【NO.1】AttributeError: ‘str’ object has no attribute ‘decode’

這是字符解碼和編碼問題；
conda install h5py==2.10.0

錯誤發生在我要load 文件后綴為hdf5時候；
網上還有一種 解決辦法就是將decode(“utf8”)內的" “utf8"” 去掉
這個時候就是在報錯最后一行點擊

【NO.2】y.reshape(-1,n)
經過重新塑形之后y的形狀還是原來的形狀
只有將返回值進行賦值，才能改變原來的形狀
y1 = y.reshape(-1, n) 返回的y1形狀才會發生變化

【NO.3】顯存不足 : tesla V100 32G 顯存 【迷惑行為】

• 以下幾種方法都是控制顯存分配和控制GPU的使用

方法1：

import tensorflow as tf gpu = tf.config.experimental.list_physical_devices(device_type='GPU') assert len(gpu) ==1 tf.config.experimental.set_memory_growth(gpu[0],True)

方法2：

physical_devices = tf.config.experimental.list_physical_devices('GPU') assert len(physical_devices) > 0, "Not enough GPU hardware devices available" tf.config.experimental.set_memory_growth(physical_devices[0], True)

方法3：

import tensorflow as tf from keras.backend.tensorflow_backend import set_session config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 # 設置分配顯存最大值占總值的百分比 set_session(tf.Session(config=config))

對于上面遇到的問題在服務器上加上解決辦法還是不行，在本機上加上解決辦法是可以解決問題的，后續為什么在服務器上為什么會出現顯存不足，繼續尋找答案，本來按道理是不會出現這種情況的畢竟有32G的顯存利用，nvidia-smi顯示的

可見是沒有其他進程的，

反而本機倒是占用了一部分內存
直接關閉重啟可以解決問題

conda

新建虛擬環境

conda create --name yourname python=3.6激活sourse activate conda activate youname

報錯的原因是因為上次退出沒有正常關閉環境
重新激活環境就可以
sourse activate base/torch_1.4

Pycharm:Can’t get remote credentials for deployment server

[解決辦法]https://blog.csdn.net/m0_37586991/article/details/88381652?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163092835516780269870996%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163092835516780269870996&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_v2~rank_v29-1-88381652.pc_search_result_cache&utm_term=cant+not+credential+remote+server&spm=1018.2226.3001.4187

總結

以上是生活随笔為你收集整理的【tensorflow】【pytorch】_debug_错误集合的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。