 分区格式 然后就可以识别了...

输入：很多训练任务以及任务对应的训练数据输出：F，F用于输出最终测试用的f

通过top命令监控进程活动，保存日志# -d 1表示top命令频率为 每隔0.5秒；-n 1 表示刷新1次后退出# 循环每隔0.5秒执行一次# col命令过滤输出内容保存到日志时产生的控制字符（乱码问题）while true; do top -d 0.5 -n 1 | col -b >> ./top0705.log; sleep 0.5; done对日志进行分析from tqdm import tqdmimport matplotlib.pyplot as plttx.

# kmeans 聚类import numpy as npdef kmeans(data,num,max_iter,tol): # step1 centers = {} for i in range(num): centers[i] = data[i] # step2 for i in range(max_iter): clf = {} for feature in data:

from functools import partial pt = partial(add_mask, args) # multi process from multiprocessing import Process import multiprocessing as mp ctx = mp.get_context('spawn') q = ctx.Queue() split_list = r'/home/xxx/data/CASI...

背景：linux监控命令输出，追加的方式保存到日志，但是打开日志发现产生了控制乱码，如 ‘ <0x1b>(B<0x1b>[m<0x1b>[39;49m<0x1b>[K’ 之类的鬼东西代码：while true; do top >> ./top0705.log; sleep 0.5; done现象：一个top命令 结果保存到日志产生的解决：使用col命令过滤输出结果，然后再保存到日志while true; do top | col -b

问题：检测的位置完全不对。可能的原因：1）人脸检测模型精度不好，导致SFD检测的结果输入到Onet关键点预测，结果也不好2）人脸太大，需要进一步resize到较小的尺寸解决方法：1）重新训练，提高人脸检测模型的精度2）首先通过检测的置信度分数(score)过滤出来这些检测得不好的人脸样本。然后有下面几种方法可供选择：2.1）进一步resize到较小尺寸 ，然后再检测，看是否能检测正确2.2）级联其他检测模型（如MTCNN，retinaFace等等），进一步检测2.3）通过中心点crop.

pass

背景：每个ID有ID图片和prob图片做法：加载模型，提取特征，计算id和prob的平均相似度，排序，保存import numpy as npimport osimport mxnet as mxfrom menpo.visualize import print_progressfrom collections import namedtupleBatch = namedtuple('Batch', ['data'])def constructmodel(prefix, ctx, epo

从cmd复制命令粘贴到外面cmd属性，勾选快速编辑模式cmd鼠标左键点击拖动选中，回车复制到其他软件中 Ctrl V 粘贴https://blog.csdn.net/ricky_yangrui/article/details/81941299

# 编写适用于lfwa两级目录的图片文件列表提取def get_imgs(imgDir): subdirs = os.listdir(imgDir) subdirs = [os.path.join(imgDir, i) for i in subdirs] imgs = [] for subdir in subdirs: imgss = os.listdir(subdir) imgs.extend([os.path.join(subdir, i

很奇怪的现象：一些手机、相机拍照的高清的图片，分辨率在：3456*5184在不同windows操作系统下显示的时候，是不同的。影响后续处理，比如做人脸裁剪的时候，得到的人脸就是颠倒的，或者裁剪出的人脸位置不对。猜测原因：不同OS对应的图片显示程序不同，Win7用的系统默认的Windows图片查看器，Win10使用的IrfanView。在ubuntu中使用feh查看的时候也是颠倒的，使用firefox浏览器、Image viewer，shotwell viewer打开时都是正常的。win7显示（异常）

>>> 'XXX'.join('abcabcabcabc'.rsplit('abc', 1))'abcabcabcXXX'

import osimport cv2import numpy as npfrom tqdm import tqdm# read txt file content to listdef ReadTxt_to_list(rootdir): lines = [] with open(rootdir, 'r') as file_to_read: while True: line = file_to_read.readline()

报错：不允许用多个账户分别访问同一个服务器上的不同目录解决：删除凭据：控制面板\所有控制面板项\凭据管理器 -> Windiows凭据删除当前连接的会话，或者直接重启# 列出当前登录的所有会话net use ...

Turing架构，设置fp16=True，对精度可能有影响使用partial fc，设置config.sample_rate < 1 比如 0.5， 0.1之类的mxnet module.init_optimizer(kvstore=‘device’)增加batch_size直到训练速度（# sample/secode)不再增加，gpu-util在90%左右...

用途：domain差别较大的数据集之前联合训练的方法方法：同一个backbone，不同的classifier。大的数据集训练n 个batch，小的数据集训练1个batchlr steps的确定：根据实现而不同。一种是将两种数据集中的样本数量加总之后计算总的数据量，然后根据 10,20,30个epoch去就计算lr每次下降所需的训练steps个数Loss nan的问题：...

现象：已经重复发生过，而且掉进程的卡bus id不一样Pytorch 版本 1.7.0 ，卡：titan rtx x 8很奇怪的bug，目前分析的原因：batch size过大，每张卡显存占的太满，导致训练的时候显存爆了？问题：那为什么一开始不爆呢？程序有显存泄漏？显卡过热（这个目前应该不是引起的原因，因为散热风挡已经开到最大，温度最多70度左右）...

关于softmax和交叉熵：probability，odds，logit, softmax, logSoftmax，交叉熵熵：随机事件X有n种可能发生的情况，每种情况发生的概率为pip_ipi​H(X)=−∑i=1npilog(pi)H(X)=-\sum_{i=1}^{n} p_ilog(p_i)H(X)=−i=1∑n​pi​log(pi​)交叉熵：度量两个概率分布p、q之间的差异，yiy_iyi​服从q分布，pip_ipi​服从p分布Ci=−∑j=1Cyjlog(pj)C_i = -\sum

=ROUNDDOWN(C16*90,0) # 后面参数表示保留几位小数向上取整类似

python openpyxl打开xlsx excel sheet【新建、添加数据、保存、读取】pytorch打印网络层梯度，保存结果到excelExcel单元格内的换行替换为空格或者分号excel判断后填充excel存成csv丢失前0的解决方法

Hinge loss:用途：减少类内差异，增大类间差异思想：Loss=max(0,1−y∗y^)Loss = max(0,1-y*\hat{y})Loss=max(0,1−y∗y^​)yyy和y^\hat{y}y^​一个是真实值（0或1），一个是预测值（0-1之间的概率）。这个loss最小值为0，最大值为1。Focal loss:用途：解决难样本与容易样本的不平衡问题（不是正负样本的不平衡问题）思想：减少置信度高的样本的loss（这些样本分类概率p很高，用1-p和它的loss相乘），因为觉

多线程在什么场景下使用？pytorch加载数据、浏览器打开页面、下载一个进程的多个线程，如果一个崩溃了，进程会崩溃吗？有可能崩溃，因为线程之间没有隔离，且共享同一内存空间，某个线程的行为可能影响进程内的其他线程并发和并行的区别？并行是并发的子集（并发包括并行，并行是一种并发）。并发不一定同时执行。并行是时间上同时执行（如多核处理器）。...

svm可以处理回归问题吗？可以。svm是为了训练出超平面y=wx+by=wx+by=wx+b，回归的时候直接使用y做为预测值逻辑回归解决回归问题还是分类问题？分类问题线性回归公式：y=wT∗x+by=w^T*x+by=wT∗x+bsigmoid函数：y=11+e−xy = \frac{1}{1+e^{-x}}y=1+e−x1​逻辑回归公式（同时结合线性回归和逻辑回归）：y=11+e−wTxy=\frac{1}{1+e^{-w^Tx}}y=1+e−wTx1​...

报错：Traceback (most recent call last): File "C:/projects/0Fea/plot_test/plot_loss.py", line 23, in <module> lines = ReadTxtName(txt) File "C:/projects/0Fea/plot_test/plot_loss.py", line 11, in ReadTxtName with open(rootdir, 'r', ) as file

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [25088, 512]], which is output 0 of TBackward, is at version 4; expected version 3 instead. Hint: enable anomaly detection

http://karpathy.github.io/2019/04/25/recipe/37 Reasons why your Neural Network is not workinghttps://zhuanlan.zhihu.com/p/162847753

报错：Traceback (most recent call last): File "train_noPfc.py", line 201, in <module> main(args_) File "train_noPfc.py", line 160, in main f_masked, focc_masked, output, output_occ, f_diff, out = backbone(img1, img2) File "/home/user1/min

4邻域：一个像素的上下左右相邻的 4个像素8邻域：一个像素的上下左右和对角线相邻的 8个像素4邻接：像素和它的4邻域的4个像素是4邻接的8邻接：像素和它的8邻域的8个像素是8邻接的满足4邻接或者8邻接的像素之间具有邻接性。m邻接的定义：V={1}是定义邻接性的集合，即如果两个像素都为1，且满足4/8邻接要求的话，那么它们是邻接的两个像素（p,q）满足以下两个条件之一则认为是m邻接：p q是4邻接的p q 的4邻域交集为空（交集中的元素不在V中）采用m邻接（不是4邻接、也不是8邻接）的

命令：查看分辨率等信息：$ identify xxx.jpg

就一个前向推理，也报错了。。。代码：from torchvision import modelsmodel = models.vgg19(pretrained=True)output = model(input.cuda())报错：RuntimeError: Legacy autograd function with non-static forward method is deprecated.完整报错：Traceback (most recent call last): File

Traceback (most recent call last): File "/home/user1/pjs/frvt_pytorch/batch_run/2branch_alter_1update_2pfc_MMD_ori_auto/recognition/arcface_torch/tools/visualize.py", line 276, in <module> mask = grad_cam(input, target_index) File "/home/user

故障的现象是：运行命令$ nvidia-smi之后要么不显示显卡的情况，要么显示很缓慢。并且结果中有ERR! 提示定位：查看显卡情况：$ nvidia-smi，可以看到有一张显卡出现了故障。并且只要有这张显卡插在服务器上，这个命令的输出都会非常缓慢可以看到，循坏的显卡BUS-ID是02；如何找到这张显卡呢？通过$ nvidia-smi -q 查看BUS-ID和显卡的序列号之间的对应关系可以看到，损坏的显卡（BUS-ID 02）的序列号（Serial Number）尾号为4953去机房，找

ssssssssssssssss

dim = -1 和 dim = 1 都是对每一行求softmax测试：https://www.cnblogs.com/jeshy/p/10933882.html

训练过程中多个loss回传产生了GPU显存不够用的情况（即使是设置batch_size最小也不行），在backward函数中去掉retain_graph=True之后，情况没有出现。我这里出现这个情况的原因：因为不同loss求完之后没有算均值，可能返回的是一个tensor，要通过 .mean() 把它变成标量。解决：criterion = torch.nn.CrossEntropyLoss()output = module_a(fc1Features,label)arcLoss = criteri

报错：RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cuda:1解决：把DP改成DDP解决了报错的代码：# DP模式, module_a是一个分类器module_a = torch.nn.DataParallel(module_a)改完的代码：local_rank = 0# DDP模式mod

conda联网报错：$ conda update condaCollecting package metadata (current_repodata.json): failedProxyError: Conda cannot proceed due to an error in your proxy configuration.Check for typos and other configuration errors in any '.netrc' file in your home dire

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [25088, 512]], which is output 0 of TBackward, is at version 4; expected version 3 instead. Hint: enable anomaly detection

使用相同label tensor可能导致了结果不同参考：https://stackoverflow.com/questions/53994625/how-can-i-process-multi-loss-in-pytorch/53995165https://discuss.pytorch.org/t/pytorch-gradients/884/2https://discuss.pytorch.org/t/why-do-we-need-to-set-the-gradients-manually-.

all_gather: 把一个tensor广播到一个list，返回tensor list.chunk: 把一个tensor切分成几块# 把 features.data广播到list中的元素上，list中的内容是total_features切分成的几个块，最后返回这个list.相当于把features拷贝成了好几份 dist.all_gather(list(total_features.chunk(self.world_size, dim=0)), features.data)htt

固定python随机数rng = numpy.random.RandomState(23355)rng.uniform(0,1,(2,3))rng = numpy.random.RandomState(23355)rng.uniform(0,1,(2,3))

McNemar检验用于比较两个模型的差异性，不能说明哪个模型更准确。0假设是没有显著差异。检验统计量（p）是0假设发生的概率。指定显著度为alpha。p>alpha，接受0假设，没有显著差异。反之拒绝。McNemar 检验统计量符合自由度为1的卡方分布 （自由度为K的卡方分布为K个高斯分布的随机变量的平方和服从的分布）http://www.atyun.com/25532.html卡方分布：https://zh.wikipedia.org/wiki/%E5%8D%A1%E6%96%B9%E5%

曲线横轴是rank，纵轴是识别率。最左边rank1识别率越高，我觉得模型性能越好什么是rank：有点类似图片分类中的topK的意思。1）假设有m个样本，n个类别，如果m中全部样本都被正确识别为对应类别（即拿每个样本和n个类别中自己类别的注册图像算相似度，都是最高，比其他n-1个类别的注册图像都高。top1的识别率达到100%），则rank1的识别率为100%。对应图上横轴为1，纵轴为100%的一个点。并且rank2到rankn的识别率都为100%。2）如果m个样本中有x个样本被正确识别为对应类别（

def save_excel(netName, dataDict,colNames=None,): # pf = pd.DataFrame(list(dataDict)) # order = list[dataDict.keys()] # pf = pf[order] # pf.rename(columns=order, inplace=True) # file_path = pd.ExcelWriter('compdata.xlsx') # pf.fill.

左边不管有多少个变量之间用等于号连接，仅仅是为了声明，最后一个等于号左边的所有变量都等于最右边的那个变量。

按住alt可以移动按住alt+f8可以缩放https://askubuntu.com/questions/695409/kate-is-missing-all-button-icons

probability：事件发生的概率odds: 事件发生的概率和不发生的概率之比 p/(1-p)logit：odds 的对数 log[p/(1-p)]https://zhuanlan.zhihu.com/p/27188729

报错：Traceback (most recent call last): File "train.py", line 166, in <module> main(args_) File "train.py", line 118, in main f_clean_masked, f_occ_masked, fc, fc_occ = backbone(img1, img2) File "/home/user1/miniconda3/envs/py377/lib/pyt

sss

报错：RuntimeError: Expected 4-dimensional input for 4-dimensional weight [512, 512, 3, 3], but got 2-dimensional input of size [4, 512] instead

最短路径（矩阵左上角走到右下角）：DP[i,j] = min(DP[i-1,j], DP[i,j-1]) + input(i,j)https://zhuanlan.zhihu.com/p/84882320迪杰斯特拉(Dijkstra)算法是典型最短路径算法贪心和动态规划动态规划：多阶段决策最优解问题，一般用来求最值，多数情况下它可以采用自下而上的递推方式来得出每个子问题的最优解（即最优子结构），进而自然而然地得出依赖子问题的原问题的最优解。动态规划保证局部最优和全局最优。一般存储各子问题最优解，保

通过 torch.autograd.gradclass MMD(nn.Module): def __init__(self): super(MMD, self).__init__() self.mmd = torch.nn.MSELoss() def forward(self,fc1Features1,fc1Features2): n = len(fc1Features1) fc1_1 = 1/n * torch.sum(f

链式法则用的是点积（内积），不是矩阵乘积（外积）https://mathinsight.org/chain_rule_multivariable_special_cases

为什么权重衰减能抑制过拟合？（道理听起来没有drop out直观）较小的权重，网络复杂度更低（这个不懂）过拟合的时候，一般系数比较大。因为要拟合每一个点，函数在小的区间会发生剧烈波动，也就是导数大，而导数大要求自变量系数大。所以控制系数大小，能抑制过拟合。（这个听起来有点道理）在深层网络中，权重衰减没有drop out管用？梯度裁切更管用？High-Performance Large-Scale Image Recognition Without Normalization前向传播中的裁剪特征

报错：JetBrains Account connection error: java.security.SignatureException: Signature length not correct: got 256 but was expecting 512解决：在help - edit vm options中加一行配置:-Djava.net.preferIPv4Stack=true然后重启，重新registerhttps://blog.csdn.net/getture/article/det

python中的lambda函数真的不那么直观，经常不用就生疏# lambda:123 表示一个对于任意输入，输出都为123的函数>>> lambda:123<function <lambda> at 0x0000027AF425EC10>需求：生成一个字典，对于任意key的查询，value都返回123实现：# 第一种实现from collections import defaultdictdef func1(): return 123f

不同任务之间有相关的部分和不相关的部分。不相关的部分可以作为噪声，帮助提高泛化不同任务共享底层特征，交换信息，相互学习单任务容易陷入局部最小，多任务的局部最小不同，帮助主任务逃离局部最小https://zhuanlan.zhihu.com/p/361464660...

安装mindspore：https://www.mindspore.cn/install在python中import mindspore时报错：Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/home/data/pkgs/miniconda3/conda/envs/LPD/lib/python3.7/site-packages/mindspore/__init__.

报错：Traceback (most recent call last): File "topFAR_COX_py2_fc1_pytorch_PY3.py", line 199, in <module> IDimage_features_dict = getfeatures_dict(model, IDimage_list, IDimage_path, featurelen) File "topFAR_COX_py2_fc1_pytorch_PY3.py", line 106,

可能的原因：python3测试代码中没有对输入图像进行以下处理：img = ((img / 255) - 0.5) / 0.5

a[x::y]指的是从下标x开始，每隔y-1个取一个>>> a = [1,2,3,4,5]>>> a[0::2][1, 3, 5]>>> a[1::2][2, 4]

1，ipmitool lan print 查看ipmi的ip地址2，修改 /etc/network/interfaces 启用网卡二（反注释），重启网络：/etc/init.d/networing restart3，找一根网线将网卡二对应的网口连接到ipmi网口（单独的一个网口），拔掉网卡一对应的网口4，浏览器登录上述ip地址，找到configuration -> fan mode5，三个选项：full speed 风速最大，噪音最大，散热最好heavyio 风速中等，噪音中等，散热中等

可能服务器开启了某个网卡，导致IP地址变化。解决：1，把网线插到正确的网口。比如你要使用网卡一，就要插到网卡一对应的网口。之前调风扇转速，你可能把网线插到网口二了，为了和IPMI直连。2，修改配置：# 开启正确的网卡，或者只保留前两行，动态方式启用$ sudo vi /etc/network/interfaces# 重启网络$ /etc/init.d/networking restart# 重启机器。实测重启机器才管用$ sudo reooot# 这时候再用ssh或者ping，看是否连通

安装valgrind# 下载：https://sourceware.org/pub/valgrind/valgrind-3.17.0.tar.bz2$ bunzip2 valgrind-3.17.0.tar.bz2$ sudo tar -xvf valgrind-3.17.0.tar$ cd valgrind-3.17.0$ ./configure$ make -j16$ sudo make install使用# 编译你的C程序your_code.c生成可执行文件your_code$

文章目录普通编译代码检查调试信息普通编译$ cc -o cinfo cinfo.c加入代码检查带有代码检查的编译 (-Wall -pedantic -ansi)$ cc -o cinfo -DDEBUG cinfo.c -Wall -pedantic -ansi加入调试信息代码中加入调试信息#ifdef DEBUGprintf("variable x has value = %d
",333);#endif带有调试信息的编译$ cc -o cinfo -DDEBUG ci

Complete output from command python setup.py egg_info: Traceback (most recent call last): File "<string>", line 1, in <module> File "/tmp/pip-build-9gfSvJ/opencv-python/setup.py", line 448, in <module> main() ...

完整报错：Traceback (most recent call last): File "topFAR_COX_py2_fc1_pytorch.py", line 181, in <module> model = constructmodel(args) File "topFAR_COX_py2_fc1_pytorch.py", line 36, in constructmodel dist.init_process_group(backend='nccl', ini

完整报错：Traceback (most recent call last): File "topFAR_COX_py2_fc1_pytorch.py", line 181, in <module> model = constructmodel(args) File "topFAR_COX_py2_fc1_pytorch.py", line 37, in constructmodel torch.cuda.set_device(rank) File "/home/u

你的模型或者参数没有放到GPU上，解决：backbone = eval("backbones.{}".format(args.network))(False, dropout=dropout, fp16=args.fp16).to(rank)最后的 .to(rank) 做到了这一点。在我的代码中rank=0

GPU：RTX TITAN 核弹解决：1，风扇转速调低（降低噪音），紧贴显卡芯片散热 （热量主要来自于显卡芯片）2，机箱盖子选择上出风，出风孔要大3，机箱盖子选高一点的型号

1，查看插槽slot物理地址及连接的CPU：$ sudo dmidecode -t slot2，查看物理地址对应的设备：$ lspci综合这两个命令的输出结果能得到CPU和设备的连接关系

Traceback (most recent call last): File "/home/user1/miniconda3/envs/hardsample/lib/python2.7/threading.py", line 801, in __bootstrap_inner self.run() File "/home/user1/miniconda3/envs/hardsample/lib/python2.7/threading.py", line 754, in run se

No handlers could be found for logger “mxboard.event_file_writer”解决：$ pip install tensorboard在代码中加入：import logginglogging.basicConfig(level=logging.DEBUG)https://github.com/reminisce/mxboard-demo/blob/master/train_mnist.py

点开左上角dash然后出来是空的我是这么整了一通解决了，不一定适合你的情况。仅供参考可能的解决方法：# 你可以删掉这个或者备份，建议备份sudo rm -r gnome-software/sudo apt install unity-lens-applicationssudo apt install gnome-tweakssudo apt install gnome-tweak-toolunity --replace# 打开看看有没有什么变化gnome-tweaks# 没有变化就重

可能的原因：你的代码调用了c语言代码而在c语言代码中发生了数组非法访问内存– 解释是：操作系统检测到了非法的内存访问，为防止内存空间被破坏，操作系统提前终止了该程序的运行。《书中原话》解决：看看代码哪地方数组访问出问题了吧...

$ sudo shutdown -h 18:55 'Hey! Go away!'https://blog.csdn.net/ljchlx/article/details/6547359

曲线救国，如果大家找到更好的快捷键或者方法欢迎告知terminator好用，但是当多个子窗口粘连在一起的时候，或者你split出来多个子窗口之后如何关闭掉其中的某个窗口呢？这里的方法是：1,新建一个空白窗口C。比如你现在A和B粘在一起了。2,对你要拆分出来的子窗口B使用 alt+拖拽 到与空白窗口C粘连3,在空白窗口C中输入exit关闭它，这样你就只剩下你要拆分出来的那个窗口B了A和B完美分开，哈哈哈https://askubuntu.com/questions/43114/merge-

点积（dot product)内积(inner product)数量积(scalar product)点积是内积的特例，内积是数量积的特例。\vec {a}\vec a \cdot \vec b = 0\vec a \cdot \vec b = 0点乘：https://blog.csdn.net/xingxinmanong/article/details/78528791...

python3: Relink `/lib/x86_64-linux-gnu/libsystemd.so.0' with `/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol `clock_gettime'python3: Relink `/lib/x86_64-linux-gnu/libudev.so.1' with `/lib/x86_64-linux-gnu/librt.so.1' for IFUNC symbol `clock_gettime'S

1， loss很快下降到0附近，后面不再动弹。验证集准确率始终保持在50%-60%附近图：问题：可能是传入的gt标签有错误，比如每次传入的都是同一个标签。需检查

报错1：Error running '17': Cannot run program"xxx" CreateProcess error=2, 系统找不到指定的文件。报错2：Couldn't upload helpers for remote interpreter报错3：Connection to admin@xxxxx failed index 11 out of bounds for length 11解决：反复删除添加interpreter，反复重新配置目录映射关系删除远程服

手动写mxnet预测代码对单个图像进行预测时，报错：Traceback (most recent call last): File "/home/user1/pjs/frvt/arcface_Siamese_offline/recognition/tools/eval_on_train_set.py", line 163, in <module> fc7_mod.init_params(arg_params=fc7_overall, aux_params=None) File

报错：mxnet.base.MXNetError: Error in operator conv0: [17:40:27] src/operator/nn/convolution.cc:152: Check failed: dshp.ndim() == 4U (3 vs. 4) : Input data should be 4D in batch-num_filter-y-x明明输入数据是4维的，为什么报错？因为用collections.namedtuple装载数据，进行前向预测时，没有给data外面加

Traceback (most recent call last): File "/home/user1/pjs/frvt/mask/arcface_Siamese_offline/recognition/train_0305.py", line 497, in <module> main() File "/home/user1/pjs/frvt/mask/arcface_Siamese_offline/recognition/train_0305.py", line 493,

报错：src/base.cc:49: GPU context requested, but no GPUs found.src/storage/storage.cc???? Check failed: e == cudaSuccess || e == cudaErrorCudartUnloading: CUDA: no CUDA-capable device is detected[14:07:55] src/base.cc:49: GPU context requested, but no GPUs

https://mxnet.apache.org/versions/1.6/api/r/docs/api/mx.nd.norm.htmlhttps://mxnet.apache.org/versions/1.6/api/r/docs/api/mx.nd.L2Normalization.html

nan表示结果太大，正无穷或者负无穷可能的原因：1，学习率太大，比如应该从0.1改为0.01或0.001。如果还不行，那应该是代码有问题2， 你loss算的不对，导致太大3， 你梯度算的不对，如果loss是手动构建的， 请手动推导梯度计算公式，并正确实现...

二范数的偏导二范数平方的偏导d(||x||^2)/d(x) = 2x

loading ['/data/user1/log/frvt/models/r34_webface_mask/siamese/siamese34-arcface-webfaceSiamese/model-0009.params']Traceback (most recent call last): File "train_0305.py", line 447, in <module> main() File "train_0305.py", line 443, in main

用ssh脚本传文件时报错报错截取：ECDSA host key for 10.xxx.xxx.xxx has changed and you have requested strict checking.Host key verification failed.lost connectionHost 10.xxx.xxx.xxx not found in /home/user1/.ssh/known_hosts可能的原因：1，sshpass密码设置不对2，没有生成ssh-key我的机器

$ conda activate baseTraceback (most recent call last): File "/home/user1/miniconda3/bin/conda", line 12, in <module> from conda.cli import main File "/home/user1/miniconda3/lib/python3.7/site-packages/conda/__init__.py", line 11, in <mod

重启：# 立即重启shutdown -r -t 0

$ sudo apt install terminator第一次使用，右键，更改配置后保存，自动生成如下配置文件配置 ~/.config/terminator/config[global_config] putty_paste_style = False borderless = False[keybindings] zoom_in = <Ctrl>plus zoon_out = <Ctrl>minus[profiles] [[default]]

$ pip install sklearnWARNING: pip is being invoked by an old script wrapper. This will fail in a future version of pip.Please see https://github.com/pypa/pip/issues/5599 for advice on fixing the underlying issue.To avoid this problem you can invoke Pyth

pip search 无法正常工作，报错如下完整报错：$ pip search absl-py --proxy http://10.xxx.xxx.xxx:8080 --trusted-host=pypi.python.org/usr/share/python-wheels/urllib3-1.22-py2.py3-none-any.whl/urllib3/connectionpool.py:860: InsecureRequestWarning: Unverified HTTPS request i