Press "Enter" to skip to content

华南技术栈CNN+Bilstm+Attention

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

现在的情况

 

已安装 cuda cudnn anaconda pycharm

 

cuda 9.0对应的cudnn已经安装,对应的python是3.7和以下

 

尝试过anaconda添加源 创建新环境创建不了

 

目标:配置Win10下 的pytorch

 

下面是自己两天的努力过程和报错:

 

希望得到指点!!

 

基本介绍

 

bilstm介绍 :(用的是微信登录)

 

实现代码

 

attention介绍

 

bert层 (大部分来源于cbow)

 

做预训练,

一个很不错的bert讲解

该博主 bert+cnn也给了代码

 

包括attention 机制,

 

总之该博主是个宝藏博主 ,

 

txt和CSV 的区别,

 

(不是很清楚。。)

对txt进行数据划分

训练的时候好像还要用 cuda

 

我自己安装的9.1版本的。对应的python是3.7 以及以下。

 

然后验证一下 算是安装好了。

 

安装完还是用不了。

 

找了个不用GPU的方法

 

当然我肯定想用,,先试试再debug

 

于是第二天再找,注意版本对应关系。

 

艹。。显卡原因。最低的cuda都是10.2.。。离谱,还是用CPU试试吧。

 

纯纯看不起9.1的人哇。。

 

最终采取anaconda路线来搞定环境问题

 

装就完事了 其实还挺好用(这个好处是顺带自带了 动手学深度学习李沐那个记事本,应该可以用)

 

然后完美的搭建方案应该是这个,步骤靠谱

 

然后卸载重装cuda

 

这个是重装 比较细致的教程

 

pycharm安装torch和cuda(在anaconda创建的新环境下)

 

cudnn下载需要密码,账号邮箱89,密码Szy73041

 

这是我的cuda版本对应的cudnn

 

完成下载之后解压放到对应文件夹。分别对应的复制进去文件夹,相当于是一个补充的作用。

 

验证:

 

win+R,cmd打开命令窗,输入: cd /d C:\Program Files\NVIDIA GPU Computing

 

Toolkit\CUDA\v11.3\extras\demo_suite 回车切换路径 输入:bandwidthTest.exe

 

显示PASS则安装成功 输入:deviceQuery.exe 显示PASS,则cuda和cudnn均安装成功。

 

两个pass。。。。真的泪目,,,应该是安装成功了,

 

这一篇 完美解释了anaconda环境导入到pycharm

 

主要是查看anaconda配置python目录的位置,但是我觉得不需要那幺麻烦好像。

 

一会直接看看在他最后的目录看看能不能找到。

 

所以接下来的思路是在anaconda中配置好python解释器,然后导入到pycharm。

 

 

anaconda需要在一个 配置文件里面更新一下源

 

创建虚拟环境失败报错之后,最后的倔强

 

(base) C:\Users\Administrator>conda create -n pytorch python=3.6  Collecting package metadata (current_repodata.json): failed
ProxyError: 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 directory, any environment variables ending  in ‘_PROXY’, and any other system-wide proxy configuration settings.

 

太累了。。。这样。(又在想要不要换CPU了)

 

最终因为显卡不行换cpu,思路先通过anaconda配置好,再导入。

 

执行命令

 

(这也是自己的环境)

 

conda create -n pytorch_1.4.0_cpu python=3.7#CPU

 

配置好之后

 

done
#
# To activate this environment, use
#
#     $ conda activate pytorch_1.4.0_cpu
#
# To deactivate an active environment, use
#
#     $ conda deactivate

 

这时候 重点在于你明白你创建好的python 环境在哪个位置,一般在env

 

安装CPU版本的torch

基本就是这个思路

之后有些库如果不能用的话

 

因为conda和pip 有些库名字不一样,但是使用的时候应该是一样的

 

需要注意的地方是,pycharm切换解释器之后,导入的 anaconda 环境用pip或者conda命令安装包的话,安装的不在当前解释器下面,需要手动通过搜索的方式添加,也就是点击如图那个+号,不知道为啥。

 

暂时无伤大雅,记住需要注意就行。

 

不过如果用的是CPU的话,注意把这句话加上,(先全文搜索torch。load 然后加上后半句)不然会报错

 

model.load_state_dict(torch.load(config.save_path,map_location='cpu'))

 

至此,第一次文本分类模型复现成成功,期间心态起伏数次却始终没有放弃,恩师教诲仿佛时刻能在耳畔响起。自己虽然没有昂贵的GPU拿来学习用,

 

CPU无非也就是多花些时间罢了。

 

穷人家的孩子就是这样,要学会些什幺付出的代价远远比资本家的孩子高许多许多。

 

 

自古志士无不是穷且益坚,

 

自古寒门无不有坚韧之志,

 

此去研途漫漫,山高路远,

 

虽贫不可忘初心之志,虽简不可忘出山之心。

 

2022年7月6日14:20:26 于 山西老家

 

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。