TensorBoard 无法显示数据？大日志背后的可见性陷阱
1. 现象描述： 在服务器上进行深度学习训练，并用Tensorboard记录训练日志，但是发现某一个实现日志在通过浏览器打开Tensorboard页面之后没有数据显示，而是产生了下面的警告： image.png 一般这种警告是因为日志中没有数据写入，比如实验刚运行起来就终止了。但是我确定我的这个日志中是有数据写入的，因为同一时间运行起来的另一个实验的日志是能正常用Tensorboard打开
在A100平台集群上部署OpenVLA与LIBERO仿真环境的踩坑及解决方法记录
1. 问题背景 在尝试运行OpenVLA的LIBERO评测脚本时，遇到了从环境导入到编译安装，再到底层图形驱动的一系列问题。 运行环境： 硬件：NVIDIA A100 任务：OpenVLA 7B 策略在LIBERO仿真环境中的评估 软件：PyTorch + MuJoCo (Robosuite) 2. 主要问题及解决方案 问题一：模块搜索路径失效 (ModuleNotFoundError)
ninja / g++ / nvcc 到底谁是谁：一次把“编译这件事”的角色分清楚
今天在服务器上编译pointnet2_ops时遇到了一些问题，并且报错的输出中包含以下信息: ninja: build stopped c++ ...（其实就是 g++） /path/to/nvcc ... 以及一堆 -I -L -gencode -std=c++17 于是去研究了一下这些工具在编译中的角色，特别是ninja / g++ / nvcc这三者。 1. 总览：三者的分工
PATH vs. LD_LIBRARY_PATH: Linux 开发里最容易踩坑的两条“路径”环境变量（以及一堆亲戚）
Intro: 你在Linux上敲python、nvcc、gcc等命令时，它们是怎么被找到的？你编译出来的程序运行时为什么会突然报错 libxxx.so: cannot open shared object file ？这些玄学的背后，几乎都和PATH、LD_LIBRARY_PATH以及它们的亲戚有关。 这篇博客就把它们按“到底在找什么”讲清楚： PATH: 找可执行文件 LD_LIBRA
Ubuntu服务器上在conda环境中安装nvcc并成功编译cuda扩展（无管理员权限）
场景：在服务器上安装一个带CUDA扩展的Pyhton包（例如Pointnet++的pointnet2_ops） 问题：服务器GPU是RTX 3090，pytorch版本是2.4.1+cu118，但是系统上没有安装cuda 11.8，导致 pip install -e . 编译扩展失败。并且没有管理员权限，安装不了cuda 11.8. 目标：不触碰系统级CUDA，用conda在用户态装齐编译链
使用SSH 隧道转发绕过服务器网络封锁 / Windsurf连接远程服务器时加载不出Cascade
1. 问题描述 在远程服务器上进行开发的时候，突然发现Windsurf加载不出Cascade的对话框了，不管怎么刷新窗口、杀死进程都没用，Cascade窗口只会一个Logo，没有任何反应。但是在本地计算机上，Windsurf完全正常。 此外，运行clash进程的终端中，发现日志中频繁刷出i/o timeout 或 connect error 。 2. 故障排查与定位 我在远程服务器上按照以
在一台计算机上运行多个torchrun任务
1. 问题 当我在一个终端中运行 CUDA_VISIBLE_DEVICES=6,7 torchrun --nproc_per_node=2 xxx.py ，然后打开了第二个终端运行 CUDA_VISIBLE_DEVICES=3,4 torchrun --nproc_per_node=2 xxx.py 时，产生了报错: 1RuntimeError: The server socket has f
Matplotlib无法使用Times new roman字体
解决方案： 12sudo apt install msttcorefonts -qqrm ~/.cache/matplotlib -rf