BEVFormer环境配置，报错：RuntimeError: Unable to find a valid cuDNN algorithm to run convolution

已于 2024-05-05 21:49:25 修改
阅读量326 收藏 1
点赞数 10
分类专栏： BEVformer 文章标签： python ubuntu 车载系统 计算机视觉 目标检测
于 2024-05-05 21:46:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/V10LET_/article/details/138474674
版权
本文记录了作者在安装和使用BEVFormer过程中遇到的RuntimeError:UnabletofindavalidcuDNNalgorithmtorunconvolution问题，介绍了如何根据GPU显存调整训练配置，以帮助新手顺利入门。
摘要由CSDN通过智能技术生成

前言

这个系列是记录我个人在学习过程中，遇到的一些问题，并记录我成功的方法，真实有效。

BEVFormer本身的安装文档非常不利好于新人，所以在此记录了我遇到的坑与解决办法，帮助和我一样初学入门BEV的朋友们。

使用平台

i7-12700k

4070ti

ubuntu20.04

conda虚拟环境中，python=3.8

遇到的问题

使用官方的安装文档，运行如下训练软件代码时，会报错：RuntimeError: Unable to find a valid cuDNN algorithm to run convolution

运行此处的代码时，如果你是个人学生党，使用自己的电脑，只有一张显卡，请将结尾的8改为1。

以下是解决办法

这个错误表示你的GPU显存爆了。

官方提供了很多版本的训练：

他们从左到右分别需要的GPU显存以此减小，small > 10G，tiny > 6.7G，根据你的显卡能力选择适合你的，所以我选择了small，更改官方代码为：

./tools/dist_train.sh ./projects/configs/bevformer/bevformer_samll.py 8

即可成功解决

V10LET_Yan
关注
  • 10
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
萤火跑模型 | 多卡并行助力 BEVFormer 三小时全精度训练
weixin_66945478的博客
10-08 1906
感知系统是自动驾驶系统中不可或缺的部分，系统中包括许多视觉任务，例如目标检测分割、目标跟踪、语义和实例分割、车道线检测等等。感知系统通过对周围环境状态的准确估计，为预测、规划等下游任务提供重要的依据。其中如何利用车载环视相机采集到的多个视角图像，实现精准的 3D 目标检测和分割是感知系统中最为基础且重要的任务。
RuntimeError: Unable to find a valid cuDNN algorithm to run convolution
weixin_49617318的博客
08-20 2万+
使用yolov5l模型训练时出现报错，查看gpu使用情况
[已解决]Unable to find a valid cUDNN algorithm to run convolution
深度学习炼丹师，偶尔分享炼丹技术!
03-31 1477
问题描述：Unable to find a valid cUDNN algorithm to run convolution可能原因： 1、cuDNN库的配置问题。 2、未指定训练使用的显卡或显卡占用率已满。 3、确定性算法。解决方案：（从下往上试） 1、更新GPU驱动、cuDNN库。 2、禁用cuDNN。 3、更换卷积算法。 4、更换训练用的显卡。 5、禁用确定性算法
【传知代码】BEVFormer详细复现方案（论文复现）
ztK63LrD的博客
06-05 1460
本文介绍了一种新的框架——BEVFormer，用于学习具有时空Transformer的统一BEV表征，以支持多个自动驾驶感知任务。BEVFormer利用空间和时间信息，通过预定的网格状BEV查询向量与空间和时间域交互。为了聚合空间信息，作者设计了一个空间交叉注意力，每个BEV查询向量从跨相机视图的感兴趣区域提取空间特征。对于时间信息，作者提出了一种时间自注意力来递归融合历史BEV信息。
RuntimeError:unable to find a valid cuDNN algorithm to convolution
m0_46630689的博客
07-26 9503
由于虚拟环境都已经创建完成，目前是在Linux上进行安装，根据“链接2”中的安装代码，直接进行pytorch和cuda的安装。如果环境中已经装过其他版本的pytorch，应该能够自动卸载原版本，再装新的指定版本。经过验证，RTX3090安装上述版本的pytorch和cuda后，能够正常运行，不会报出上面的那个错误。2.其实问题更加简单，是模型的训练的batch-size训练过大了，调整更小，就可以了。解决办法：安装对应的cudnn，以及cuda，找到对应的torch框架，进行安装。
Unable to find a valid cuDNN algorithm to run convolution
热门推荐
weixin_43615569的博客
10-05 4万+
@cuDnn无法找到算法进行卷积 最近在复现一个项目，但是在运行训练文件时一直在报Unable to find a valid cuDNN algorithm to run convolution 这个问题，搜了一下貌似这个问题很小众，也没看到什么好的解决办法。目前已经尝试过更换cuDNN版本到8.0.3还是会有同样的错误，现在版本为7.6.5 ,还更改了pytoch版本1.5和1.6都试过了，依旧报错。 当前配置情况： albumentations0.4.3 Cython>=0.25 future0
Vue项目报错：Uncaught SyntaxError: Unexpected token <
10-17
主要介绍了Vue项目报错：Uncaught SyntaxError: Unexpected token <，在引入第三方依赖的 JS 文件时，遇到的一个问题，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
JNA方式调用dll报错：A fatal error has been detected by the Java Runtime Environment:
04-06
标题中的“JNA方式调用dll报错：A fatal error has been detected by the Java Runtime Environment:”是一个典型的Java编程问题，涉及到Java Native Access (JNA) 和动态链接库（dll）的交互。JNA是Java平台的一个...
详解 问题：HttpServlet cannot be resolved to a type
08-31
总之，"HttpServlet cannot be resolved to a type"这个错误是由于缺少Servlet API支持或服务器环境配置不正确所引起的。通过正确配置Eclipse中的服务器环境，添加必要的依赖，并确保项目构建路径正确，可以有效地...
解决pycharm导入numpy包的和使用时报错：RuntimeError: The current Numpy installation (‘D:\\python3.6\\lib\\site-packa的问题
01-21
标题用pycharm导入numpy包的和使用时报错：RuntimeError: The current Numpy installation (‘D:\python3.6\...3.现在简单用numpy还是会报错：RuntimeError: The current Numpy installation (‘D:\python3.6\lib\site
RuntimeError: Cannot run the event loop while another loop is running(目前没有解决)
12-21
在Python的Tornado框架中，`RuntimeError: Cannot run the event loop while another loop is running` 是一个常见的错误，它表明你的代码试图在一个已经运行中的事件循环（Event Loop）内启动另一个事件循环。...
【Python】入门到放弃之第九章《字典》
MP13537560060的博客
08-15 723
这是本系列的第九章节内容，《字典》。在Python中，字典（Dictionary）是一种内置的数据结构，用于存储键值对（key-value pairs）。字典是可变的，意味着你可以在创建字典后添加、删除或修改其中的元素。字典的键（key）必须是唯一的，并且是不可变的（即，它们必须是不可变数据类型，如字符串、数字或元组，但不能是列表或字典等可变类型）。字典的值（value）则可以是任何数据类型，包括列表、元组、字典等。以上，就是Python中字典的全部内容。
【Python使用】嘿马头条项目从到完整开发教程第1篇：简介,1. 内容【附代码文档】
一诺的博客
08-16 622
本教程的知识点为:简介 1. 内容 2. 目标 产品效果 ToutiaoWeb虚拟机使用说明 数据库 理解ORM 作用 思考： 使用ORM的方式选择 数据库 SQLAlchemy操作 1 新增 2 查询 all() 数据库 分布式ID 1 方案选择 2 头条 使用雪花算法 （代码 toutiao-backend/common/utils/snowflake) 数据库 Redis 1 Redis事务 基本事务指令 Python客户端操作 Git工用流 调试方法 JWT认证方案 JWT & JWS & JWE
湖北师范大学-Python程序设计-3.1 中国古代数学问题(project)
最新发布
柠檬喝汽水的博客
08-19 458
唐朝时，一斗酒的斗所采用的度量是小斗，也就是4斤，当时一斤取值范围大约在500多到600克左右，换算一下可知唐朝一斗酒的重量取值范围在2000克到2400克左右。有一座八层宝塔，每一层都有一些琉璃灯，每一层的灯数都是上一层的二倍，已知共有 765 盏琉璃灯，计算并输出每层各有多少盏琉璃灯。输出不超过 n 且满足条件的物品个数 m，如果有多个解，则分行输出，每行一个解；第二行输出 2 个浮点数，依次为小鼠和大鼠打洞的距离，单位为尺，保留小数点后 1 位数字。一个浮点数 f，表示李白的酒壶原来有 f 斗酒。
python爬虫入门（六）之 xpath 解析
2302_79795489的博客
08-16 579
XPath（XML Path Language）是一种用于在 XML 文档中查找信息的语言。html是xml的一个子集（XML 允许用户创建自己的标签来描述数据。例如，<book><title><author>是 XML 标签，可以用于描述书籍信息）。Xpath可以用来遍历 XML 文档的节点、选择节点，或对节点进行条件筛选，实际上它就是靠节点之间的关系去查找内容。
SciPy：基于 NumPy 的算法库和数学工具包，用于数学、科学和工程领域。
LS_Ai的博客
08-15 992
无论是进行线性代数运算、优化问题求解、积分与微分方程处理，还是进行信号和图像处理，SciPy都提供了高度优化的工具，使得复杂的科学计算任务变得更加简单和高效。SciPy的目标是为用户提供一个全面的科学计算环境，其中涵盖了常见的线性代数、优化、积分、插值、傅里叶变换、信号处理、统计、图像处理、以及ODE（常微分方程）求解等功能。SciPy与NumPy紧密结合，同时也与Pandas、Matplotlib等库有很好的兼容性，这使得它在科学研究、数据分析和工程计算中占据了重要地位。
pycharm移动到d盘后报错RuntimeError: Unable to find a valid cuDNN algorithm to run convolution
12-06
移动PyCharm到D盘不会导致这个错误。这个错误通常是由于cuDNN初始化失败导致的。cuDNN是一个用于深度学习的库，它需要与TensorFlow等框架一起使用。要解决这个问题，可以尝试以下几个步骤： 1.检查是否安装了正确版本的cuDNN。可以在NVIDIA的官方网站上下载适用于自己的GPU的cuDNN版本。 2.检查是否安装了正确版本的CUDA。cuDNN需要与CUDA一起使用，因此需要安装与cuDNN兼容的CUDA版本。 3.检查是否正确配置了环境变量。需要将CUDA和cuDNN的路径添加到环境变量中。 4.如果以上步骤都无法解决问题，可以尝试重新安装TensorFlow和相关库。 ```python # 添加环境变量示例 import os os.environ['CUDA_HOME'] = 'C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.0' os.environ['PATH'] = os.environ['CUDA_HOME'] + '/bin;' + os.environ['PATH'] os.environ['LD_LIBRARY_PATH'] = os.environ['CUDA_HOME'] + '/lib;' + os.environ['CUDA_HOME'] + '/lib64;' + os.environ['PATH'] ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值