Drug discovery

windows创建的文件名的最长是260【是带着路径的长度，不是单纯的文件的长度。

后来才发现是自己 import 自己定义的datasets的时候出现了错误，因为我是在自己定义的datasets中进行了测试，但是里面有错误，然后我还在主程序中import了这个datasets，所以一直停住不动。# print(f"\n--- 开始为任务组合: {task_key} 准备数据和模型 (Paired Data) ---")# task_key = '+'.join(current_task_names) # 创建任务组合的键名。# # --- 主训练循环 ---

现在的情况是划取了某个表达式，但是不自动执行了，应该重新设置一下。

或者提前下载好（）这个先下载好。然后cd进入该包成功。

这个是在新版的pycharm中出现的，在setting中这么设置一下就好了：https://youtrack.jetbrains.com/issue/PY-75568/Large-strings-truncated-when-displayed-in-debug-output-or-evaluate-windows-again

当使用多卡的时候“ --num_processes=2” 【 accelerate launch --num_processes=2 train.py 】

https://stackoverflow.com/questions/70967651/could-not-load-dynamic-library-libcudart-so-11-0Output in my system.This result shows where the “libcudart.so.11.0” is in my system:

Ubuntu-18.04替换为你自己的版本。然后就可以执行下一步操作了。

或者安装比它版本更高的版本。

3.如果能走到那一步，但是依然没有在附近停下，而且你用了多卡并行，那么就可能是Gevent compatible的问题。在设置Build,Execution,Deployment->Python Debugger里面取消勾选Gevent兼容。2.尝试在你打期望停下的代码附近print("1111111")看看是否输出了这个字符串，验证程序确实走到这一步了。1.首先尝试在程序最开头打断点，检查是否能停下，如果可以，看第二步。

起初我以为是代码哪里写错了，后面发现每次win + L一段时间以后就会出现这个错误。

pip installOpenNMT-py

应该用1.2.6处理数据，然后用1.2.6去运行，而不是用1.3.6版本。

运行的时候突然就这样了main(args)这种错误一般直接看不出出来到底是哪里错误了，不知道错误的原因是因为CPU和gpu的异步执行：cuda编程默认使用异步执行，大概是因为CPU和GPU的内存是分开的。用户想要将数据从GPU搬运到CPU，必须发起一个kernel launch。因此，当程序执行正确时，GPU异步与同步执行的结果应该是等价的。

1.3.6的版本会将原子变为5，而以前的老版本会是4，所以只需要。

从epoch A到epochA+1时loss突然变大很多，模型没有用到上次epoch训练的参数，这是不正确的。

在训练模型的时候，每次训练完一个epoch会紧接着来一个测试函数（使用本次的ckpt生成一些图片看效果），发现本次epoch的效果挺好。但是新开了一个terminal，然后使用evaluation对该epoch进行测试（生成新图像），但是效果很差，明明已经resume了训练好的epoch对应的ckpt了啊。

pycharm的命令可以在terminal中运行，但是复制到无法在run中运行（没有输出错误就停止了）搞不懂为什么。

将所有带有wandb的进行kill即可。这个没有什么好办法。

有时候我们在运行程序的时候，例如使用nohup等方式运行的时候，代码出现了错误，但是进程却卡死了，导致显存一直占用，我们通过nvidia-smi也无法知道到底谁占用了显存。有一种很简单的方法，就是杀死所有的当前在运行的朋友thin程序。

我是直接将y变为了（1,512），但是现在的y的值位于[0-1485]之间，所以导致无法找到该embedding，这种错误，在CPU调试的时候可以出现，但是GPU报错太抽象。得知，应该是我在推理过程中使用了较短的Embedding，导致无法找到该类对应的标签。在运行项目的时候，出现了错误，但是却不知道为什么错误，因为GPU报的错误太抽象。直接删除这一行即可，或者修改nn.Embedding的字典的大小。整得人头晕，不知道咋回事。

在epoch运行过程中，突然出现了这种错误，感觉可能是rdkit版本的问题，此时将rdkit的版本改为了最新的版本。暂时没有错误，等等看看再说。

在PPT中复制对象到WPS word中后，导致图片一直靠左，而无法居中。正确的是选中图片的前面的部分，然后点击居中，或者Ctrl + E。这时你会发现居中按钮无法点击（是灰色的）

在resume模型的时候，可能会遇到某些层是没有的，或者你改变了某些层的维度，从而导致model_state_dict()错误，所以此时的解决办法为：忽略这些层，不加载它们。

由于归一化的问题，会导致生成的图像颜色偏差严重，例如会导致生成的颜色偏红黑色、淡色、青色..如果你生成的图像整体感官上没有问题，但是却在颜色上有很大偏差，那么很大可能就是你训练的时候归一化的程序不对。

正常情况下，一个图片的3通道信息应该是【0-255】不断变化的，但是我使用pycharm打印图像的信息的时候却发现全部是255，这令我非常的苦恼，以至于我认为图像加载错误。

该问题是因为你安装的torch_geometric的版本不对。

这是因为torch_geometric的版本太低导致的：

在处理MoleculeNet_datasets的HIV数据集的时候出现了下面的错误：35275352763527735278一直不知道错误在哪里。

【代码】【异常错误】so.11: undefined symbol: cublasLtHSHMatmulAlgoInit, version libcublasLt.so.11。

GPU和CPU之间是异步执行的，CPU向GPU下达指令以后会立刻执行之后的代码，CPU不会等待GPU执行完成。

下载好以后，然后安装最新的驱动就可以了，感觉可能是因为win11和某些需要显卡的驱动不支持的原因吧。原来我一直以为是电脑的某些组件可能坏掉了。

【代码】训练的过程中内存一直增加的问题。

运行过程中出现错误： 我查看了内存的大小，发现内存并没有吃满，换了一个电脑设置max_map_count的较大的值，发现可以成功运行不出错，设置方式如下：# 查看当前值# 设置新的值这是对于自己的服务器来说，是可以通过上面的方式进行解决的，但是如果你使用的是租赁的服务器，就会出现错误：sysctl: setting key "vm.max_map_count", ignoring: Read-only file system此时，你并没有办法修改 max_map_count ，你只能使用分布式将程序放在多

由上图可以看出是–local_rank 与 --local-rank不一致导致的，追究原因，竟然是torch2.0版本launch.py里面写的全是–local-rank，而老版本的torch用的是–local_rank。所以将local_rank全改成local-rank即可。

今天在运行程序的时候出现了一个很不常见的异常，当我运行py脚本后，发现没有任何反应，然后我一行一行的debug，发现执行到下面一行的时候就会卡死：后面才发现，你不要而是要错误消失.0...

main(args)

原因是conda环境下cuda编译器nvcc不支持compute_89导致安装失败，运行项目的requirement.txt安装环境往往会默认安装低版本的cuda环境。如果没有compute_89（nvcc --version版本是11.5或者以下），就需要重新安装cuda和nvcc。如果nvcc目录不是/usr/local/cuda-12.2 ，需要重新配置，先备份下原环境，然后重新配置。安装完成后，可以查看cuda 12.2版本安装位置。一般在/usr/local/cuda-12.2下。

当你使用pycharm debug或者run的时候，突然出现了点不动，然后一直显示：waiting for process detach。

训练的时候，如果是保持命令行窗口不关闭，则不会出现这个问题；如果是使用nohup挂在后台运行，则没多久就会出现这个问题。在网上找了下解决办法，发现使用tmux替代nohup是一个可行的方案。