错误原因： 输入的数据与设置的数据维度不一致 解决办法： 检查输入数据的维度，将输入的维度调整与模型输入的维度一致即可

1.要通过git拉取代码，不然会报错 subprocess.CalledProcessError:Command'['git','submodule','sync','--recursive']'returnednon-ze 2.TheCcompiler "E:/XXX/sdk/ndk/21.4.7075529/toolchains/llvm/prebuilt/windows-x86_64/bin/clang.exe"isnotabletocompileasimpletestprogram. 在对应的编译文件中设置 set(CMAKE_CXX_COMPILER_WORKSTRUE) ...

问题描述： 按照网上配置vscode配置服务器docker环境开发C项目，出现attachvscode无反应现象，但是attachshell正常。 问题原因： [1]设置了密码登录ssh,可以设置免密登录，具体教程连接: 【开发工具】VScode连接远程服务器+设置免密登录_vscode免密登录服务器-CSDN博客 [2]我按照上诉教程操作后，依旧无反应，无意间发现我的vscode版本不是最新的，更新到最新版本后，就正常了

原因： 没有选择合适的代理节点 解决办法： 选择合适的节点，选择香港节点速度会快很多，日本节点比较慢。也可以尝试使用其他节点。

推荐理由： 帮助父母在培养男孩子健全人格与处理婚恋的方式，可以为父母在与男孩子成长过程 提供一些培养方式； 其他： 书本内容有点多，需要慢慢看。

需求原因： 使用onnx模型部署项目，可以减少对运行环境tensorflow的依赖 转换方法： 梳理清楚原始模型的输入输出： fromonnxruntimeimportInferenceSession,GraphOptimizationLevel,SessionOptions importtf2onnx importonnx defpb_2_onnx(model_path,output_path): withtf.Session()assess: tf.global_variables_initializer().run() output_graph_def=tf.GraphDef() wi...

原因： 软件版本不正确，更换软件版本 解决办法： 安装过程可能出现版本依赖冲突 先安装主要工具，如：tensorflow，这个工具较大下载时间较长，其他冲突工具在慢慢调整版本，依赖高了，就降低版本。直到解决所有问题。

原因： 预测过程没有引入mask 现象： 在文本左侧加PAD预测正常； 解决办法： 在预测阶段将mask输入bert 其他：BERT模型在批量训练和预测阶段都需要mask，单条预测不引入mask不会引起错误，批量预测不引入mask会在有效toekn和pad之间造成预测问题。

原因： 不同长度文本pad一致长度，添加pad后会对预测有一丢丢影响，虽然mask会抵消大部分影响，但是还是会一留下一点点影响。 解决办法： 多次采用不同的batch_size测试模型，发现离模型训练使用的batch_size越近，与单条预测的结果差别越小，因此推荐结合实际情况，选用与训练batch_size相近的数目。

原因：输入与训练时输入的数据不一致 可能情况： [1]mask的数据与预期不一致，可以打印出来看看数据是否与预期的一致； [2]检查模型mask是否为必须输入参数，我设置了默认值为None,传mask后，与单条预测结果一直不一样，但是大于1的batch_size结果一样； 总结： [1]确保输入onnx的数据与bin格式预测的输入数据格式，数据一致； [2]确保mask值为必须传入参数，这一点容易被忽视；

原因： 学习率设置的较大，导致梯度爆炸 解决办法： 更改为较小的学习率

原因： 安装了TF2.X版本，该版本确实没有该功能 解决办法： 安装TF1.X即可

推荐原因： 里面记录了一些做人做事的做事方法和注意事项，对于个人成长还是很有帮助的。 其他： 书本较薄，看看译文基本就可以理解什么意思，不用花太多时间阅读。

解决办法： 获取下载链接后，通过windows下载，然后上传到服务器，再进行解压。