ZED2代相机+nvidia jetson AGX xavier踩坑记录

最新推荐文章于 2023-10-10 10:42:44 发布

夏言谦

最新推荐文章于 2023-10-10 10:42:44 发布

阅读量5.8k

点赞数 7

分类专栏：踩坑记录文章标签：神经网络 pytorch 嵌入式 nvidia

本文链接：https://blog.csdn.net/qq_37775990/article/details/109325314

版权

踩坑记录专栏收录该内容

9 篇文章 0 订阅

订阅专栏

ZED2代相机+nvidia jetson AGX xavier踩坑记录

项目描述

nvidia jetson AGX xavier就不详细介绍了，jetson系列嵌入式开发板比一般的arrch64开发板多了CUDA，跑深度学习项目会快一些，同时开发板上装有jetpack开发套件，ubuntu、CUDA、cudnn都装好了，开发更加便捷。具体查看https://developer.nvidia.com/zh-cn/embedded-computing。

ZED是双目相机品牌，提供目标检测方面的接口和例程，2代的功能更加丰富一些，ZED2代的3.2.2版本的SDK支持jetpack4.4，所以准备尝试一下它提供的这个PyTorch+Mask-RCNN项目。

项目地址：https://github.com/stereolabs/zed-pytorch

项目文档：https://www.stereolabs.com/docs/pytorch/

ZEDf分割效果

简而言之，在nvidia jetson AGX xavier硬件平台上，在pytorch框架里，使用Mask R-CNN和ZED提供的SDK，完成对目标的检测、分割、测距。这个项目的吸引力在于“custom neural network”，目标识别的种类、网络使用的权重都是可以修改的，而ZED SDK提供的例程是不可以修改的。如果能深入学习代码，那么之后采用pytorch框架+ZED双目的其他项目也可以参考这个项目。

一些小弯路

（此步骤最终失败，仅作为记录）

根据项目文档中的安装步骤来，安装完 ZED SDK 和 Python API后，由于之前在Windows环境下一般都使用Anaconda搭建pytorch环境，换新平台后也准备这样，根据参考链接[1]，jetson平台没有Anaconda，安装替代品mini-forge，miniforge的.sh release下载地址:

https://github.com/conda-forge/miniforge/releases

安装：

sh Miniforge-pypy3-xxx-Linux-aarch64.sh

安装完成后基本使用pip3安装，conda命令几乎不使用，装了conda等于没装…一次开机后，在conda环境Terminal中输入pip3 list，发现和系统环境下的list不同，conda环境下的torch、torchvison、numpy之类的都不见踪影，可能是因为系统升级的原因…

最终决定抛弃conda，直接在系统环境下使用pip3安装pytorch。

问题1 安装pytorch版本错误

这个问题出现在安装文档的Installation–PYTORCH INSTALLATION步骤中。

问题出现描述：

在jetson上安装完pytorch后，输入测试代码：

$ python3 -c "import torch ; print(torch.**__version__**)"

出现Segmentation fault (core dumped)错误，而正常情况应当输出pytorch的版本号。

问题解决过程：

（1）安装pytorch前先查询开发板的jetpack软件版本，查询方法为Terminal输入命令：

$ head -n 1 /etc/nv_tegra_release

或者安装jetson-stats状态查看工具：

$ sudo -H pip install jetson-stats

安装完成后，输入：

$ sudo jtop

即可查看jetpack软件版本和内存使用率、温度等其他信息。

经过查询，本文使用的开发板jetpack版本为JetPack 4.4 (L4T R32.4.3)

（2）适用于jetson的pytorch的软件版本查询和下载地址为：

https://elinux.org/Jetson_Zoo#Machine_Learning

在网址中查询，对应的pytorch版本是： PyTorch v1.6.0 pip wheel (Python 3.6)

注意下载pytorch安装文件需要魔法上网。

（3）按照正常流程安装pytorch

$ sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
$ pip3 install Cython
$ pip3 install numpy torch-1.6.0-cp36-cp36m-linux_aarch64.whl

（4）下载安装torchvison

pytorch1.6.0对应的torchvison版本为0.7.0，如果安装pytorch版本不对，这一步会出现import torch失败的错误。

$ sudo apt-get install libjpeg-dev zlib1g-dev
$ git clone --branch v0.7.0 https://github.com/pytorch/vision torchvision
$ cd torchvision
$ sudo python3 setup.py install

对于v0.5.0版本之前的torchvison:

$ cd ../
$ pip3 install 'pillow<7' # not needed for torchvision v0.5.0+

问题总结：

（1）最开始查询jetpack版本时，只注意到了4.4，根据一部分网络教程，安装使用的pytorch版本为1.5.0，最后import pytorch出现错误。

查询问题解决过程第2步中的网址，jetpack4.4也分具体的版本：JetPack 4.4 Developer Preview (L4T R32.4.2)可安装的版本为1.2.0至1.5.0；本文开发板JetPack 4.4 (L4T R32.4.3)，仅可安装1.6.0。

（2）查询软件版本期间出现了记忆混乱，仅记得L4T R32.4.3，以为jetpack版本为4.3，安装过程又走了一些弯路。

（3）最后使用枚举法，将各个版本的pytorch版本安装了一遍，确定1.6.0版本可行。总结就是，严格按照官方网站给出的版本要求，有时候不一定可以向下版本兼容。

问题2 maskrcnn-benchmark module引入失败

这个问题出现在安装文档的Running Mask R-CNN 3D步骤中。

问题出现描述：

Terminal输入命令：

$ cd zed-pytorch # zed_object_detection folder
$ python zed_object_detection.py --config-file ../configs/caffe2/e2e_mask_rcnn_R_50_C4_1x_caffe2.yaml --min-image-size 256

出现问题：No module named ‘maskrcnn_benchmark.modeling’

问题解决过程：

查看pip3 list是有mask-benchmark0.1.0的，不知道为什么调用模块没有成功。总之根据github里的issue ，需要手动重新编译安装maskrcnn-bench的源码。具体流程可参考参考链接[2]，因为jetpack包含python2.7和python3.6，注意替换命令中的pip为pip3。

在安装依赖项时，遇到如下问题：

（1）pip3安装python-opencv失败

根据参考链接[3]，使用$ sudo pip3 show opencv-python命令，发现无法返回版本信息，说明pypi上没有合适的arrch64架构的opencv-python。使用$ sudo apt-get install python3-opencv命令，安装成功。

（2）pip3安装matplotlib失败

同（1），使用sudo apt-get install安装

在安装maskrcnn_benchmark本体时，遇到如下问题：

（3）出现错误：deform_conv_cuda.cu(954): error: identifier "AT_CHECK" is undefined

参考链接[4]:打开/maskrcnn_benchmark/maskrcnn_benchmark/csrc文件夹下的deform_conv_cuda.cu and deform_conv.h，搜索“AT_CHECK”，替换为"TORCH_CHECK"。

（4）安装maskrcnn-benchmark后，再次运行zed-pytorch代码，出现:

ValueError: numpy.ufunc has the wrong size, try recompiling

原因是numpy的版本太低了，推测是使用apt-get install方式安装python3-opencv，顺带把numpy安装了，而apt-get install版本一般都比较低，使用pip3重新安装numpy：

$ sudo pip3 uninstall numpy
$ sudo pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

（5）出现警告：maskrcnn-benchmark/maskrcnn_benchmark/structures/boxlist_ops.py:46: UserWarning: This overload of nonzero is deprecated:nonzero()

这个问题根据警告提示来改就行，设定nonzero(as_tuple=False)

问题总结：

（1）arrch64架构，或者说arm架构，和x86_64架构确实不太一样，很多依赖库都没有，一般的ubuntu下的软件安装命令可能会失败。要总结一下的话，安装依赖库时，pip3 install对应的是pypi源，apt-get install对应的ubuntu源，pip3 install没有对应软件的话就看看apt-get install里有没有，两个都没有的话，只能git clone软件的源码，然后自己编译安装了。

（2）软件的版本问题，注意了也没用吧，只能靠试错法…

问题3 cuDNN error与 CUDA error

这个问题出现在安装文档的Running Mask R-CNN 3D步骤中。

问题出现描述：

解决完问题1和问题2之后，运行项目出现错误：

File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/conv.py", line 416, in _conv_forward
    self.padding, self.dilation, self.groups)
RuntimeError: cuDNN error: CUDNN_STATUS_MAPPING_ERROR

尝试搜索后未能解决，在zed_object_detection.py代码中设置禁用cuDNN:

torch.backends.cudnn.enabled = False

接着继续出现错误：

File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/conv.py", line 416, in _conv_forward
    self.padding, self.dilation, self.groups)
RuntimeError: CUDA error: CUBLAS_STATUS_INTERNAL_ERROR when calling `cublasSgemm(handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)`

问题解决尝试：

失败的一些尝试：

https://zhuanlan.zhihu.com/p/140954200：torch.cuda.set_device(1)

https://ask.csdn.net/questions/1093728：重装显卡驱动（对于jetson开发板等于重装系统）

（1）ZED的代码实际上调用了maskrcnn-benchmark用于图像分割，本文首先单独测试maskrcnn-bench/demo/中的程序：

cd demo
python3 webcam.py --config-file ../configs/caffe2/e2e_keypoint_rcnn_R_50_FPN_1x_caffe2.yaml.yaml --min-image-size 300

如图所示，程序可以正常运行，每张图片处理时间约为1.6秒，jtop查看显示程序使用的是GPU:

（2）使用CPU运行zed-pytorch程序：

python3 zed_object_detection.py --config-file ../configs/caffe2/e2e_keypoint_rcnn_R_50_FPN_1x_caffe2.yaml --min-image-size 100 MODEL.DEVICE cpu

程序可以正常运行，--min-image-size 100的情况下处理单帧时间约为35秒，--min-image-size设置低于100时没有出现分割结果。

（3）综合（1）（2）,说明maskrcnn-benchmark在CUDA 10.2环境下没有问题…问题可能出在：ZED的代码与CUDA 10.2存在冲突。

在maskrcnn/demo/中复制webcam.py，作为新的webcam2.py，修改后与原代码的区别在于：使用ZED SDK获取左目图像，并使用cvtColor将图像格式从RGBA转换为RGB。运行webcam2.py后复现了上文的cuDNN错误和CUDA错误，可以定位产生错误的点在于ZED获取的图像。

（4）使用print(left_C3.shape)属性查看cvt_Color返回的ndarray图像的形状，返回(720, 1280, 3);继续使用print(left)_C3查看图像像素具体内容，如图所示：

相同方法查看原版webcam.py中的img变量，形状为(376, 1344, 3);像素内容如图所示：

问题很奇怪…两个图像只有分辨率不同，之后也尝试过更小的分辨率、相同分辨率的ZED图像，ZED项目依然出现相同的错误。图像维度都是3维，像素值类型都是int无符号整型（uint8），不存在16位浮点数和32位浮点数的差异，为什么使用ZED获取的图像的就会产生CUDA错误呢…

（5）在webcam2.py中尝试直接传递图像参数给目标检测函数：

test = np.random.randint(0, 255, size = [376, 672, 3], dtype = 'u1')
coco_demo.run_on_opencv_image(test)

也是一样的错误。看来失败才是常态，opencv的VideoCapture(0)能成功反而是异类了。

顺路了解了opencv使用的相机分辨率376*1344是VGA模式，详情见https://www.stereolabs.com/docs/api/python/classpyzed_1_1sl_1_1RESOLUTION.html

（6）根据error log在/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/modeling/backbone/resnet.py"文件的328行添加print('resnet.py')，统计发现原代码输出19次，而webcam2.py输出9次，中道崩殂。

（7）Nvidia的CUBLAS库文档参考链接[5]显示：

An internal cuBLAS operation failed. This error is usually caused by a cudaMemcpyAsync() failure.

To correct: check that the hardware, an appropriate version of the driver, and the cuBLAS library are correctly installed. Also, check that the memory passed as a parameter to the routine is not being deallocated(解除配置) prior to the routine’s completion.

泛泛而谈了一下解决的方法…在程序完成前不要释放memory？但第（5）个尝试也出现了相同的问题啊，（6）说明问题出在了函数调用的中间，卷积操作是成功执行几次的，但第10次执行失败。

（8）参考链接[6]

Don’t use 10.2.2.89-1 - it is not compatible! So fix could be:

apt-get purge libcublas10 libcublas-dev
apt-get install libcublas10=10.2.1.243-1 libcublas-dev=10.2.1.243-1 cuda-libraries-10-1 cuda-libraries-dev-10-1

等于重装cuda10.1版本，等于安装jetpack4.3，暂时无法实行。

问题发现过程：

困扰多日，最后请教师父解决了问题，问题所在简而言之：jetson AGX xavier的CUDA核心计算能力无法同时支撑ZED SDK计算深度图和mask-rcnn进行图像分割。

问题的发现过程大概如下：

（1）不使用VideoCapture(0)，也不使用ZED SDK获取图像，自定义图像test = np.random.randint(0, 255, size = [376, 672, 3], dtype = 'u1')，传递给coco_demo.run_on_opencv_image(test)函数，程序可以正常运行。

（2）在（1）的基础上，在while循环之前增加ZED SDK打开摄像头的代码：

    init_cap_params = sl.InitParameters()
    cam = sl.Camera()
    runtime = sl.RuntimeParameters()
    init_cap_params.camera_resolution = sl.RESOLUTION.VGA
    init_cap_params.depth_mode = sl.DEPTH_MODE.ULTRA
    init_cap_params.coordinate_units = sl.UNIT.METER
    init_cap_params.depth_stabilization = True
    init_cap_params.camera_image_flip = False
    init_cap_params.coordinate_system = sl.COORDINATE_SYSTEM.RIGHT_HANDED_Y_UP
     
    if not cam.is_opened():
        print("Opening ZED Camera...")
    status = cam.open(init_cap_params)
    if status != sl.ERROR_CODE.SUCCESS:
        print(repr(status))
        exit()
    test = np.random.randint(0, 255, size = [376, 672, 3], dtype = 'u1')
    ############################# while ###############################
    while True:            
        start_time = time.time()

        #print(left_img[0,1,1])
        composite = coco_demo.run_on_opencv_image(test)
        
        print("Time: {:.2f} s / img".format(time.time() - start_time))
        cv2.imshow("COCO detections", composite)
        if cv2.waitKey(1) == 27:
            break  # esc to quit
    cv2.destroyAllWindows()

程序运行失败，复现了错误。此时，在while循环中，并没有获取ZED相机图像，coco_demo.run_on_opencv_image()函数处理的依然是图像test。

（3）在mask-rcnn的具体实现代码zed-project/predictor.py中，146行左右，修改self.device=torch.device(cfg.MODEL.DEVICE)为self.device=torch.device('cpu')，程序正常运行。单帧图像处理时间在35秒左右。

在第（2）步时，可以确定输入coco_demo.run_on_opencv_image()的图像没有问题，进一步定位错误的产生与ZED打开摄像头的操作相关。之前的一些尝试，是根据ZED获取图像时程序失败，opencv获取图像时程序成功的情况，判断问题出在获取的图像，使用自定义图像，在输入图像的大小、维度、像素数据类型都相同的情况下程序依然失败，陷入了迷惑之中…

在第（3）步，可以确定问题是CUDA核心运算能力不足的原因了，GPU计算深度图可以单独运行，mask-rcnn可以单独运行，两个一起上就不行了，进入模型后，进行卷积运算计算能力不足，最终失败。

问题总结：

（1）最大的教训还是没有学好控制变量法。自定义图像test只在webcam2.py中尝试了，没有在运行成功的使用opencv的webcam.py代码中尝试，这实际上是在引入一个“ZED获取图像”的变量后，又引入了一个“自定义图像”的变量，给错误定位造成了困难。

（2）opencv的VideoCapture(0)先入为主，其实ZED在cam.open(init_cap_params)打开摄像头时就已经进行计算深度和构建点云的工作了，不然也获取不了深度图。retrieve_image是获取图像，不是处理图像。

（3）目前没有Ubuntu系统的PC机在手边，有机会看看ZED和mask-rcnn同时跑GPU上会不会出问题…希望不要…

参考链接

[1]https://blog.csdn.net/weixin_43877080/article/details/106994966

[2]https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/INSTALL.md

[3]https://blog.csdn.net/weixin_42644062/article/details/99405524

[4]https://github.com/conansherry/detectron2/issues/12

[5]https://docs.nvidia.com/cuda/cublas/index.html#error-status

[6]https://github.com/tensorflow/tensorflow/issues/37233

附录

(1)webcam2.py代码

# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved.
import argparse
import cv2

from maskrcnn_benchmark.config import cfg
from predictor import COCODemo
import torch
import pyzed.sl as sl
import numpy as np

#torch.backends.cudnn.enabled = False

def main():
    parser = argparse.ArgumentParser(description="PyTorch Object Detection Webcam Demo")
    parser.add_argument(
        "--config-file",
        default="../configs/caffe2/e2e_mask_rcnn_R_50_FPN_1x_caffe2.yaml",
        metavar="FILE",
        help="path to config file",
    )
    parser.add_argument(
        "--confidence-threshold",
        type=float,
        default=0.7,
        help="Minimum score for the prediction to be shown",
    )
    parser.add_argument(
        "--min-image-size",
        type=int,
        default=224,
        help="Smallest size of the image to feed to the model. "
            "Model was trained with 800, which gives best results",
    )
    parser.add_argument(
        "--show-mask-heatmaps",
        dest="show_mask_heatmaps",
        help="Show a heatmap probability for the top masks-per-dim masks",
        action="store_true",
    )
    parser.add_argument(
        "--masks-per-dim",
        type=int,
        default=2,
        help="Number of heatmaps per dimension to show",
    )
    parser.add_argument(
        "opts",
        help="Modify model config options using the command-line",
        default=None,
        nargs=argparse.REMAINDER,
    )

    args = parser.parse_args()

    # load config from file and command-line arguments
    cfg.merge_from_file(args.config_file)
    cfg.merge_from_list(args.opts)
    cfg.freeze()

    # prepare object that handles inference plus adds predictions on top of image
    coco_demo = COCODemo(
        cfg,
        confidence_threshold=args.confidence_threshold,
        show_mask_heatmaps=args.show_mask_heatmaps,
        masks_per_dim=args.masks_per_dim,
        min_image_size=args.min_image_size,
    )
################################ change ####################################
    init_cap_params = sl.InitParameters()
    cam = sl.Camera()
    runtime = sl.RuntimeParameters()
    init_cap_params.camera_resolution = sl.RESOLUTION.HD720
    init_cap_params.depth_mode = sl.DEPTH_MODE.ULTRA
    init_cap_params.coordinate_units = sl.UNIT.METER
    init_cap_params.depth_stabilization = True
    init_cap_params.camera_image_flip = False
    init_cap_params.coordinate_system = sl.COORDINATE_SYSTEM.RIGHT_HANDED_Y_UP
    
    if not cam.is_opened():
        print("Opening ZED Camera...")
    status = cam.open(init_cap_params)
    if status != sl.ERROR_CODE.SUCCESS:
        print(repr(status))
        exit()
    res = sl.Resolution(672, 376)
    #left = sl.Mat(1280,720,sl.MAT_TYPE.U8_C4)
    left = sl.Mat()
    key = ''
    
    #test = np.random.randint(0, 255, size = [376, 672, 3], dtype = 'u1')
    
    while key != 113:  # for 'q' key
        err = cam.grab(runtime)
        if err == sl.ERROR_CODE.SUCCESS:
            cam.retrieve_image(left, sl.VIEW.LEFT, resolution = res)
            #cam.retrieve_image(left, sl.VIEW.LEFT)
            left_C4 = left.get_data().copy()
            #left_C3 = cv2.cvtColor(left_C4, cv2.COLOR_RGBA2RGB)
            left_C3 = left_C4[:,:,:3].copy()
            #np.savetxt("left_C3_result.txt", left_C3[:,:,0], fmt='%d')
            print(left_C3.shape)
            #tmp_test = coco_demo.compute_prediction(left_C3)
            tmp_test = coco_demo.run_on_opencv_image(left_C3)
            cv2.imshow("COCO detections", tmp_test)
            #tmp_test = coco_demo.run_on_opencv_image(test)
            #cv2.imshow("COCO detections", test)
            key = cv2.waitKey(1)



if __name__ == "__main__":
    main()

(2)webcam2.py产生的error log

Traceback (most recent call last):
  File "webcam3.py", line 109, in <module>
    main()
  File "webcam3.py", line 102, in main
    tmp_test = coco_demo.run_on_opencv_image(left_C3)
  File "/home/yuan/Downloads/nvidia_agx_xavier/maskrcnn-benchmark/demo/predictor.py", line 211, in run_on_opencv_image
    predictions = self.compute_prediction(image)
  File "/home/yuan/Downloads/nvidia_agx_xavier/maskrcnn-benchmark/demo/predictor.py", line 244, in compute_prediction
    predictions = self.model(image_list)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/modeling/detector/generalized_rcnn.py", line 52, in forward
    x, result, detector_losses = self.roi_heads(features, proposals, targets)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/modeling/roi_heads/roi_heads.py", line 26, in forward
    x, detections, loss_box = self.box(features, proposals, targets)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/modeling/roi_heads/box_head/box_head.py", line 47, in forward
    x = self.feature_extractor(features, proposals)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/modeling/roi_heads/box_head/roi_box_feature_extractors.py", line 45, in forward
    x = self.head(x)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/modeling/backbone/resnet.py", line 203, in forward
    x = getattr(self, stage)(x)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/container.py", line 117, in forward
    input = module(input)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/modeling/backbone/resnet.py", line 332, in forward
    out = self.conv2(out)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/usr/local/lib/python3.6/dist-packages/maskrcnn_benchmark-0.1-py3.6-linux-aarch64.egg/maskrcnn_benchmark/layers/misc.py", line 33, in forward
    return super(Conv2d, self).forward(x)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/conv.py", line 420, in forward
    return self._conv_forward(input, self.weight)
  File "/home/yuan/.local/lib/python3.6/site-packages/torch/nn/modules/conv.py", line 417, in _conv_forward
    self.padding, self.dilation, self.groups)
RuntimeError: CUDA error: CUBLAS_STATUS_INTERNAL_ERROR when calling `cublasSgemm( handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)`

夏言谦

关注

7
点赞
踩
48

收藏

觉得还不错? 一键收藏
6
评论
ZED2代相机+nvidia jetson AGX xavier踩坑记录

ZED2代相机+nvidia jetson AGX xavier踩坑记录项目描述nvidia jetson AGX xavier就不详细介绍了，jetson系列嵌入式开发板比一般的arrch64开发板多了CUDA，跑深度学习项目会快一些，同时开发板上装有jetpack开发套件，ubuntu、CUDA、cudnn都装好了，开发更加便捷。具体查看https://developer.nvidia.com/zh-cn/embedded-computing。ZED是双目相机品牌，提供目标检测方面的接口和例程，2
复制链接

扫一扫

专栏目录