win10 安装Mish-CUDA 遇到问题解决

最新推荐文章于 2024-05-02 17:11:07 发布

bieliwuguiqi

最新推荐文章于 2024-05-02 17:11:07 发布

阅读量966

点赞数 1

文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/bieliwuguiqi/article/details/124844778

版权

在安装的时候遇到了很多问题。

首先就是ninja报错Command '['ninja', '-v']' returned non-zero exit status 1.

然后是gcc问题

解决方法：我怀疑是torch版本不对，我使用了pytorch1.7.0和1.8.0；

所以开始更新cuda+cudnn=11.3；pytorch=1.10

此时安装成功，因为跳过了ninja的代码，

然后对mish-cuda进行，python setup.py build 和 install就可以了

ps：我修改了mish-cuda的一些代码，如果有小伙伴不能安装的话可以私我，或者在我发布的资源里找。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

bieliwuguiqi

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
win10 安装Mish-CUDA 遇到问题解决

win10 安装Mish-CUDA 遇到问题解决
复制链接

扫一扫

JetPack 5.1编译mish_cuda

Angel、骷髅博客

03-01

426

选择对应的cuda版本和torch版本，我下载的是：torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64。直接用pip install torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64 安装即可。选择对应的版本，我选的是 libcudnn8_8.2.2.26-1+cuda11.4_arm64.deb下载。再次运行sudo jtop即可查看cudnn版本。

mish-cuda:PyTorch 的 Mish 激活函数

05-30

Mish-Cuda：自正则化非单调激活函数这是 Diganta Misra ( ) Mish 激活的 PyTorch CUDA 实现。安装它目前作为仅源代码的 PyTorch 扩展分发。因此，您需要正确设置工具链和 CUDA 编译器才能安装。工具链- 在cxx_linux-64包提供了适当的工具链。但是，这取决于系统，仍然可能存在兼容性问题。您也可以尝试使用系统工具。 CUDA 工具包- 除了驱动程序之外，还需要来提供所需的头文件和工具。从 nVidia 获取适合您的 Linux 发行版的版本，或者检查发行版的特定说明。重要的是您的 CUDA 工具包与 PyTorch 构建的版本相匹配，否则可能会发生错误。目前 PyTorch 为 v10.0 和 v9.2 构建。表现 CUDA 实现似乎反映了原始实现的学习性能，并且没有观察到稳定性问题。在函数的速度方面，它

参与评论您还未登录，请先登录后发表或查看评论

【Pytorch】安装mish_cuda

luolinll1212的专栏

02-20

5114

git clone https://github.com/thomasbrandon/mish-cuda cd mish-cuda cp external/CUDAApplyUtils.cuh csrc # cuda > 11.0 python setup.py build install

编译报错记录 subprocess.CalledProcessError: Command ‘[‘ninja‘, ‘-v‘]‘ returned non-zero exit status 1

最新发布

qq_44627562的博客

05-02

1588

在执行编译一些库时，由于torch版本过高导致的一些问题，本可以通过创建低版本torch环境解决，但由于涉及到CUDA版本更换过于麻烦，可以采取下面的方法。

mish-cuda

03-18

Mish-Cuda：自正则非单调激活函数这是Diganta Misra（）对Mish激活的PyTorch CUDA实现。安装目前，它仅作为源分发PyTorch扩展。因此，您需要适当地设置工具链和CUDA编译器进行安装。工具链-在cxx_linux-64软件包提供了适当的工具链。但是，根据系统，仍然可能存在兼容性问题。您也可以尝试使用系统工具。 CUDA工具包-除驱动程序外，还需要来提供所需的标头和工具。从nVidia获取适合您Linux发行版的版本，否则请查看发行版的特定说明。重要的是您的CUDA Toolkit必须与PyTorch所构建的版本相匹配，否则可能会发生错误。目前，PyTorch为v10.0和v9.2构建。表现 CUDA实施似乎反映了原始实施的学习表现，并且未观察到稳定性问题。就功能的速度而言，它可以与其他PyTorch激活功能相当，并且比纯PyTorch实施

ModuleNotFoundError: No module named ‘cuda‘、‘tensorrt‘

AI小白炼金术师

04-16

5590

解决TensorRT环境问题

Scaled-yolov4 安装mish-cuda

Ken的博客

05-31

2252

git clone https://github.com/thomasbrandon/mish-cuda cd mish-cuda cp external/CUDAApplyUtils.cuh csrc # cuda >= 11.0 python setup.py build install 作者给出的安装方式 git clone https://github.com/JunnYu/mish-cuda cd mish-cuda python setup.py build install ...

win10+cuda10.0+pytorch安装

01-06

简介由于PyTorch在中国大陆的安装包下载十分缓慢，导致很多在线安装方法难以实现。故对Pytorch在windows下的安装方法做一个简单说明，希望能够帮助到更多的朋友。有任何问题，可以联系我。解决方法是：先将安装包下载到本地，再用pip install安装。本机配置系统配置 Windows Anaconda 环境 Python 3.7 CUDA内核显卡 NVIDIA Quadro P4000 1、进入Pytorch官网https://pytorch.org/ 看到该部分类容后，根据自己的电脑配置，选择相应的选项。 Package 建议使用pip，这样才会提供Run this Co

JetPack 5.1编译mish-cuda中需要的相关版本

03-01

torch cudnn

mish-mash:模仿旧终端的个人网站

05-26

git clone https://github.com/Anarcroth/mish-mash.git 导航到项目目录并运行 npm install 然后在本地主机上启动应用程序 node server . js 设置命令行位于用NodeJS编写的虚拟文件系统的顶部。 VFS允许您在...

Mish：“ Mish：一种自正则化非单调性神经激活功能”的官方代表[BMVC 2020]

02-05

米什：自我正则化非单调激活功能 BMVC 2020 注意：（单击以展开）可以在此处找到基于CUDA的相当快的版本（全部归功于Thomas Brandon）可以在找到Mish的内存有效实验版由米什和H-米什更快的变种可以在这里找到- 可以在此处找到由开发的H-Mish的替代（实验改进）变体（在Julia中可用）基于方差的Mish（实验）初始化方法可以在这里找到变更日志/更新：（单击以展开） [07/17] Mish添加到了 - 和 [07/17] Mish添加到 [07/17]与和合作进行的Loss Landscape探索进度 [7月17日]海报接受在演示主办

python cuda gpu 高性能运算代码

11-15

python cuda gpu 高性能运算代码

【YOLO】pytorch版yolov4训练自己的数据集

Gorgeous_wxd

06-10

6299

注意：本文采用的是Chien-Yao Wang复现的yolov4训练自己的数据，即YOLOv4的二作这里写目录标题配置完后的整体目录结构拉取yolov4数据集准备数据集文件夹准备划分训练集、验证集、测试集生成训练集、测试集配置文件更改网络结构配置weights文件训练配置完后的整体目录结构 . ├── cfg ├── data │ ├── Annotations │ ├── images │ ├── ImageSets │ ├── JPEGImages │ └── labels ├─

YOLOF代码复现全过程

abc1831939662的博客

05-24

1687

环境：Ubuntu 18.04 python 3.8 Torch1.8 cuda10.2 听说可以不安装mish-cuda，那就先不装吧，装的越多，错的越多，怕了怕了怕了~ (py38_to18) wgp@wgp:~/python/env_py38_torch18$ git clone https://github.com/chensnathan/YOLOF.git 正克隆到 'YOLOF'... remote: Enumerating objects: 85, done. remote: Counting

基于PaddlePaddle实现的DeepSpeech2端到端中文语音识模型

夜雨飘零

11-04

1万+

本项目是基于PaddlePaddle的[DeepSpeech](https://github.com/PaddlePaddle/DeepSpeech) 项目开发的，做了较大的修改，方便训练中文自定义数据集，同时也方便测试和使用。DeepSpeech2是基于PaddlePaddle实现的端到端自动语音识别（ASR）引擎，其论文为[《Baidu's Deep Speech 2 paper》](http://proceedings.mlr.press/v48/amodei16.pdf) ，本项目同时还支持各种数据

ModuleNotFoundError: No module named ‘...’：报错解决方案

热门推荐

qq_41413211的博客

09-26

4万+

那要怎么知道正确的规范是什么？代码一开始是写import evaluate...，当改成from evaluate import inf时，可以看到系统提示Retina这个名字，于是改成上面打勾的格式，测试一下，果然没错。这个‘ ... ’就是包的名字，这时候可以在对应的环境里使用pip install安装对应的包，具体怎么安装参考我的环境配置博客。2.import时规范不对。1.module包没安装。

Windows版YOLOv4目标检测：原理与源码解析

06-29

需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：原理与源码解析》【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！代码阅读是从基础到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。【课程内容与收获】本课程将解析YOLOv4的实现原理和源码，具体内容包括：- YOLOv4目标检测原理- 神经网络及darknet的C语言实现，尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器：BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】除本课程《Windows版YOLOv4目标检测：原理与源码解析》外，本人推出了有关YOLOv4目标检测的系列课程，包括：《Windows版YOLOv4目标检测实战：训练自己的数据集》《Windows版YOLOv4-Tiny目标检测实战：训练自己的数据集》《Windows版YOLOv4目标检测实战：人脸口罩佩戴检测》《Windows版YOLOv4目标检测实战：中国交通标志识别》建议先学习一门YOLOv4实战课程，对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】下图由白勇老师绘制

yolov4_u5版复现—1. 网络基本架构

weixin_39759689的博客

11-23

2011

yolov4_u5版复现写在前面：本复现的主要目的为：1）总结知识点，提升实战能力。2）提供一份可读性更强的yolov4_u5版代码（源代码很强，但是很难看懂）网络基本架构（yolov4_l） 1). Conv def autopad(kernel, padding=None): # Pad to 'same' if padding is None: padding = kernel // 2 if isinstance(kernel, int) else [x

mish-cuda的安装

07-28

根据引用\[1\]和引用\[2\]的内容，如果在训练过程中遇到了ModuleNotFoundError: No module named ‘mish_cuda’的错误，可以尝试根据错误提示将所有的from mish_cuda import MishCuda as Mish替换为其他代码。具体来说，可以将以下代码替换为原来的代码： ```python from mish_cuda import MishCuda as Mish ``` 替换为： ```python class Mish(nn.Module): def __init__(self): super().__init__() def forward(self, x): x = x * (torch.tanh(F.softplus(x))) return x ``` 此外，根据引用\[3\]的内容，如果你想安装mish-cuda，可以按照以下步骤进行操作： 1. 克隆yolov4的代码库：git clone https://github.com/WongKinYiu/PyTorch_YOLOv4.git 2. 准备数据集文件夹 3. 根据需要修改配置文件和网络结构 4. 配置weights文件 5. 进行训练希望这些信息对你有帮助！ #### 引用[.reference_title] - *1* [YOLO-V4 Pytorch版本训练自建数据集和预测](https://blog.csdn.net/worewolf/article/details/117425497)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【YOLO】pytorch版yolov4训练自己的数据集](https://blog.csdn.net/wxd1233/article/details/117781437)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]