一个论文的代码复现（搭建环境、代码报错（已解决）、一些收获）_根据论文伪代码复现源代码

碎碎念

我准备复现的代码是在一篇论文中提到的，简单来说就是一个无声语音接口实验，通过应变传感器在不发出声音的情况下识别所说单词，在论文结尾处有提供所用数据集和所用代码，已下载，在后续使用
下面开始第一步，搭建项目所需环境

搭建环境

创建虚拟环境

conda创建虚拟环境
打开命令行Anaconda Powershell Prompt
确定一个python版本，以python3.8为例，silent是我给这个环境的命名

conda create --name silent python=3.8
1

激活虚拟环境

将刚刚创建好的虚拟环境激活

conda activate silent
1

然后环境就由base变为了silent，接下来我们就在silent环境中进行操作

安装pytorch

查看显卡信息，以确定可以匹配的CUDA版本

nvidia-smi
1

命令行出现以下内容

Sat Jan 20 19:41:42 2024
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 462.30       Driver Version: 462.30       CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  GeForce GTX 1650   WDDM  | 00000000:01:00.0  On |                  N/A |
| N/A   39C    P8     2W /  N/A |    513MiB /  4096MiB |      1%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
1
2
3
4
5
6
7
8
9
10
11
12

我们看到 CUDA Version: 11.2，说明此显卡支持11.2及以下版本的CUDA
接下来打开pytorch官网，选择合适的版本，复制命令安装
以我的电脑为例，我选择了10.2版本

 conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch
1

下载完成后，验证一下是否成功安装

conda list
1

在列表中如果能找到pytorch则表示安装成功
然后输入python

python
1

再输入

import torch
1

再输入

torch.cuda.is_available()
1

如果返回值为Ture，则安装完成

安装其他包

matplotlib

安装完python之后，我尝试去运行代码，出现报错

报错内容显示导入包出错，没有找到matplotlib包
解决办法：
pycharm首页：File->Settings->Project ->Project Interprete
点击“➕”，输入包的名称，再点击install package等待其下载即可，安装成功后会有提示
随后再次尝试运行该代码

tqdm

报错内容显示导入包出错，没有找到tqdm包
再次重复上述操作，安装tqdm，成功

sklearn

sklearn即scikit-learn
当我还是想通过上述方法去安装的时候没有成功
于是采用pip安装，后加-i 清华源镜像会快很多

 pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple
1

至此，环境安装完毕

运行代码

报错：RuntimeError: mat1 and mat2 shapes cannot be multiplied (100x256 and 512x256)

问题：RuntimeError: mat1 and mat2 shapes cannot be multiplied (100x256 and 512x256)，错误为两个100x256和512x256矩阵不能相乘
解决：按照错误路径找到矩阵相乘的代码，更改矩阵大小为第一个矩阵列数等于第二个矩阵行数，并且第二个矩阵列数能与后续矩阵相乘，最后一个矩阵的列数等于需要分的类数。

 self.fc = Sequential(
            #Linear(512, 256),
            Linear(256, 100),
            Linear(100, class_num)
            #Linear(256, class_num)
        )
1
2
3
4
5
6

没有用gpu

问题：翻看代码的时候，有看到它可以用gpu进行训练，但在我实际训练过程中，在终端显示我还是用的cpu进行训练，任务管理器中也没有gpu占用

def Train(logname = '3Dconv', epochs=1000/, batch_size=100, early_stop = 50):
    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
    print(device)
1
2
3

解决：找到代码中的

gpu = '0'
os.environ["CUDA_VISIBLE_DEVICES"]=gpu
1
2

原来是4，改为0，是作者指定的gpu编号，我的只有一个编号为0

训练开始了，但准确度一直很低，图像也不理想，也不报错

问题：由于所呈现的图像是混淆矩阵，所以根据坐标应该是一条左上至右下的斜线，但出来的图像是一条竖线
解决：寻找出现问题的可能性，这个我也找了很久，也去搜索了别人出现的类似问题，然后还去问了gpt，依然没有找到方法，我猜测不是一个共性的问题，于是从代码本身入手，在阅读过程中发现了两个模块相似度极高，随后找到引用的地方，给它换成了另一个，奇迹般地好了
一个是

lass UnetModel(nn.Module):
    def __init__(self, in_chans=1, chans=32, drop_prob=0.3,class_num=100):
1
2

另一个是

class UnetModel2(nn.Module):
    def __init__(self, in_chans=1, chans=32, drop_prob=0.3,class_num=100):
1
2

运行结果

贴图

再贴

很好，就是我想要的结果

early stop

代码中有一部分early stop实现，作用是在若干轮训练中，如果准确率没有提高，则停止训练，有效的防止了过拟合，若干轮的轮数由用户自己指定我用的是50轮，代码中指定轮数是1000轮，但是在第439轮时提前停止了训练break

            if old_val_acc < val_correct:
                old_val_acc = val_correct

                train_acc = train_correct / train_total
                train_acc *= 100
                train_acc = round(train_acc)

                val_acc = val_correct / val_total
                val_acc *= 100
                val_acc = round(val_acc)

                torch.save(model.state_dict(), os.path.join(save_path, 'weight_epoch{}_{}%_{}%.pt'.format(epoch, train_acc, val_acc)))
                early_stop_number = 0
            else:
                early_stop_number += 1
                if early_stop_number == early_stop:
                    print("Early Stop!")
                    break
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

就酱，下次见~