出现的问题：

在深度学习模型使用中，再查看模型的结构参数量、Flops等参数时，要用到stat函数。

比如查看AlexNet模型的命令：

    from torchstat import stat
    import torchvision.models as models
    model = models.AlexNet()
    stat(net, (3, 224, 224))

结果在运行的时候出现错误：

AttributeError: 'DataFrame' object has no attribute 'append'. Did you mean: '_append'?

问题的解决：

网上有人建议降低pandas版本，实际操作后，问题依然存在。

经过分析发现问题是出在显示阶段，应该是在打印报告的时候出错，所以定位到reporter.py程序里面。我的程序地址路径如下，在Anaconda安装目录下的虚拟环境里面。我的虚拟环境是py3.10_cuda11.3。

路径："D:\Anaconda3\envs\py3.10_cuda11.3\lib\site-packages\torchstat\reporter.py

打开reporter.py后，定位到下图的红框位置。

 将reporter.py里面的红框中的文件修改为：

 

 问题解决，能够正常打印参数。

打印结果：

 https://gitcode.csdn.net/65e937ac1a836825ed78da7d.html?dp_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.eyJpZCI6Mzg3NDA2LCJleHAiOjE3MjkyMzg4MDksImlhdCI6MTcyODYzNDAwOSwidXNlcm5hbWUiOiJ6b3V4aWFvbHYifQ.2pTTVx3RXwN8S8vfceuSOlXvxg4jYpFPSGGmROZ4iTY&spm=1001.2101.3001.6650.17&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Eactivity-17-130554919-blog-130577543.235%5Ev43%5Epc_blog_bottom_relevance_base1&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Eactivity-17-130554919-blog-130577543.235%5Ev43%5Epc_blog_bottom_relevance_base1

# python
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

Expect脚本实战：多条件匹配与防卡死技巧

在自动化测试和系统初始化中，我们常常使用 Expect 脚本来完成一系列交互操作，比如自动输入密码、监听输出并作出响应。然而，实际项目中可能遇到多步骤输出匹配的场景：只有在 先匹配到某一行输出，再匹配到另一行输出 时，才需要做出响应。同时，如果 “testX failed” 出现了，但 “set params error” 没有在合理时间内出现，不要卡死，而是打印警告并继续。这个写法的问题在于：如

avatar 2048 AI社区

AI模型版本控制的标签管理：架构师的技巧

在AI模型生命周期中，版本控制是保障模型可追溯性、协作效率与生产可靠性的核心环节。而标签管理作为版本控制的"语义接口"，其设计质量直接决定了团队对模型版本的理解、检索与复用能力。本文从架构师视角出发，结合第一性原理与MLOps实践，系统阐述AI模型标签管理的理论框架、架构设计、实现机制与高级考量。通过拆解标签的"唯一标识+语义描述"本质，提出四维标签模型。

avatar 2048 AI社区

Expect脚本实战：多条件匹配与防卡死技巧

在自动化测试和系统初始化中，我们常常使用 Expect 脚本来完成一系列交互操作，比如自动输入密码、监听输出并作出响应。然而，实际项目中可能遇到多步骤输出匹配的场景：只有在 先匹配到某一行输出，再匹配到另一行输出 时，才需要做出响应。同时，如果 “testX failed” 出现了，但 “set params error” 没有在合理时间内出现，不要卡死，而是打印警告并继续。这个写法的问题在于：如

avatar 2048 AI社区