【Paper】Network Dissection: Quantifying Interpretability of Deep Visual Representations跑源码遇到的问题

Environment :服务器Ubuntu 16.

4 + torch + torchvision + scipy==1.1.0

运行过程中出现的错误：

error 1.ImportError: cannot import name ‘imresize’ from ‘scipy.misc’
解决办法：由于原来的scipy版本比较高，imresize 已经被弃用了
方法一：减低scipy版本号安装scipy1.1.0(pip install scipu1.1.0)(sudo pip install scipy==1.1.0)
安装scipy之前检查是否已经安装pillow 模块

还有其他解决方法就是不用scipy.imresize使用别的方法来对图像进行处理

error 2:RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please usead with map_locatio
上面错误的意思是:用不了GPU，不能用cuda,要我改成cpu,原理作者的使用的是pgu环境
我查看了服务器是否真的不能使用cuda.
在终端：>python
import torch
print(torch.cuda.is_available())#如果返回False说明不能使用cuda,
拓展：查看tensorflow_gpu是否可用
import tensorflow as tf
tf.test.is_gpu_avalible()##看返回是False 还是 True

所以我只能更改为cpu（如果出现这种情况，或者你可以将服务器的cuda环境搞好，用pgu来跑代码）

更改代码如下：
将load_model 下的checkpoint = torch.load(settings.MODEL_FILE)更改为checkpoint = torch.load(settings.MODEL_FILE,map_location=‘cpu’)

ERROR 3:RuntimeError: generator raised StopIteration
问题说明：生成器停止迭代
原因：原本我实验使用的python版本是3.7
这个实验的版本是要用python3.6;所有接下来就是要换python版本进行实验；

在Ubuntu16.4 下安装python3.6.4

使用两种方法：

1 sudo apt-get install python3.6.4
方法2：
首先下载安装包
01.wget http://www.python.org/ftp/python/3.6.4/Python-3.6.4.tgz
解压安装包
02.-tar -xvzf Python-Python3.6.4
切换目录
03.cd Python3.6.4 #切换到Python3.6.4目录下
04…/configure --with-ssl
编译 make
05.make
如果没有make,安装make
06.sudo make install

这个时候python3.6.4就安装好了

里面只要pip 和 setuptools 两个工具包

这个实验还要用到 torch torchvision scipy(1.1.0)

在python3.6.4目录下使用sudo install modlename(安装对应的模块名称，和指定版本号)

实验部分结果

想记录一下今天遇到的问题！
--------------------------------------------------------------------2020-12-27 21:25

【Paper】Network Dissection: Quantifying Interpretability of Deep Visual Representations跑源码遇到的问题相关推荐

【CVPR2017周博磊】Network Dissection: Quantifying Interpretability of Deep Visual Representations
Network Dissection: Quantifying Interpretability of Deep Visual Representations 论文地址:https://arxiv.o ...
论文笔记：《Network Dissection: Quantifying Interpretability of Deep Visual Representations》
CVPR 2017 的 MIT 论文<Network Dissection: Quantifying Interpretability of Deep Visual Representation ...
Network Dissection:Quantifying Interpretability of Deep Visual Representations（深层视觉表征的量化解释）
NetworkDissection(深层视觉表征的量化解释)Network Dissection(深层视觉表征的量化解释)NetworkDissection(深层视觉表征的量化解释) conv_lay ...
神经网络的可解释性——Network Dissection: Quantifying Interpretability of Deep Visual Representations
本文是周博磊大神CVPR 2017年的文章,主要关注网络的可解释性. 前言神经网络的可解释性一直是一个很有趣也很有用的东西.很多情况下大家都把神经网络作为一个黑箱来用,而近年来也有越来越多的工作希望 ...
论文笔记----Network Dissection:Quantifying Interpretability of Deep Visual Representations（深层视觉表征的量化解释）
论文地址:https://arxiv.org/pdf/1704.05796.pdf 论文提出了一种名为"Network Dissection"的通用框架,通过评估单个隐藏单元与一系 ...
Win10 下Visual Studio 2017源码编译Paddle
Win10 下Visual Studio 2017源码编译Paddle 1.准备工作 Visual Studio 2017 Python 3.8.10 CMake 3.22.0-rc2 熟悉官方文档: ...
deep learning:RBM公式推导+源码 ----- C++
花了好多天去推导RBM公式,只能说数学是硬伤,推导过程在后面给出大概,看了下yusugomori的java版源码,又花了一天时间来写C++版本,其主要思路参照yusugomori.发现java和C++ ...
Unix NetWork Programming——环境搭建（解决unp.h等源码编译问题）(转载)
原文地址:http://blog.csdn.net/a649518776/article/details/6724121 下面开始用简单但典型的客户端和服务器端程序说明如何进行网络编程.这一小节讲的是 ...
Envoy 源码分析－－network L4 filter manager
目录 Envoy 源码分析--network L4 filter manager FilterManagerImpl addWriteFilter addReadFilter addFilter in ...