小编Ami*_*adi的帖子

在装有 NVidia GeForce 820M 的 Windows 10 PC 上，我成功安装了 CUDA 9.2 和 cudnn 7.1，然后使用 pytorch.org 上的说明安装了 PyTorch。

具体我使用了命令

pip install torch==1.4.0+cu92 torchvision==0.5.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

因为我使用 pip 而不是 Anaconda。

但我得到以下

>>> import torch
>>> torch.cuda.is_available()
False

为什么会这样？

我正在尝试将稳定基线3库https://stable-baselines3.readthedocs.io/en/master/中的 PPO 算法应用到我制作的自定义环境中。

我不明白的一件事是下面这一行：

mean_reward, std_reward = evaluate_policy(model, env, n_eval_episodes=10, deterministic=True)

我应该始终让确定性等于 True 吗？当我保持确定性=“真”时，我的自定义环境“以某种方式”总是得到解决（即总是返回 1 +/- 0 标准的奖励）。

当我将其更改为“False”时，它开始以合理的方式表现（即有时会成功（奖励=1），有时会失败（奖励=0）。

因此，我在一个学校项目中工作，必须处理较大的wav文件（> 250Mgb），我想知道为什么当我向audacity软件读取此类文件时，要花大约40秒钟才能读取和绘制，但是当使用script.io.wavfile.read将其读取到python时，它将永远持续下去。所以我的问题是，胆量软件如何使它这么快，这是我可以在python中做到的吗？

编辑：我在我的代码中添加了一个新部分，以计算和绘制WAV文件的包络，但是问题是尝试使用大型WAV文件时，这将花费数年时间。文件更快谢谢

这是我正在使用的代码：

import matplotlib.pyplot as plt
import numpy as np
from scipy.io.wavfile import read
from tkinter import filedialog

# Browse, read the signal and extract signal informations (fs, duration)
filename = filedialog.askopenfilename(filetypes = (("""
            Template files""", "*.wav"), ("All files", "*")))

fs, data = read(filename, mmap=True)

T = len(data) / fs        #duration
nsamples = T * fs       #number of samples
time = np.linspace(0, T, nsamples)


# Compute the envelope of the signal
from scipy.signal import hilbert, chirp, resample
analytic_signal …

我想“视觉上”对马尔可夫链进行动画处理，如下所示： http: //markov.yoriz.co.uk/，但使用Python而不是html css和javascript。

我不知道是否有任何库可以使这变得简单，直到现在我设法使用 Networkx 库制作马尔可夫链的可视化表示，如下图所示，但无法将其动画化（或模拟）

到目前为止，这是我的代码：

from networkx.drawing.nx_pydot import write_dot
import networkx as nx
import matplotlib.pyplot as plt

states = [(0, 0),
          (1, 0),
          (2, 0),]


Q = [[5, 5, 0.4],
     [1, 2, 3],
     [4, 0.7, 0]
     ]


G = nx.MultiDiGraph()
labels={}
edge_labels={}

for i, origin_state in enumerate(states):
    for j, destination_state in enumerate(states):
        rate = Q[i][j]
        if rate > 0:
            G.add_edge(origin_state, destination_state, weight=rate, label="{:.02f}".format(rate))
            edge_labels[(origin_state, destination_state)] = label="{:.02f}".format(rate)



plt.figure(figsize=(10,7))
node_size = 200
pos = {state:list(state) for state …

我正在尝试使用 stable-baselines3 库制作 PPO 模型。我想使用一个带有 LSTM 层的策略网络。然而，我在图书馆的网站上找不到这种可能性，尽管它存在于以前版本的 stable-baselines 中：https://stable-baselines.readthedocs.io/en/master/modules/policies.html#stable_baselines。 common.policies.MlpLstmPolicy。

在 stable-baselines3（不是 stable-baselines）中是否存在这种可能性？如果没有，我还有其他可能做到这一点吗？谢谢。

我尝试运行以下代码来测试 HalfCheetah-v2 环境：

import gym
env = gym.make('HalfCheetah-v2')

但这给了我以下错误：ModuleNotFoundError：没有名为“mujoco_py”的模块

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "<pyshell#1>", line 1, in <module>
    env = gym.make('HalfCheetah-v2')
  File "C:\Users\Amine\AppData\Roaming\Python\Python36\site-packages\gym\envs\registration.py", line 145, in make
    return registry.make(id, **kwargs)
  File "C:\Users\Amine\AppData\Roaming\Python\Python36\site-packages\gym\envs\registration.py", line 90, in make
    env = spec.make(**kwargs)
  File "C:\Users\Amine\AppData\Roaming\Python\Python36\site-packages\gym\envs\registration.py", line 59, in make
    cls = load(self.entry_point)
  File "C:\Users\Amine\AppData\Roaming\Python\Python36\site-packages\gym\envs\registration.py", line 18, in load
    mod = importlib.import_module(mod_name)
  File "C:\Program Files\Python36\lib\importlib\__init__.py", line 126, in import_module
    return _bootstrap._gcd_import(name[level:], package, level)
  File …

我想为特定的文本生成任务编写一个类似 GPT 的转换器。类似 GPT 的模型仅使用解码器块（在堆栈中）[1]。我知道如何在 Pytorch 中编码如下所示的解码器块的所有子模块（从嵌入到 softmax 层）。但是，我不知道应该提供什么作为输入。它说（在图中）“输出右移”。

例如，这是我的数据（其中 < 和 > 是 sos 和 eos 令牌）：

• <abcdefgh>

我应该为类似 GPT 的模型提供什么才能正确训练它？

另外，由于我没有使用编码器，我是否仍然应该向多头注意块提供输入？

抱歉，如果我的问题看起来有点愚蠢，我对变形金刚很陌生。