分布式训练报错
unhandled system error, NCCL version 2.7.8
使用mmsegmentation使用分布式训练分割模型时,碰到几种错误,比如上面这一种,在网上看到是torch版本不对,改完版本还是不行;最后的原因都是还有线程没有结束,一直占用着共享内存,使用top命令查看RES较大的程序,然后kill掉就OK了!
分布式训练报错
unhandled system error, NCCL version 2.7.8
使用mmsegmentation使用分布式训练分割模型时,碰到几种错误,比如上面这一种,在网上看到是torch版本不对,改完版本还是不行;最后的原因都是还有线程没有结束,一直占用着共享内存,使用top命令查看RES较大的程序,然后kill掉就OK了!