关于魔塔Scrfd模型在cpu运行报错的问题

最新推荐文章于 2024-04-24 23:47:47 发布
最新推荐文章于 2024-04-24 23:47:47 发布
阅读量177 收藏
点赞数 3
文章标签： python 算法 深度学习 计算机视觉
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/qq_42693842/article/details/138133049
版权
文章讲述了在使用`MMDataParallel`进行card_detection任务推理时遇到的RuntimeError，原因在于模型没有在期望的CUDA设备上找到参数和缓冲区。解决方法是在模型初始化后将`detector.device_ids`设置为`None`，以允许在CPU上运行推理。
摘要由CSDN通过智能技术生成

复现

当我们使用一下代码构建推理时

pipeline(Tasks.card_detection, 'damo/cv_resnet_carddetection_scrfd34gkps', device = "cpu")

推理时会出现以下报错

	File "/opt/conda/lib/python3.8/site-packages/torch/nn/parallel/data_parallel.py", line 154, in forward
    	raise RuntimeError("module must have its parameters and buffers "
RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cpu

方法

更改文件
modelscope/models/cv/face_detection/scrfd/scrfd_detect.py:51

detector = MMDataParallel(detector, device_ids = [0])
detector.device_ids=None # + 添加这行代码

原理

MMDataParallel的forward函数确实有实现当device_ids为None的情况, 即使用cpu推理, 但是当我们设置detector = MMDataParallel(detector, device_ids = None)是没卵用的
MMDataParallel继承于torch的DataParallel, 当初始化时 调用父类初始化自动查找可以使用的cuda设备, 重置device_ids, 所以
只需要在初始化后重新设置device_ids为None即可

TM 2.0
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
解决RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0])
qq_37088976的博客
08-02 1万+
解决RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cuda:1问题 在加载多GPU模型后使用pytorch的DataParallel()时出现以上报错，网上查找了很多资料都没有正确的解决方法。 个人...
pytorch运行本地阿里大模型
人工智能(AI)技术，大模型技术，深度学习，机器学习，计算机视觉，AI工具实践应用等分享
04-27 1042
pytorch运行本地阿里大模型
mmdetectionv2.8 踩坑
baidu_40840693的博客
05-07 2622
以下是自己配置v2.8遇到的一些问题 mmdetv2.8今天首次尝试遇到的问题 1.最新版v2.8使用mmcv-full,不再是mmcv 2.mmcv-full现在修改为与CUDA和pytorch具备对应性,版本安错了也不行 3.我的环境是cuda10.0 torch1.4.0 在其官方的下载地址上,没有该文件 https://download.openmmlab.com/mmcv/dist/cu100/torch1.4.0/index.html 里面没有mmdetv2.8用到的mmcv==1.2.4.
RuntimeError: module must have its parameters and buffers on device cuda:2 (device_ids[0]) but found
Orientliu96的博客
12-27 3464
RuntimeError: module must have its parameters and buffers on device cuda:2 (device_ids[0]) but found one of them on device: cuda:0 出现这个问题是使用一机多卡分布式训练时，没有调用显卡0，例如使用显卡1,2,3进行训练。 使用的模块是pytorch nn.DataPar...
RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found
热门推荐
EE呈双的博客
06-27 2万+
跑Pytorch模型的时候，经常会遇到一个问题，就是RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cuda:4，这个问题真的很烦人，每次都花了我很长时间去解决。这个问题其实无非就是有些参数本来加载在gpu0的，被程序加载到了gpu4上，导致出错。接下来我总结一下它的解决方法： （1）修改主gpu：程序默认使用
RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0])
weixin_43941438的博客
04-24 762
本来是想把cuda都改成cpu以此来找到报错的真正地方，但是一直提示这个报错，原因是nn.DataParallel要求必须要在cuda上运行。
基于Unity3d实现的魔塔游戏
最新发布
06-24
【作品名称】：基于Unity3d实现的魔塔游戏 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：基于Unity3d实现的魔塔游戏
Mota_魔塔_
09-30
《Mota_魔塔》是一款基于Flash技术开发的独立游戏，它是对经典魔塔游戏的模仿作品。魔塔游戏作为一种策略角色扮演游戏（SRPG），深受玩家喜爱，因其精巧的关卡设计和复杂的计算机制而著称。在这个版本中，作者可能...
Mota.zip 魔塔源码可以直接运行
12-29
在魔塔游戏中，Tiled可能被用来设计关卡布局，然后在游戏中通过读取TMX文件，动态生成游戏世界。解析TMX文件涉及XML解析、图块映射和对象组的处理，这为游戏地图的多样性提供了便利。 5. **C#游戏开发基础** 魔塔...
基于matlab模拟魔塔降魔+运行结果.zip
06-10
1.版本：matlab2014/2019a/2021a，内含运行结果，不会运行可私信 2.领域：智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，更多内容可点击博主头像 3.内容...
HTML+JS+CSS实现魔塔50层demo
05-05
- 链接：`<a>`标签用于链接其他页面，可能在魔塔的菜单或帮助系统中使用。 2. **CSS（Cascading Style Sheets）**： - 样式定义：CSS用于控制网页的外观，包括颜色、字体、布局等。在魔塔中，CSS可以定义游戏界面...
DataParallel(model)的相关研究
xdhsCS_cv_ml的博客
03-04 538
DataParallel(model)的相关研究 前提/已知：DataParallel用于多GPU并行计算， 问题：那如果先用2个GPU来 training DataParallel(model)并保存权重，再load该权重到使用4个GPU来 training 的 DataParallel(model) 上，会不会报错？ 探究/实验设计： 先用2gpu训练一个模型两天，并保存整个DataParallel(model)而非model的权重。 然后，用 1 个GPU初始化 DataParallel(model
PyTorch 源码解读之 DP & DDP：模型并行和分布式训练解析
qq_39967751的博客
03-14 4012
PyTorch 源码解读系列更新啦～
RuntimeError: module must have its parameters and buffers on device cuda:1 (device_ids[0]) but found
caffe
11-25 6176
解决RuntimeError: module must have its parameters and buffers on device cuda:1 (device_ids[0]) but found one of them on device: cuda:0 在使用多卡训练时，借助nn.DataParallel来指定使用某几张GPU 如使用1，2号 model=nn.DataParallel...
MMSegmentation使用心得（二）——分布式训练
weixin_50646615的博客
11-22 1209
MMSegmentation分布式训练
MMSegmentation系列之模型训练与推理（二）
qq_41627642的博客
06-01 3217
1、 模型训练 MMSegmentation实现了分布式训练和非分布式训练，分别使用MMDistributedDataParallel和MMDataParallel。所有输出(日志文件和检查点)将被保存到配置文件中的work_dir指定的工作目录中。 默认情况下，我们在一些迭代之后对验证集上的模型进行评估，您可以通过在训练配置中添加interval参数来更改评估间隔。 evaluation = dict(interval=4000) # This evaluate the model per 4000 i
PyTorch错误收集与解决方法
观自在的博客
05-28 1万+
PyTorch错误收集与解决方法 文章目录PyTorch错误收集与解决方法RNN的初始状态在多GPU训练报错RuntimeError: module must have its parameters and buffers on device cuda:0 (device_ids[0]) but found one of them on device: cpuRNN module weights are not part of single contiguous chunk of memoryRuntime
mmsegment模型训练和推理（四）
alex1801
01-31 4704
目录 1、常用设定 2、模型训练 2.1、单GPU训练 2.2、使用多个GPU进行训练 3、模型推理 1、常用设定 1）默认使用4个GPU的分布式训练。 2）ImageNet上所有pytorch样式的预训练主干都是由open-lab团队自己训练的，参考文章https://arxiv.org/pdf/1812.01187.pdf。其中ResNet样式主干基于ResNetV1c变体，其中输入主干中的7x7转换被三个3x3转换取代。 3）为了确保不同硬件之间的一致性，将GPU内存报告torc
DataParallel layers (multi GPU)
doublechenchenchen的博客
05-17 1493
import torch.nn as nnimport torch.nn.parallelimport torch.backends.cudnn as cudnnmodel = nn.DataParallel(model)
spring boot 关于跨域问题
06-13
Spring Boot在处理跨域请求时，通常是为了支持前端与后端分离的应用架构中，当客户端（如浏览器）发起 AJAX 请求到不同的域名或端口时，服务器默认会因为同源策略（Same-Origin Policy）而拒绝这些请求。为了解决这个问题，Spring Boot提供了几种方法来处理跨域。 1. **全局启用CORS**: 你可以通过`@EnableWebMvc`注解加上`spring.mvc.cross-origin.enabled=true`配置，然后在`application.properties`或`application.yml`文件中添加CORS相关配置，比如允许特定来源、方法和头信息： ```yaml spring: mvc: cors: enabled: true origins: '*' 或 'http://localhost:8080' // 允许特定或所有来源 allowedMethods: '*' // 允许的所有HTTP方法 allowedHeaders: '*' // 允许的所有请求头 ``` 2. **全局注册CORS Filter**: 使用`@CrossOrigin`注解可以全局注册一个CORS Filter，例如： ```java @Configuration @WebFilter(urlPatterns = "/*") public class CorsConfig implements WebFilterConfigurer { @Override public void configureWebFilter(WebFilterRegistry registry) throws Exception { registry.addFilter(CorsFilter.class).addMappingForAllUrls().applyPermitDefaultValues(); } } ``` 3. **控制器级别处理**: 如果只需要某个或部分Controller响应跨域，可以在方法上使用`@CrossOrigin`： ```java @RestController @CrossOrigin(origins = "*", methods = RequestMethod.GET) public class MyController { @GetMapping("/api") public String crossDomainApi() { // ... } } ``` 4. **自定义CORS策略**: 如果需要更灵活的控制，可以创建`CorsConfiguration`实例并动态配置： ```java @Bean public CorsConfigurationSource corsConfigurationSource() { UrlBasedCorsConfigurationSource source = new UrlBasedCorsConfigurationSource(); CorsConfiguration config = new CorsConfiguration(); // ... 设置配置项 source.registerCorsConfiguration("/**", config); return source; } @Bean public WebMvcConfigurer corsConfigurer() { return new WebMvcConfigurer() { @Override public void addCorsMappings(CorsRegistry registry) { registry.addMapping("/**").allowedOrigins("*"); } }; } ```
评论
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