- 博客(13)
- 收藏
- 关注
RSS订阅原创 多进程的子进程cuda使用报错: Cannot re-initialize CUDA in forked subprocess
这个错误表明在使用CUDA时，你的代码在一个使用fork启动方法的多进程环境中，而CUDA不支持在fork的子进程中重新初始化。为了解决这个问题，你可以将多进程的启动方法改为使用spawn，这样就可以在子进程中重新初始化CUDA。在Python中，你可以使用multiprocessing模块中的Manager对象来共享资源，或者使用Pool对象来处理进程池中的任务。如果你仍然遇到问题，可能需要考虑其他方法，例如在主进程中初始化CUDA，并将相应的资源传递给子进程，以避免CUDA的重新初始化问题。
2023-12-13 21:59:12
1737
2
原创 StyleGAN 3 RuntimeError: aten::grid_sampler_2d_backward() is missing value for argument ‘output_mask
把自己的torch version版本放到for x in [‘1.7.’, ‘1.8.’, ‘1.9’, ‘1.10’])里面。找到报错的位置，放宽if的条件。
2023-09-01 16:59:30
715
1
原创 【二值标注maks图转coco的json标注，两个json文件合并，检查错误标注】
我一共遇到了这三种错误，有时候程序能跑，但到epoch=100或者200左右时候就会报错，主要还是标注的格式问题，用check_segmentation检查清除之后就可以了。用于检测转换的json文件在segmentation时候有没有长度小于8的标注，如果有的话，训练时候会报错。首先是二值标注图转成coco类型。
2023-03-27 17:21:36
507
1
原创 【RuntimeError: set_sizes_and_strides is not allowed on a Tensor created from .data or .detach().】
模型时候，并没有这样的错误，而这个错误仅涉及到鉴别器的前向操作，并且，loss_gp的计算是包含了loss_D计算时所需的操作的，但loss_gp不会抛出这种错误(我排查过，十分确定）。尝试了requires_grad_(False)这种梯度截断和它推荐的解决办法，都没有解决问题，最后。大概意思是说用detach()时候不能使用某个功能。
2023-02-09 21:53:37
663
1
原创 远程命令行运行.py文件，python导入包提示No Module named XXX
在pycharm-run时候是正常的，但是服务器远程运行时候会提示no module named xxx。
2022-12-21 12:08:53
298
原创 【mmseg 运行自定义数据集 提示‘MYDataset is not in the dataset registry‘】
mmseg error记录
2022-11-23 15:18:33
2697
2
原创 RuntimeError: one of the variables needed for gradient computation has been modified by an inplace
最后加上了detach，并且最先更新A网络的参数。虽然问题解决了，但不明白为什么当A放在最后更新时，就算先zero_grad，也会报第一个错误。
2022-11-08 22:36:24
1087
原创 【pytorch】CrossEntropyLoss Assertion `t ＞= 0 && t ＜ n_classes` failed.
应用交叉熵计算多分类损失Assertion t >= 0 && t < n_classes failed.报错语句：loss_c = F.cross_entropy(c, cl.type(torch.cuda.LongTensor))/opt/conda/conda-bld/pytorch_1565272279342/work/aten/src/THCUNN/ClassNLLCriterion.cu:105: void cunn_ClassNLLCriterion_upd
2022-04-19 14:34:42
4056
7
原创 基于sklearn.metrics.roc_auc_score的二分类AUC计算方式
二分类，sklearn包roc_curve计算曲线下面积// 分割结果，单张图片AUC计算必须保证y_true（gt）是二值、整型的，y_test（out_net）是网络输出结果，float数据，表示网络将像素分为0/1类的对应概率。// code from sklearn.metrics import roc_curve, auc out_s = out_s.squeeze(0).detach().numpy() gt_s = gt_s.squeeze(0).cpu().numpy().as
2022-03-10 17:14:07
2872
原创 【Python】计算一组数据的信息熵-混乱度
python 计算信息熵网上看到用collections的Counter类计数的，但是Counter计数的dict_value不知道怎么转为数组，所以用numpy的bincount计数。bincount输入要求是整型，以array的格式返回数列的最大值最小值范围内每个数值出现的次数，没有出现的记0，返回array的长度是：max-min+1代码：def entropy(pixels): num = len(pixels) pixels = pixels.astype(int)
2021-12-01 10:21:08
1961
原创 【Pytorch测试时显卡占用率高，GPU利用率低，CUDA out of memory】
Pytorch测试时GPU利用率低，CUDA out of memorymodel很小，batchsize=1，watch -n -1 nvidia-smi;监视当前GPU使用情况，发现测试时GPU占用爆表，但是利用率只有1%，在测试时加入：def test: model.eval() with torch.no_grad(): test code... model.train()解决，可以正常运行了。...
2021-11-25 14:40:57
3032
原创 图像配准学习小结 （一）
图像配准学习小结 （一）一、含义和意义图像配准是找到一组变换参数，使得变换后的待配准图像与原始图像之间的相似度达到最高，目的在于将同一场景的不同图像转换到同样的坐标系中。待配准图像与原图像可能存在时间、捕获方式、角度等各方面的差异。待配准图像向原图像进行变换的方式有刚体（平移旋转）变换、仿射变换、单应性变换、非刚性变换等。非刚性能够局部扭曲目标图像，使其与参考图像对齐。包括径向基函数(薄板或曲面样条、多二次曲面和紧支撑转换)、物理连续模型(粘性流体)和大变形模型(差异同构)。医学图像配准中大多涉及非
2021-02-05 15:22:13
3956
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人