小编3no*_*mis的帖子

我正在尝试在启用 GPU 的情况下在 Google Colab 上初始化张量。

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

t = torch.tensor([1,2], device=device)

但我收到了这个奇怪的错误。
RuntimeError: CUDA error: device-side assert triggered CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect. For debugging consider passing CUDA_LAUNCH_BLOCKING=1

即使将该环境变量设置为 1 似乎也没有显示任何进一步的细节。
有人遇到过这个问题吗？

如何在 nifi docker 容器中保留 flow.xml.gz 文件？
我正在使用 docker-compose 文件，它给了我错误，例如找不到某些文件。
有没有遇到同样的问题？
谢谢

    version: "3.3"
services:
  nifi:
    image: apache/nifi
    volumes:
      - /home/ubuntu/nifi/conf:/opt/nifi/nifi-current/conf
      #- ./flow/flow.xml.gz:/opt/nifi/nifi-current/conf/flow.xml.gz
    ports:
      - "8080:8080"

我的 BlobStorage 中有几千个视频文件，我将其设置为数据存储。此 Blob 存储每天晚上都会收到新文件，我需要拆分数据并将每个拆分注册为新版本的 AzureML 数据集。

这就是我进行数据分割的方式，只需获取 blob 路径并分割它们即可。

container_client = ContainerClient.from_connection_string(AZ_CONN_STR,'keymoments-clips')
blobs = container_client.list_blobs('soccer')
blobs = map(lambda x: Path(x['name']), blobs)
train_set, test_set = get_train_test(blobs, 0.75, 3, class_subset={'goal', 'hitWoodwork', 'penalty', 'redCard', 'contentiousRefereeDecision'})
valid_set, test_set = split_data(test_set, 0.5, 3)

train_set, test_set, valid_set只是包含 blob 存储路径和类的 nx2 numpy 数组。

这是我尝试创建数据集的新版本时的情况：

datastore = Datastore.get(workspace, 'clips_datastore')

dataset_train = Dataset.File.from_files([(datastore, b) for b, _ in train_set[:4]], validate=True, partition_format='**/{class_label}/*.mp4')
dataset_train.register(workspace, 'train_video_clips', create_new_version=True)

即使只有 4 个路径，数据集创建似乎也会无限期挂起，这怎么可能？我在文档中看到提供一个列表Tuple[datastore, path]是完全可以的。你知道为什么吗？

谢谢

您好，我正在尝试使用无服务器执行以下操作：如果我没有提供选项，我希望它选择另一个选项

${opt:fb,${opt:environment,'dev'}}

然而，有些事情是错误的，因为这个错误总是在我打电话时出现sls deploy：

A valid option to satisfy the declaration 'opt:fb,dev' could not be found.

我不明白出了什么问题，因为显然它似乎正确选择了该值。能帮我一下吗？谢谢