问题：执行以下命令行太长了，不方便修改。 CUDA_VISIBLE_DEVICES=0 python tools/train.py --config ./configs/SegSAMPLerEmbMLP_config.py --cfg-options optimizer.lr=0.0005 optimizer.weight_decay=0.01 train_batch_size_per_gpu=4 test_batch_size_per_gpu=4 model_cfg.SAM_weights=0.1 model_c…

踩坑一： RuntimeError: ONNX export of operator adaptive_avg_pool2d 报错原因：这个错误表明在将模型导出为 ONNX 格式时，adaptive_avg_pool2d 操作不支持当前的输出大小，因为输出大小不是输入大小的因数。因为onnx要求模型的输入参数的固定的，而自适应池化层是根据输入来确定模型参数的。 ChatGPT提供了一些别的方法，如更新Pytorch版本或尝试使用 ONNX opset 版本或 dynamic_axes 参数，经过测试都无法解决以上问…

最近学习了一下图像分割模型部署——PyTorch转ONNX 参考了子豪兄的视频 一、主要学习内容如下： 即ONNX是个中间翻译器，帮助不同框架和不同设备更方便地迁移和部署。 二、具体操作 1. 安装配置环境 安装Pytorch pip3 install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu113 安装 ONNX pip install onnx -i https://pypi.tuna.tsinghua.edu…

由于在docker中创建容器的时候已经使用了默认的端口映射，因此，再想在容器中使用tensorboard或者jupyter的时候，会出现无法打卡网页的情况。所以需要在创建容器的时候分配好新的端口，从而实现docker容器与宿主机之间的映射。 一、创建容器： docker run --gpus all --shm-size 16G --name dete2 -it -p 8888:8888 -p 6006:6006 -v /home/daidai/bigdata:/home/daidai/bigdata d91fe8…

由于网络中用到了torch.pairwise_distance()，发现在不同版本的pytorch下，计算结果不一致的情况。下面就来解决这个问题。 一、torch.nn. PairwiseDistance ( p = 2.0 , eps = 1e-06 , keepdim = False )用法 首先，了解一下pytorch里 torch.pairwise_distance()的用法。 其中，各项参数如下： p ( real , optional ) – 范数度。可以为负。默认值：2 eps ( float , o…