GroundingDINO 测试笔记

目录

1. Grounding DINO 参数量（精确范围）

安装依赖项：

torch 和torchvision 版本必须对应上

安装GroundingDINO：

报错解决 NameError: name '_C' is not defined

查看cuda路径：

RuntimeError: Unrecognized tensor type ID: AutocastCUDA解决

---

1. Grounding DINO 参数量（精确范围）

模型版本	Backbone	参数量（Million）	备注
Grounding DINO-T	Swin-Tiny	~110M (1.1亿)	官方默认轻量版
Grounding DINO-B	Swin-Base	~170M (1.7亿)	更高精度，计算量更大

• 对比参考：

  • GPT-3：1750亿参数（175B）

  • LLaMA-2 7B：70亿参数

  • YOLOv8：约 3M~50M（远小于 Grounding DINO）

  • DETR（ResNet-50）：约 40M

结论：Grounding DINO 的参数量在 1.1亿~1.7亿 之间，属于中等规模的视觉-语言模型。

安装依赖项：

GroundingDINO-main

pip install numpy==1.23.2

matplotlib>=3.6.0

torch 和torchvision 版本必须对应上

安装GroundingDINO：

git clone 下载代码到本地

国外网速很慢，

GitHub - IDEA-Research/GroundingDINO: [ECCV 2024] Official implementation of the paper "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"

python setup.py install

国内速度较快：

git clone https://gitcode.com/gh_mirrors/gr/GroundingDINO.git

报错解决 NameError: name '_C' is not defined

原因是没有设置CUDA_HOME

    export CUDA_HOME=/usr/local/cuda/
    echo $CUDA_HOME

重新启动命令行好像报错就没有了。

查看cuda路径：

echo $PATH | grep cuda

这将显示包含CUDA的路径。

• 使用which命令查看nvcc路径： CUDA自带的编译器是nvcc，你可以使用which命令查看它的路径，通常CUDA安装在这个路径的上层目录下。

  which nvcc

  例如，输出可能是 /usr/local/cuda/bin/nvcc，那么CUDA的安装目录就是 /usr/local/cuda/。

boxes, logits, phrases = predict(
    model=groundingdino_model, 
    image=input_image, 
    caption='sky', 
    box_threshold=0.3, 
    text_threshold=0.25
)

RuntimeError: Unrecognized tensor type ID: AutocastCUDA解决

RuntimeError: Unrecognized tensor type ID: AutogradCUDA-CSDN博客