【MMDetection系列】遇到的BUG汇总

---

前言

记录在学习使用mmdetection框架时，遇到的一些bug，随时补充。

---

本文初始环境配置为：
GPU：NVIDIA GeForce RTX 3080 (arch=8.6)
cuda：10.1
Pytorch：1.8.1
torchvision：0.9.1+cu101
torchaudio：0.8.1

---

一、使用MMDetection已有模型在标准数据集上进行推理时遇到的问题

问题来源：

在学习使用MMdetection已有模型在标准数据集上进行推理时，使用 DetInferencer来获得推理结果，运行代码如下：

from mmdet.apis import DetInferencer

# 初始化模型
inferencer = DetInferencer('rtmdet_tiny_8xb32-300e_coco')

# 推理示例图片
inferencer('demo/demo.jpg', show=True)

结果出现了错误信息1：

GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation.

可参考：https://blog.csdn.net/weixin_43751285/article/details/110651105

以及错误信息2：

RuntimeError: CUDA error: no kernel image is available for execution on the device

在解决如上两个问题的过程中，接连遇到一些错误提示信息如：

ImportError: libcudart.so.10.1: cannot open shared object file: No such file or directory

ImportError: /home/hm/anaconda3/envs/openmmlab/lib/python3.8/site-packages/mmcv/_ext.cpython-38-x86_64-linux-gnu.so: undefined symbol: _ZNK2at6Tensor7is_cudaEv

下面是最终把问题解决了的操作顺序，包括相应报错及解决方法。

出现上述问题的最根本原因还是CUDA安装以及版本匹配的问题（CUDA版本与驱动程序不兼容、PyTorch版本与CUDA版本不匹配）

首先可以下载https://gitee.com/kwonder/other_public_code/blob/master/collect_env.py代码，运行collect_env.py文件得到如下配置信息：
从上图中，我们可以看到已经安装的Python版本、Pytorch版本、GPU型号以及算力等信息，这里大家关注一下CUDA_HOME：
case1：你的CUDA_HOME是None，那么就是CUDA环境配置的问题了，可以按照本文顺序向下看；
case2：CUDA_HOME的值是正常的路径（一般为/usr/local/cuda ），那么可酌情参考后文文章。

1.Command ‘nvcc’ not found, but can be installed with:sudo apt install nvidia-cuda-toolkit

（1）问题来源：
在终端输入nvcc -V,运行后出现了以下提示：

Command ‘nvcc’ not found, but can be installed with:sudo apt install nvidia-cuda-toolkit

（2）产生原因：
一般是没有给CUDA配置环境变量（cuda文件一般在usr/local/目录下），然而我发现我的目录下并没有cuda文件，因此去官网下载相应版本并进行配置（具体安装过程可参考：https://zhuanlan.zhihu.com/p/581720480 安装CUDA之后的内容，我也安装的是11.7版本）
其中，配置环境变量的步骤也可通过vim指令完成：vim ~/.bashrc （上文链接中是通过gedit ~/.bashrc）

（3）按照上述步骤完成后，在终端再次输入nvcc -V`进行验证，运行结果如下，问题解决。

2. RuntimeError: CUDA error: no kernel image is available for execution on the device

问题来源：使用以下命令来测试你的cuda版本torch是否可以使用，在Python控制台中输入：

import torch
torch.zeros(1).cuda()

提示如下报错信息：

解决方法：
在终端输入nvcc -V查看你的设备的CUDA版本（我是cuda11.7）

从官网找到对应的版本安装，在终端输入指令：

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

（我的cuda是11.7,因此进入官网后，同时按住ctrl-F键，全局搜索：“CUDA 11.7”，找到了上面的命令）

本文安装的版本如下：

安装完成后，再次运行上述指令torch.zeros(1).cuda()测试，运行结果如下，即为成功。

可参考：
https://zhuanlan.zhihu.com/p/466793485

3.ImportError: libcudart.so.10.1: cannot open shared object file: No such file or directory

若在代码运行中出现了此错误，可参考上述过程完成CUDA、Pytorch版本的安装，版本对应上了，就解决了。

参考：

4.ImportError: /home/hm/anaconda3/envs/openmmlab/lib/python3.8/site-packages/mmcv/_ext.cpython-38-x86_64-linux-gnu.so: undefined symbol: _ZNK2at6Tensor7is_cudaEv

（1）问题来源：

在完成了上述操作后，我再一次运行了文章开头的代码进行试验，结果爆出错误信息：

ImportError: /home/hm/anaconda3/envs/openmmlab/lib/python3.8/site-packages/mmcv/_ext.cpython-38-x86_64-linux-gnu.so: undefined symbol: _ZNK2at6Tensor7is_cudaEv

（2）产生原因：
mmcv库非常依赖于Pytorch以及CUDA的版本，需要下载适合目前Pytorch版本的mmcv库。

（3）解决方法：
我原有的mmcv版本是2.1.0，参考以下方式安装 mmcv-full

pip install --upgrade mmcv-full==${MMCV} -f https://download.openmmlab.com/mmcv/dist/cu${CUDA}/torch${PYTORCH}/index.html

需要自行替换${MMCV}, ${CUDA}, 和 ${PYTORCH}为你的版本号，Pytorch and CUDA 对应你已经安装的版本 ，比如你的CUDA是11.1,就将${CUDA} 改为111。

期间又遇到了一些报错，参考了以下的文档：

https://github.com/open-mmlab/mmdetection/issues/4291

https://blog.csdn.net/shysea2019/article/details/129827747

解决完上述问题，最终成功运行了在标准数据集上进行推理的代码。