FlowNet2 (PyTorch v0.3.0)环境搭建-CSDN博客

本文链接：https://blog.csdn.net/m0_56158145/article/details/134101739

本文主要是对FlowNet2 (PyTorch v0.3.0)的环境搭建进行了记录，该项目的地址为https://github.com/vt-vl-lab/flownet2.pytorch

1. 最终可运行环境

操作系统	Ubuntu16.04LTS(18也行)
显卡	NVIDIA 2060
CUDA	9.0
Python	3.6.13
torch	0.4.0
torchvision	0.2.2
opencv-python	3.4.2.16

注意事项：

1.配置过程中一定要保持gcc与g++的版本一致性，我的运行环境中版本均为5.4.0

2.运行install.sh时要给予一定的文件访问权限（嫌麻烦可以使用sudo）

3.使用Anaconda的情况下，记得修改install.sh文件，将python环境与cuda环境指定好

4.最好使用Linux系统，提高适配可能性

2. 踩坑记录

2.1 Windows11（失败）

在Installation步骤通过Git Bash终端运行install.sh时，出现以下报错：
cffi.VerificationError: CompileError: command 'C:\\Program Files (x86)\\Microsoft Visual Studio\\2017\\Community\\VC\\Tools\\MSVC\\14.16.27023\\bin\\HostX86\\x64\\cl.exe' failed with exit status 2

网上的各种解决办法对我来说都不太适用。主要包括：

重装不同版本的Visual Studio。我尝试了VS2015、2017、2019，但均未有效。
安装VS的一些工具库。安装了但无效。
......

最后，考虑到该项目发布者的运行环境建立在Ubuntu系统上，从而开始配置Ubuntu系统。

2.2 Ubuntu20.04——虚拟机（失败）

使用Vmware安装了Ubuntu20.04镜像，进行了一整天的配置。

考虑到需要保存项目运行后所得光流文件，专门配置了虚拟机与主机的共享文件夹

具体配置方法可以参考：实现虚拟机和主机之间的文件传输_虚拟机传输文件_Fa·Bryant的博客-CSDN博客

然而，在运行该项目时出现报错。网上搜索后发现：虚拟机不能使用CUDA和CUDNN！！！

痛哭~~

既然如此，那就开始装双系统吧！

2.3 Ubuntu20.04——双系统（失败）

这个环节是踩坑踩得最狠的，大致花费了7、8天时间。

此时我使用的是3050显卡

（1）装机指南：

Ubuntu/Windows双系统安装巨详细——全面解决各种问题（疑难杂症），有手就行_安装ubuntu关闭bitlocker_HNU跃鹿战队的博客-CSDN博客

Ubuntu 双系统安装流程_ubuntu双系统安装_地球被支点撬走啦的博客-CSDN博客

（2）安装一些软件，过程中遇到以下报错：
E: 无法修正错误，因为您要求某些软件包保持现状，就是它们破坏了软件包间的依赖关系

解决办法：在软件更新里勾选允许更新；先安装报错信息中指出的其他软件包
（3）RuntimeError: CUDNN_STATUS_EXECUTION_FAILED

许多人博客都说这条报错是因为CUDA与CUDNN不适配导致的。~ 虽然我也不知道我安装的cuda9.0.176与cudnn 7.0.5为什么会不适配。尝试了各种cuda9.0对应的cudnn，均失败，遂放弃根治的想法。

解决办法：添加一行代码，禁用cudnn，这一办法会降低GPU计算速度。

torch.backends.cudnn.enabled = False

（4）解决完（3）的问题后，出现新的报错：

RuntimeError: cublas runtime error : the GPU program failed to execute at /pytorch/torch/lib/THC/THCBlas.cu:246

两个可能导致错误的原因：

CUDA Toolkit, CUDA Driver版本不匹配。前者就是在终端运行nvcc -V显示的cuda版本，后者是使用nvidia-smi命令显示的cuda版本。一般来说，CUDA Driver的版本可以高于CUDA Toolkit，但实际上只有当这两者完全一致时，才会最好。
30系列的显卡可能不适配cuda11以下的版本。

因此，我尝试着升级了多种cuda版本，并安装与之对应的CUDNN。这里附上多版本CUDA切换方法与CUDNN卸载方法：

安装多版本 cuda ，多版本之间切换_cuda 切换版本-CSDN博客

Ubuntu——卸载cuda、cudnn的方法_ubuntu卸载cuda-CSDN博客