BEVFusion-复现问题:CUDA error: no kernel image is available for execution on the device

已于 2022-06-20 11:38:33 修改
阅读量1.4k 收藏 4
点赞数 2
分类专栏： 三维识别 文章标签： 自动驾驶 pytorch python ubuntu
于 2022-06-20 11:37:24 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/ll594282475/article/details/125369120
版权

问题:
在这里插入图片描述
RuntimeError: CUDA error: no kernel image is available for execution on the device
CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.
For debugging consider passing CUDA_LAUNCH_BLOCKING=1.

解决思路,
本以为是显存问题,debug后发现似乎不是
按照提示设置

os.environ['CUDA_LAUNCH_BLOCKING'] = '1'

也不对,后来在网上查询感觉应该是CUDA算力在编译的时候没有匹配.

最终解决方案:
由于本人使用1080Ti,对应算力61
在setup25行加入

"-gencode=arch=compute_61,code=sm_61",

重新编译,就没有问题了.

大头蘑菇汤
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
论文复现-深度补全算法
03-10
1、传统深度不全算法复现 2、详细内容可见：https://blog.csdn.net/qq_43627520/article/details/123344654?spm=1001.2014.3001.5502 3、复现代码可直接运行、包含有测试用例、以及验证代码
BEVFusion：一个简单而强大的LiDAR相机融合框架
02-21
融合相机和LiDAR信息已成为3D物体检测任务的事实标准。目前的方法依赖于来自LiDAR传感器的点云作为查询，以利用图像空间中的特征。然而，人们发现，这一基本假设使得当前的核聚变框架在发生LiDAR故障时无法产生任何预测，无论故障是小是大。这从根本上限制了实际自动驾驶场景的部署能力。相比之下，我们提出了一个令人惊讶的简单而新颖的融合框架，称为BEVFusion，其相机流不依赖于LiDAR数据的输入，从而解决了以前方法的缺点。我们通过经验表明，我们的框架超越了正常训练设置下最先进的方法。在模拟各种LiDAR故障的鲁棒性训练设置下，我们的框架大大超过了最先进的方法15.7%至28.9%的mAP。据我们所知，我们是第一个处理实际 LiDAR 故障的公司，无需任何后处理程序即可部署到现实场景中。对BEV空间增强的认可 我们进行了由 BEVFusion-mit 实现的 BEV 空间增强（GlobalRotScaleTransBEV 和 RandomFlip3DBEV）。您还可以参考 BEVDet、DEVDepth 以获取更多实现版本。 此外，您还可以在 LSS、BEVDet、BEVFusion
BEV感知---BevFusion详解
最新发布
qq_44799766的博客
03-21 1497
一种非常经典的多模态融合感知方案叫 BEVFusion。这是一种用于多任务多传感器 3D 感知的高效通用框架。BEVFusion 将相机和 LiDAR 功能统一在共享 BEV 空间中，完全保留几何和语义信息。相机和点云分支没有明显的主次关系，相互独立，结果上又相辅相成。高效、准确的多传感器感知对于自动驾驶汽车的安全至关重要。BEVFusion 将最先进的多传感器融合模型的计算成本降低了一半，并在小而远的物体以及雨天和夜间条件下实现了大幅精度提高。它为安全、稳健的自动驾驶铺平了道路。
（MIT）BEVFusion 部署遇到的问题
CSL275200的博客
07-28 556
不知道大家有没有遇到过这个问题，希望可以讨论一下解决方案。在进行编译的时候遇见了常见的THC的报错，根据。这篇博文删除了脚本中的THC，该问题得到解决。我的环境 ubuntu 22.04。
BEVFusion（北大&阿里）环境搭建教程
豆奶泡油条
11-19 8762
这是今年新发的一篇论文，我在第一次阅读时，代码还未开源，前几天发现开源了，而且这个框架做的很清晰，可以基于这个工作熟悉一下融合方案，也能稍稍改进一下。笔者环境：
Lidar AI Solution环境配置
周同学的博客
05-25 4441
Lidar_AI_Solution环境配置
BEVFusion(mit)最强环境安装，部署复现
qq_45783225的博客
06-21 9125
BEVFusion作为一项经典的工作，值得深入探索。然而由于配置环境比较麻烦，耽误了一些时间。经过几次成功配置之后，有了一些总结，在这里记录下来，供大家参考避坑，也方便自己下次查阅。
BEVFusion代码复现实践
h904798869的博客
08-10 8466
BEV环境感知，多传感器融合，bevfusion代码部署
BEVFusion-mit复现与实践(nuscenes数据集)
mw的博客
12-20 3189
单卡gpu不能满足，采用分布式训练，在mmdet3d/apis/train.py文件中把distributed参数设置为True，直接vs-code全局搜索找到distributed。：在mmdet3d/models/vtransforms/base.py中2个forward函数的参数都加上metas变量，加到**kwargs前。在mmdet3d/ops/spconv/src/indice_cuda.cu下，将里面的4096都改成256，否则会爆显存。（1）注释掉 mmdet3d/ops/
BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird’s-Eye View Representation复现
qq_42719217的博客
08-04 648
查看显卡：nvidia -smi查看CUDA版本 nvcc -v安装gpu版本的torch：pip install torch==1.10.0+cu113 torchvision==0.11.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html。
Lidar-AI-Solution/CUDA-BEVFusion环境配置
weixin_43241894的博客
07-11 698
对于libprotobuf-dev == 3.6.1的要求，要安装3.6.1的protobuf，但是电脑里已有其他版本的protobuf，需要查看一下都有什么版本。显示的版本可能都不一样，conda环境下的就不管了，得把前两个protoc都统一到3.6.1版本的protobuf，按照如下方式安装3.6.1版protobuf。首先确定你的显卡型号和性能，我第一次配置环境就找了个算力不够的，配置到最后发现跑不起来很尴尬，然后按照链接先。学习BEVFusion，配置一下环境。然后按照配置要求安装。
json-rpc-error:JSON RPC 2.0错误
05-18
JSON RPC 2.0错误 ... 特定错误是基本构造函数JsonRpcError的实例，而后者又是本机JavaScript Error对象的实例。 可以使用或不使用new关键字来构造每个错误，例如 var err = new JsonRpcError.ParseError();
STM32 RAM溢出分析（KEIL在Build的时候提示Error：L6406E：No space in execution）
01-06
先请问大家一个问题：keil5编译后生成 Program Size: Code RO-data RW-data ZI-data是什么？ 要想知道RAM溢出分析，对内存需要比较了解。实际上： ==================================================== **Total RO...
symbolic-execution-tutorial：符号执行教程。 动手练习基于angr框架
02-06
符号执行 滑梯 当前版本的幻灯片可。 下载幻灯片： 2020年5月16日修订版： 修订版2019-12-05： 修订2018-11-29： 动手 建立 ...您可以在slide-example目录中找到源代码，二进制文件（Linux x86_64）和angr脚本。...
impsort-maven-plugin：Java导入排序器插件。 整理您的展示次数！
02-04
ImpSort Maven插件在以下位置查看此插件的文档： : 整理您的展示次数！ 一个Maven插件，用于对Java源文件中的import语句进行排序。 该插件将用于其自己的版本。 它的公共API是目标和配置选项的名称。
Prison-Architect-Execution:基本监狱建筑师Lua执行
04-03
信息 如何使用： 编译DLL，然后使用DLL注入器将其注入Prison Architect。 确保在x32中编译它。 确保运行Prison Architect... AdviserSay ( " CEO " , " This is a test " ) Game. GameOver () 如果其中一项工作有效，
BEVfusion环境搭建遇到的坑
mengxinni的博客
05-26 1063
BEVFusion环境配置___情不知所起__的博客-CSDN博客bevfusion单显卡训练/测试_大头蘑菇汤的博客-CSDN博客参考以上两篇，进行环境搭建Nuscences数据集，下载和数据处理前的格式不同： 将test和train按照这12个文件夹分，分成下面图所示：其中 maps: basemap,expansion,prediction官网另下: 数据处理之前：bevfusion ├── assets ├── configs ├── mmdet3d ├── tools ├── data │
多模态融合 - BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird‘s-Eye View Repre ... (ICRA 2023)
77wpa的博客
06-19 1751
多传感器融合对于准确可靠的自动驾驶系统至关重要。最近的方法是基于点级融合：用相机特征增强激光雷达点云。然而，相机到激光雷达的投影丢弃了相机特征的语义密度，阻碍了这种方法的有效性，尤其是对于面向语义的任务（如3D场景分割）。在本文中，我们用BEVFusion打破了这一根深蒂固的惯例，BEVFusions是一种高效通用的多任务多传感器融合框架。它在共享鸟瞰图（BEV）表示空间中统一了多模态特征，很好地保留了几何和语义信息。
八. 实战：CUDA-BEVFusion部署分析-环境搭建
周同学的博客
12-31 2638
八. 实战：CUDA-BEVFusion部署分析-环境搭建
bevfusion复现
05-18
BevFusion是一种基于深度学习的三维点云重建方法，其主要思想是将点云转换为体素表示，然后使用神经网络进行体素的重建。以下是BevFusion的简单复现步骤： 1. 数据准备：使用3D扫描仪或其他方式获取物体的点云数据，并将其转换为体素表示。在这个过程中，需要选择合适的体素大小和分辨率，以保证重建的准确性和效率。 2. 构建神经网络：使用TensorFlow或PyTorch等深度学习框架，搭建BevFusion的神经网络模型。该模型包括编码器、解码器和重建器三个部分，其中编码器负责将体素表示转换为低维特征向量，解码器负责将特征向量转换回体素表示，而重建器则负责整合编码器和解码器，实现点云重建。 3. 训练模型：使用已准备好的数据集对神经网络模型进行训练。训练过程中需要选择合适的损失函数和优化器，以及设置合理的训练参数（如学习率、批次大小、迭代次数等）。 4. 进行点云重建：使用训练好的神经网络模型对新的点云数据进行重建。在此过程中，需要将点云数据转换为体素表示，并输入到神经网络中进行重建。最终，可以得到重建后的点云数据，并进行后续的处理和分析。 需要注意的是，BevFusion的复现过程较为复杂，需要具备一定的深度学习和计算机视觉基础，同时还需要大量的计算资源和时间。因此，建议在有相关经验或团队支持的情况下进行复现。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
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