外贸网站推广技巧,政务网站建设工作方案,杭州兼职网站建设,石家庄 网站建设项目地址#xff1a;https://github.com/fzh0917/STMTrack
一、安装 CUDA
参考链接#xff1a; Ubuntu24.04配置DINO-Tracker Ubuntu多CUDA版本安装及切换 由于之前在其他项目中已经安装了 CUDA12.1#xff0c;这次需要安装另一个版本。
1. 查看安装版本
按照 requireme…项目地址https://github.com/fzh0917/STMTrack
一、安装 CUDA
参考链接 Ubuntu24.04配置DINO-Tracker Ubuntu多CUDA版本安装及切换 由于之前在其他项目中已经安装了 CUDA12.1这次需要安装另一个版本。
1. 查看安装版本
按照 requirement.txt 中的要求CUDA的版本为10.0torch版本高于1.4。在 pytorch 官网上查看对应版本 这里可以看到 pytorch1.4 对应 torchvision0.5对应 CUDA10.1。
2. 安装CUDA
1) 下载安装包
下载地址: https://developer.nvidia.com/cuda-toolkit 历史版本下载地址: https://developer.nvidia.com/cuda-toolkit-archive 依次执行两条指令。 安装过程中如果提示 gcc 版本不匹配导致安装失败需要在指令后添加--override。 安装过程中注意不安装驱动提示“A symlink already exists at /usr/local/cuda. Update to this installation?”选择 No。
2) 创建软链接
参考链接 anzhuang Ubuntu多CUDA版本安装及切换 由于我电脑中已经存在了一个 12.1 版本CUDA 软链接是指向 12.1 的。上面那个选项选了 yes 会改变 CUDA 的软链接。
查看当前使用的 CUDA版本 在/usr/local路径下通过stat cuda命令查看当前使用的 CUDA 版本删除原本的 CUDA 软链接
sudo rm -rf /usr/local/cuda建立新的指向 CUDA-10.1 的软链接
sudo ln -s /usr/local/cuda-10.1 /usr/local/cuda重新查看当前 CUDA 版本 检查是否添加到环境变量
sudo gedit ~/.bashrc在最后确认有没有下面这几行内容
export PATH/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME/usr/local/cuda如果没有将其添加到~/.bashrc的最后然后运行命令
source ~/.bashrc使配置的环境变量生效。
3. 安装 cudnn
1) 下载对应版本cudnn
官网
2) cd到cudnn所在的文件夹下进行解压等操作
tar -zxvf cudnn-10.0-linux-x64-v7.4.2.24.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo chmod ar /usr/local/cuda-10.0/include/cudnn.h /usr/local/cuda-10.0/lib64/libcudnn*cd /usr/local/cuda-10.0/lib64/
sudo ln -sf libcudnn.so.7.4.2 libcudnn.so.74. 新建环境
conda create -n STMTrack python3.7 -y
conda activate STMTrack二、安装 torch
参考链接
Ubuntu18.04Cuda10.1Python3.6 下安装 PyTorch1.4.0torchvision0.5.0成功安装torch1.4.0和torchvision并解决安装速度过慢ubuntu linux安装pytorch和torchvision
1. 添加镜像源安装失败 2. 使用 whl 文件安装成功
1) 下载镜像
镜像网址https://download.pytorch.org/whl/torch_stable.html
2) 安装
在whl文件目录打开终端输入
pip install torch-1.4.0cu100-cp36-cp36m-linux_x86_64.whlpip install torchvision-0.5.0cu100-cp36-cp36m-linux_x86_64.whl3) 检查是否安装成功
pythonimport torch
print(torch.version.cuda)
print(torch.backends.cudnn.version())三、安装其他库
在项目地址打开终端运行
pip install -r requirements.txt四、实验设置
参考链接
把STMTrack跑起来CVPR2021跟踪算法STMTrack的配置
1. 预训练模型下载
在got上训练的https://drive.google.com/file/d/1AT6SAieig8oNQ-MJ6dUhCfgYCyJEdxfj/view 在全部数据集上训练的https://drive.google.com/file/d/1w7nhGZR53FQnh3fVbIcbj08hxa2Zjvub/view 将下载的预训练模型放入工程目录下新建的pretrain_model路径中
2. 其他设置
在STMTrack-main/experiments/stmtrack/test/目录下对 otbuavgot 等数据集进行配置以 uav 为例,打开STMTrack/experiments/stmtrack/test/UAV123/stmtrack-googlenet-uav123.yaml 1). 更改预训练模型所在路径 pretrain_model_path: /root/STMTrack/epoch-19_fulldata.pkl 注意冒号与双引号之间有一个空格提醒一下要看一下原来文件中的与训练文件写的是 fulldata.pk1 还是 gotdata.pk1改成对应文件的路径 2). 更改 device_num 好像是可用于计算任务的 GPU 数量这里原代码中为10我改为了1可以通过以下方式在终端查询
python
import torch
print(torch.cuda.device_count())3). 添加数据集所在路径 在yaml 文件的最后一行添加数据集的路径 data_root: “数据集的绝对路径” 4). 下载 uav123.json 和 lasot.json 链接git clone https://github.com/megvii-research/video_analyst/tree/master/videoanalyst/evaluation/got_benchmark/datasets 。 下载好后放入/videoanalyst/evaluation/got_benchmark/datasets
3.测试代码
在终端输入
python main/test.py --config testing_dataset_config_file_path或直接在test.py中添加默认 config 路径。
五、问题
RuntimeError: CUDA error: no kernel image is available for execution on the device经过查阅大部分帖子都说是 CUDA 版本和 torch 版本不匹配造成的但我这个应该是匹配的
python
import torch
print(torch.__version__)
# 显示torch和cuda版本
print(torch.cuda.is_available())
# 显示True也有人说是由于算力和 CUDA 不匹配造成的但是在浏览的过程中发现大家提到的由于算力不匹配导致的 CUDA erroe 似乎会详细提示算力不匹配但我这里也没有提示而且输入
torch.ones((1, 1, 1, 1, 1)).cuda()输出
tensor([[[[[1.]]]]], devicecuda:0)这算是能够调用成功所以我也不太确定是不是算力问题导致的。按照这位大佬的方法在 .bashrc 文件中改了算力也没用。
我的显卡为 RTX4090在浏览的过程中发现有人说 4090 对应的最低 CUDA 版本为 11.8有人说是 11.7 在官方文档中查看 CUDA 与 算力的对应关系没看懂似乎是与 cudnn 有关但是这个问题我始终不知道怎么改抱着试试的心态重新配置了一个环境 CUDA11.7torch1.13.0torchvision0.14.0配置完成后直接运行 test.py成功。
