报错背景: 尝试将代码中 VOC2007 数据集中的路径更改为本地路径
- allTrainingData = [] #第 167 行, 该行后面的代码为从 VOC2007 中读取数据, 会在调用 voc_dataset.py 文件时立即执行
- allTestingData = []
- #allFloder = ["./VOCdevkit/VOC2007"] #我们把从 VOC 网站下载的数据放到本地, 只使用 VOC2007 做实验
- allFloder = ["C:\Users\ma521\Desktop\Python Practice\VOCdevkit\VOC2007"]
- for floder in allFloder:
- imagePath = join(floder, "JPEGImages")
- infoPath = join(floder, "Annotations")
- index = 0
- for f in listdir(imagePath): #遍历 9964 张原始图片
- if f.endswith(".jpg"):
- imageFile = join(imagePath, f)
- infoFile = join(infoPath, f[:-4] + ".xml")
- if index % 10 == 0 : #每 10 张随机抽 1 个样本做测试
- allTestingData.append( (imageFile, infoFile) )
- else:
- allTrainingData.append( (imageFile, infoFile) )
- index = index + 1
解决方法: 路径前加 r
2. 报错: RuntimeError: cuda runtime error (35) : CUDA driver version is insufficient for CUDA runtime version at ..\torch\csrc\cuda\Module.cpp:33
报错背景: 进行深度学习时, 程序中弹出 CUDA 问题
1 torch.cuda.set_device(1)
资料搜集:
cuda 简介:
CUDA(Compute Unified Device Architecture), 是显卡厂商 NVIDIA 推出的运算平台. CUDA™是一种由 NVIDIA 推出的通用并行计算架构, 该架构使 GPU 能够解决复杂的计算问题. 它包含了 CUDA 指令集架构 (ISA) 以及 GPU 内部的并行计算引擎. 开发人员现在可以使用 C 语言来为 CUDA™架构编写程序, C 语言是应用最广泛的一种高级编程语言. 所编写出的程序于是就可以在支持 CUDA™的处理器上以超高性能运行. CUDA3.0 已经开始支持 C++ 和 FORTRAN.
独立显卡: https://wenwen.sogou.com/z/q715266890.htm
解决方案: 更换支持 CUDA 的电脑
来源: http://www.bubuko.com/infodetail-3409423.html