- pytorch | with torch.no_grad()
Ddddddd_158
经验分享pytorch人工智能python
1.关于withwith是python中上下文管理器,简单理解,当要进行固定的进入,返回操作时,可以将对应需要的操作,放在with所需要的语句中。比如文件的写入(需要打开关闭文件)等。以下为一个文件写入使用with的例子。withopen(filename,'w')assh:sh.write("#!/bin/bash\n")sh.write("#$-N"+'IC'+altas+str(patien
- torch.no_grad
He_Yu
PyTorch里的requires_grad、volatile及no_gradrequires_grad=True要求计算梯度requires_grad=False不要求计算梯度withtorch.no_grad()或者@torch.no_grad()中的数据不需要计算梯度,也不会进行反向传播(torch.no_grad()是新版本pytorch中volatile的替代)
- 特殊的bug:element 0 of tensors does not require grad and does not have a grad_fn
Yonggie
bugpythonpytorch
很多帖子都说了,设置requires_grad_()就行。但是我这次遇到的不一样,设置了都不行。我是这种情况,在前面设置了torch.no_grad():,又在这个的作用域下进行了requires_grad_(),这是不起作用的。简单版:withtorch.no_grad():model.eval()pos_embed=model(homo_data.x,homo_data.edge_index)
- with torch.no_grad()在Pytorch中的应用
怡步晓心l
人工智能pytorch人工智能python
withtorch.no_grad()在Pytorch中的应用参考:https://blog.csdn.net/qq_24761287/article/details/129773333https://blog.csdn.net/sazass/article/details/116668755在学习Pytorch时,老遇到withtorch.no_grad(),搞不清其作用,现在详细了解一下。1、
- 关于with torch.no_grad:的一些小问题
江_小_白
pytorchpython深度学习pytorch
withtorch.no_grad:是截断梯度记录的,新生成的数据的都不记录梯度,但是今天产生了一点小疑惑,如果存在多层函数嵌入,是不是函数内所有的数据都不记录梯度,验证了一下,确实是的。importtorchx=torch.randn(10,5,requires_grad=True)y=torch.randn(10,5,requires_grad=True)z=torch.randn(10,5,
- 在 eval 的时候运行一遍网络,发现显存增加特别快
NeRF_er
python人工智能计算机视觉
应该是变量的梯度没有关闭,导致在运行网络的时候,梯度也被储存在了CUDA里面。解决方法是:在被调用的网络函数前面加一个装饰器,(这个函数可以是专门用来eval的时候用的),@torch.no_grad()##在运行这个函数的时候,不会计算梯度defget_pos_density(self,positions):"""Computesandreturnsthedensities."""asserts
- Pytorch 里面torch.no_grad 和model.eval(), model.train() 的作用
张哥coder
深度学习知识点浅析pytorch人工智能python
torch.no_grad:影响模型的自微分器,使得其停止工作;这样的话,数据计算的数据就会变快,内存占用也会变小,因为没有了反向梯度计算,当然,我哦们也无法做反向传播。model.eval()和model.train():告诉模型中的所有层,目前处于的状态,是训练还是测试阶段,从而每一层做出相应的行为和动作。batchnorm和dropout层会因为状态的不同,而有不同的行为和反应。
- Pytorch中requires_grad_(), detach(), torch.no_grad()的区别
SnailTyan
文章作者:Tyan博客:noahsnail.com|CSDN|0.测试环境Python3.6.9,Pytorch1.5.01.基本概念Tensor是一个多维矩阵,其中包含所有的元素为同一数据类型。默认数据类型为torch.float32。示例一>>>a=torch.tensor([1.0])>>>a.datatensor([1.])>>>a.grad>>>a.requires_gradFalse>
- Pytorch:model.train()和model.eval()用法和区别,以及model.eval()和torch.no_grad()的区别
Code_LiShi
pytorchpytorch人工智能python
1model.train()和model.eval()用法和区别1.1model.train()model.train()的作用是启用BatchNormalization和Dropout。如果模型中有BN层(BatchNormalization)和Dropout,需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout,m
- torch减少显存使用
天空之翼
withtorch.no_grad():被包裹起来的上下文不走tracking,减少显存的堆积占用torch.no_grad也可以作为注解的写法@torch.no_grad()defindex():清理显存torch.cuda.empty_cache()添加词句之后清理显存。
- 如何理解pytorch中的“with torch.no_grad()”?
Zephyr H
pytorch人工智能python
torch.no_grad()方法就像一个循环,其中循环中的每个张量都将requires_grad设置为False。这意味着,当前与当前计算图相连的具有梯度的张量现在与当前图分离了我们将不再能够计算关于该张量的梯度。直到张量在循环内,它才与当前图分离。一旦用梯度定义的张量脱离了循环,它就会再次附着到当前图上。此方法禁用梯度计算,从而减少计算的内存消耗。示例:在这个例子中,我们将用requires_
- model.eval,torch.no_grad,以及torch.cuda.empty_cache
xx_xjm
python深度学习人工智能
withtorch.no_grad()则主要是用于停止autograd模块的工作,以起到加速和节省显存的作用。它的作用是将该with语句包裹起来的部分停止梯度的更新,从而节省了GPU算力和显存,但是并不会影响dropout和BN层的行为eval()的作用是不启用BatchNormalization和Dropout,并且不会保存中间变量、计算图。torch.cuda.empty_cache用于释放没
- 【python报错】with torch.no_grad: AttributeError: __enter__
无 眠
python深度学习开发语言
报错:Traceback(mostrecentcalllast):File"D:/classify_leaves/classify-leaves/predict.py",line7,inimporttrainFile"D:\classify_leaves\classify-leaves\train.py",line145,inwithtorch.no_grad:AttributeError:__e
- 【pytorch笔记】在with torch.no_grad()中临时允许记录梯度
NOVAglow646
pytorchpytorch
withtorch.no_grad():withtorch.enable_grad():允许使用梯度的部分
- 积跬步至千里 || PyTorch 中的“with torch no_grad” 语句
Mr_LeeCZ
积跬步至千里pytorch人工智能python
PyTorch中的“withtorchno_grad”语句文章目录PyTorch中的“withtorchno_grad”语句示例1示例2“with”torch.no_grad()的使用就像一个循环,其中循环内的每个张量都将requires_grad设置为False。这意味着当前与当前计算图相连的任何具有梯度的张量现在都与当前图分离。我们不再能够计算关于这个张量的梯度。张量从当前图中分离,直到它在循
- 【动手深度学习v2】with torch.no_grad()用法
岁余十二.
动手学深度学习v2深度学习人工智能
在sgd的实现代码中,使用到了withtorch.no_grad():defsgd(params,lr,batch_size):#@save"""小批量随机梯度下降"""withtorch.no_grad():forparaminparams:param-=lr*param.grad/batch_sizeprint(f'参数:{param}梯度:{param.grad}')param.grad.z
- with torch.no_grad()解答
樱木之
深度学习pythonpytorch
x.1withtorch.no_grad()简述及例子torch.no_grad()是PyTorch中的一个上下文管理器(contextmanager),用于指定在其内部的代码块中不进行梯度计算。当你不需要计算梯度时,可以使用该上下文管理器来提高代码的执行效率,尤其是在推断(inference)阶段和梯度裁剪(gradclip)阶段的时候。在使用torch.autograd进行自动求导时,PyTo
- pytorch 测量模型运行时间,GPU时间和CPU时间,model.eval()介绍
tony365
pytorchpytorchgpu
文章目录1.测量时间的方式2.model.eval(),model.train(),torch.no_grad()方法介绍2.1model.train()和model.eval()2.2model.eval()和torch.no_grad()3.模型推理时间方式4.一个完整的测试模型推理时间的代码5.参考:1.测量时间的方式time.time()time.perf_counter()time.pr
- Pytorch 中 model.eval() 和 with torch.no_grad() 的区别
CV矿工
深度学习C++编程基础pythonlinux运维
在PyTorch中进行validation时,会使用model.eval()切换到测试模式,在该模式下,主要用于通知dropout层和batchnorm层在train和val模式间切换在train模式下,dropout网络层会按照设定的参数p设置保留激活单元的概率(保留概率=p);batchnorm层会继续计算数据的mean和var等参数并更新。在val模式下,dropout层会让所有的激活单元都
- 从 X 入门Pytorch——Tensor的自动微分、计算图,常见的with torch.no_grad()机制
Philo`
pytorch深度学习python
这里写目录标题1Pytorch计算图和自动微分2将单个数据从计算图中剥离.detach3使用withtorch.go_grad():包含的代码段不会计算微分1Pytorch计算图和自动微分从功能上理解:计算图就是类似于数据结构中的无环有向图,Pytorch中的计算图就是为了记录一个数据从开始到最后所作的操作和参数,这样在进行反向传播时候(backward),就会有足够的参数去计算梯度,得到最终值相
- 小白学Pytorch系列-- Torch API (4)
发呆的比目鱼
PyTorch框架pytorchpython深度学习
小白学Pytorch系列--TorchAPI(4)上下文管理器torch.no_grad()、torch.enable_grad()和torch.set_grad_enabled()有助于在本地禁用和启用梯度计算。有关其用法的更多详细信息,请参阅本地禁用梯度计算。这些上下文管理器是线程本地的,因此如果您使用线程模块等将工作发送到另一个线程,它们将无法工作。>>>x=torch.zeros(1,re
- with torch.no_grad()
winddy_akoky
在讲述withtorch.no_grad()前,先从requires_grad讲起requires_grad在pytorch中,tensor有一个requires_grad参数,如果设置为True,则反向传播时,该tensor就会自动求导。tensor的requires_grad的属性默认为False,若一个节点(叶子变量:自己创建的tensor)requires_grad被设置为True,那么所
- pytorch中的train.eval() 与 with torch.no_grad()的使用
Allard_c205
一、train.eval(),用在模型的测试阶段,目的是冻结normalization、dropout层的作用,直接使用其结果,不再进行重新的计算。二、在神经网络结构中,tenor的计算操作,默认是要进行计算图的构建的,为了不部分内容不进行计算图的构建,不进行反向传播操作,需要使用withtorch.no_grad():进行内容的强制。可以看下两种使用的区别:
- 使用`checkpoint`进行显存优化的学习笔记
songyuc
学习with_cp
1介绍Checkpoint的主要原理是:在前向阶段传递到checkpoint中的forward函数会以torch.no_grad模式运行,并且仅仅保存输入参数和forward函数,在反向阶段重新计算其forward输出值。(引用于《拿什么拯救我的4G显卡|OpenMMLab》)2写作思路只在nn.Module的上层模块使用checkpoint,而不是在大模型的forward函数中写作;3示例代码使
- with torch.no_grad() 详解
莫说相公痴
Pytorch
torch.no_grad()是一个上下文管理器,被该语句wrap起来的部分将不会track梯度。例如:a=torch.tensor([1.1],requires_grad=True)b=a*2打印b可看到其grad_fn为mulbackward表示是做的乘法。bOut[63]:tensor([2.2000],grad_fn=)b.add_(2)Out[64]:tensor([4.2000],gr
- pytorch with torch.no_grad() 功能函数详解
Vertira
pytorchpytorch人工智能
torch.no_grad()是一个上下文管理器,被该语句wrap起来的部分将不会track梯度。用Anaconda3虚拟环境测试一下功能;>>>importtorch>>>k=torch.tensor([1.1],requires_grad=True)>>>ktensor([1.1000],requires_grad=True)>>>h=k*2>>>htensor([2.2000],grad_f
- pytorch 笔记:torch.nn.init
UQI-LIUWJ
pytorch学习pytorch深度学习神经网络
这个模块中的所有函数都是用来初始化神经网络参数的,所以它们都在torch.no_grad()模式下运行,不会被autograd所考虑。1计算gainvalue1.1介绍这个在后面的一些nn.init初始化中会用到1.2用法torch.nn.init.calculate_gain(nonlinearity,param=None)importtorchtorch.nn.init.calculate_g
- pytorch学习笔记-2022
echoliuy
学习记录python人工智能pytorch计算机视觉
学习笔记文章目录学习笔记1.pytorch二、pytorch学习0.先验概率后验概率:1.函数2.python对比jupter3.pytorch读取数据4.tensorboard6.transform常用函数7.dataloader8.神经网络9.网络模型的训练-加载10.使用GPU训练11..eval()和torch.no_grad()区别1.pytorch一、安装路径:D:\SoftwareT
- 优化PyTorch性能的一些trick
风zx
PyTorch深度学习基础PyTorch
混合精度训练:FP32量化为FP16大Batch训练:对前几次梯度进行累加,然后统一进行参数更新,从而变相实现大Batch训练梯度检查点:训练时间换显存,在前向阶段传递到checkpoint中的forward函数会以torch.no_grad模式运行,并且仅仅保存输入参数和forward函数,在反向阶段重新计算其forward输出值。尽量实现向量化运算(即使开的数组多占用空间或者操作步数多),使用
- 【动手学深度学习】线性回归+基础优化算法
Ya_nnnG
深度学习线性回归算法
参考:08线性回归+基础优化算法【动手学深度学习v2】_哔哩哔哩_bilibili【pytorch系列】withtorch.no_grad():用法详解_大黑山修道的博客-CSDN博客_torch.no_grad():对Pytorch中backward()函数的理解_beebabo的博客-CSDN博客_backward关于李沐动手学深度学习“loss{float(train_l.mean()):f
- redis学习笔记——不仅仅是存取数据
Everyday都不同
returnSourceexpire/delincr/lpush数据库分区redis
最近项目中用到比较多redis,感觉之前对它一直局限于get/set数据的层面。其实作为一个强大的NoSql数据库产品,如果好好利用它,会带来很多意想不到的效果。(因为我搞java,所以就从jedis的角度来补充一点东西吧。PS:不一定全,只是个人理解,不喜勿喷)
1、关于JedisPool.returnSource(Jedis jeids)
这个方法是从red
- SQL性能优化-持续更新中。。。。。。
atongyeye
oraclesql
1 通过ROWID访问表--索引
你可以采用基于ROWID的访问方式情况,提高访问表的效率, , ROWID包含了表中记录的物理位置信息..ORACLE采用索引(INDEX)实现了数据和存放数据的物理位置(ROWID)之间的联系. 通常索引提供了快速访问ROWID的方法,因此那些基于索引列的查询就可以得到性能上的提高.
2 共享SQL语句--相同的sql放入缓存
3 选择最有效率的表
- [JAVA语言]JAVA虚拟机对底层硬件的操控还不完善
comsci
JAVA虚拟机
如果我们用汇编语言编写一个直接读写CPU寄存器的代码段,然后利用这个代码段去控制被操作系统屏蔽的硬件资源,这对于JVM虚拟机显然是不合法的,对操作系统来讲,这样也是不合法的,但是如果是一个工程项目的确需要这样做,合同已经签了,我们又不能够这样做,怎么办呢? 那么一个精通汇编语言的那种X客,是否在这个时候就会发生某种至关重要的作用呢?
&n
- lvs- real
男人50
LVS
#!/bin/bash
#
# Script to start LVS DR real server.
# description: LVS DR real server
#
#. /etc/rc.d/init.d/functions
VIP=10.10.6.252
host='/bin/hostname'
case "$1" in
sta
- 生成公钥和私钥
oloz
DSA安全加密
package com.msserver.core.util;
import java.security.KeyPair;
import java.security.PrivateKey;
import java.security.PublicKey;
import java.security.SecureRandom;
public class SecurityUtil {
- UIView 中加入的cocos2d,背景透明
374016526
cocos2dglClearColor
要点是首先pixelFormat:kEAGLColorFormatRGBA8,必须有alpha层才能透明。然后view设置为透明glView.opaque = NO;[director setOpenGLView:glView];[self.viewController.view setBackgroundColor:[UIColor clearColor]];[self.viewControll
- mysql常用命令
香水浓
mysql
连接数据库
mysql -u troy -ptroy
备份表
mysqldump -u troy -ptroy mm_database mm_user_tbl > user.sql
恢复表(与恢复数据库命令相同)
mysql -u troy -ptroy mm_database < user.sql
备份数据库
mysqldump -u troy -ptroy
- 我的架构经验系列文章 - 后端架构 - 系统层面
agevs
JavaScriptjquerycsshtml5
系统层面:
高可用性
所谓高可用性也就是通过避免单独故障加上快速故障转移实现一旦某台物理服务器出现故障能实现故障快速恢复。一般来说,可以采用两种方式,如果可以做业务可以做负载均衡则通过负载均衡实现集群,然后针对每一台服务器进行监控,一旦发生故障则从集群中移除;如果业务只能有单点入口那么可以通过实现Standby机加上虚拟IP机制,实现Active机在出现故障之后虚拟IP转移到Standby的快速
- 利用ant进行远程tomcat部署
aijuans
tomcat
在javaEE项目中,需要将工程部署到远程服务器上,如果部署的频率比较高,手动部署的方式就比较麻烦,可以利用Ant工具实现快捷的部署。这篇博文详细介绍了ant配置的步骤(http://www.cnblogs.com/GloriousOnion/archive/2012/12/18/2822817.html),但是在tomcat7以上不适用,需要修改配置,具体如下:
1.配置tomcat的用户角色
- 获取复利总收入
baalwolf
获取
public static void main(String args[]){
int money=200;
int year=1;
double rate=0.1;
&
- eclipse.ini解释
BigBird2012
eclipse
大多数java开发者使用的都是eclipse,今天感兴趣去eclipse官网搜了一下eclipse.ini的配置,供大家参考,我会把关键的部分给大家用中文解释一下。还是推荐有问题不会直接搜谷歌,看官方文档,这样我们会知道问题的真面目是什么,对问题也有一个全面清晰的认识。
Overview
1、Eclipse.ini的作用
Eclipse startup is controlled by th
- AngularJS实现分页功能
bijian1013
JavaScriptAngularJS分页
对于大多数web应用来说显示项目列表是一种很常见的任务。通常情况下,我们的数据会比较多,无法很好地显示在单个页面中。在这种情况下,我们需要把数据以页的方式来展示,同时带有转到上一页和下一页的功能。既然在整个应用中这是一种很常见的需求,那么把这一功能抽象成一个通用的、可复用的分页(Paginator)服务是很有意义的。
&nbs
- [Maven学习笔记三]Maven archetype
bit1129
ArcheType
archetype的英文意思是原型,Maven archetype表示创建Maven模块的模版,比如创建web项目,创建Spring项目等等.
mvn archetype提供了一种命令行交互式创建Maven项目或者模块的方式,
mvn archetype
1.在LearnMaven-ch03目录下,执行命令mvn archetype:gener
- 【Java命令三】jps
bit1129
Java命令
jps很简单,用于显示当前运行的Java进程,也可以连接到远程服务器去查看
[hadoop@hadoop bin]$ jps -help
usage: jps [-help]
jps [-q] [-mlvV] [<hostid>]
Definitions:
<hostid>: <hostname>[:
- ZABBIX2.2 2.4 等各版本之间的兼容性
ronin47
zabbix更新很快,从2009年到现在已经更新多个版本,为了使用更多zabbix的新特性,随之而来的便是升级版本,zabbix版本兼容性是必须优先考虑的一点 客户端AGENT兼容
zabbix1.x到zabbix2.x的所有agent都兼容zabbix server2.4:如果你升级zabbix server,客户端是可以不做任何改变,除非你想使用agent的一些新特性。 Zabbix代理(p
- unity 3d还是cocos2dx哪个适合游戏?
brotherlamp
unity自学unity教程unity视频unity资料unity
unity 3d还是cocos2dx哪个适合游戏?
问:unity 3d还是cocos2dx哪个适合游戏?
答:首先目前来看unity视频教程因为是3d引擎,目前对2d支持并不完善,unity 3d 目前做2d普遍两种思路,一种是正交相机,3d画面2d视角,另一种是通过一些插件,动态创建mesh来绘制图形单元目前用的较多的是2d toolkit,ex2d,smooth moves,sm2,
- 百度笔试题:一个已经排序好的很大的数组,现在给它划分成m段,每段长度不定,段长最长为k,然后段内打乱顺序,请设计一个算法对其进行重新排序
bylijinnan
java算法面试百度招聘
import java.util.Arrays;
/**
* 最早是在陈利人老师的微博看到这道题:
* #面试题#An array with n elements which is K most sorted,就是每个element的初始位置和它最终的排序后的位置的距离不超过常数K
* 设计一个排序算法。It should be faster than O(n*lgn)。
- 获取checkbox复选框的值
chiangfai
checkbox
<title>CheckBox</title>
<script type = "text/javascript">
doGetVal: function doGetVal()
{
//var fruitName = document.getElementById("apple").value;//根据
- MySQLdb用户指南
chenchao051
mysqldb
原网页被墙,放这里备用。 MySQLdb User's Guide
Contents
Introduction
Installation
_mysql
MySQL C API translation
MySQL C API function mapping
Some _mysql examples
MySQLdb
- HIVE 窗口及分析函数
daizj
hive窗口函数分析函数
窗口函数应用场景:
(1)用于分区排序
(2)动态Group By
(3)Top N
(4)累计计算
(5)层次查询
一、分析函数
用于等级、百分点、n分片等。
函数 说明
RANK() &nbs
- PHP ZipArchive 实现压缩解压Zip文件
dcj3sjt126com
PHPzip
PHP ZipArchive 是PHP自带的扩展类,可以轻松实现ZIP文件的压缩和解压,使用前首先要确保PHP ZIP 扩展已经开启,具体开启方法就不说了,不同的平台开启PHP扩增的方法网上都有,如有疑问欢迎交流。这里整理一下常用的示例供参考。
一、解压缩zip文件 01 02 03 04 05 06 07 08 09 10 11
- 精彩英语贺词
dcj3sjt126com
英语
I'm always here
我会一直在这里支持你
&nb
- 基于Java注解的Spring的IoC功能
e200702084
javaspringbeanIOCOffice
- java模拟post请求
geeksun
java
一般API接收客户端(比如网页、APP或其他应用服务)的请求,但在测试时需要模拟来自外界的请求,经探索,使用HttpComponentshttpClient可模拟Post提交请求。 此处用HttpComponents的httpclient来完成使命。
import org.apache.http.HttpEntity ;
import org.apache.http.HttpRespon
- Swift语法之 ---- ?和!区别
hongtoushizi
?swift!
转载自: http://blog.sina.com.cn/s/blog_71715bf80102ux3v.html
Swift语言使用var定义变量,但和别的语言不同,Swift里不会自动给变量赋初始值,也就是说变量不会有默认值,所以要求使用变量之前必须要对其初始化。如果在使用变量之前不进行初始化就会报错:
var stringValue : String
//
- centos7安装jdk1.7
jisonami
jdkcentos
安装JDK1.7
步骤1、解压tar包在当前目录
[root@localhost usr]#tar -xzvf jdk-7u75-linux-x64.tar.gz
步骤2:配置环境变量
在etc/profile文件下添加
export JAVA_HOME=/usr/java/jdk1.7.0_75
export CLASSPATH=/usr/java/jdk1.7.0_75/lib
- 数据源架构模式之数据映射器
home198979
PHP架构数据映射器datamapper
前面分别介绍了数据源架构模式之表数据入口、数据源架构模式之行和数据入口数据源架构模式之活动记录,相较于这三种数据源架构模式,数据映射器显得更加“高大上”。
一、概念
数据映射器(Data Mapper):在保持对象和数据库(以及映射器本身)彼此独立的情况下,在二者之间移动数据的一个映射器层。概念永远都是抽象的,简单的说,数据映射器就是一个负责将数据映射到对象的类数据。
&nb
- 在Python中使用MYSQL
pda158
mysqlpython
缘由 近期在折腾一个小东西须要抓取网上的页面。然后进行解析。将结果放到
数据库中。 了解到
Python在这方面有优势,便选用之。 由于我有台
server上面安装有
mysql,自然使用之。在进行数据库的这个操作过程中遇到了不少问题,这里
记录一下,大家共勉。
python中mysql的调用
百度之后能够通过MySQLdb进行数据库操作。
- 单例模式
hxl1988_0311
java单例设计模式单件
package com.sosop.designpattern.singleton;
/*
* 单件模式:保证一个类必须只有一个实例,并提供全局的访问点
*
* 所以单例模式必须有私有的构造器,没有私有构造器根本不用谈单件
*
* 必须考虑到并发情况下创建了多个实例对象
* */
/**
* 虽然有锁,但是只在第一次创建对象的时候加锁,并发时不会存在效率
- 27种迹象显示你应该辞掉程序员的工作
vipshichg
工作
1、你仍然在等待老板在2010年答应的要提拔你的暗示。 2、你的上级近10年没有开发过任何代码。 3、老板假装懂你说的这些技术,但实际上他完全不知道你在说什么。 4、你干完的项目6个月后才部署到现场服务器上。 5、时不时的,老板在检查你刚刚完成的工作时,要求按新想法重新开发。 6、而最终这个软件只有12个用户。 7、时间全浪费在办公室政治中,而不是用在开发好的软件上。 8、部署前5分钟才开始测试。