实验 --------- Restormer复现中的问题

Permission denied解决办法：

来自花生福
Permission denied：权限被拒绝，没有访问文件的权限。

查询对文件的权限：

ls -l 文件名称

r为可读权限，w为可写权限，x为可执行权限。

授权文件rwx，可读可写可执行权限：

chmod 777 文件名称

如果目标是文件夹：

chmod -R 777 指定目录

-R 是指级联应用到目录里的所有子目录和文件
777 是所有用户都拥有最高权限

如果当前用户是非管理员：

sudo chmod -R 777 指定文件或目录

解决pytorch capability sm_86 is not compatible with the current PyTorch installation 问题

问题描述

当使用比较新的显卡（比如NVIDIA GeForce RTX 3090）时，由于显卡的架构比较新，可能旧版本的pytorch库没有支持到。这时候就会出现capability sm_86 is not compatible的问题，同时根据输出可以看到 The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70 sm_75当前pytorch只能支持上面几种架构。

1.通过最近装cuda环境研究发下仅仅通过以下命令是不能够测试cuda是否可以正常使用的。

import torch
# 我在python的命令环境测试该命令 返回是True的但是在run torch程序的时候报错
torch.cuda.is_available()

2.如果想要测是你的cuda版本torch是否可以使用，使用以下命令测试可能会更好。

import torch
torch.zeros(1).cuda()

如果报错是GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.那么一定是cuda版本的问题了。安装cuda版本不对。

问题解决

去torch的githup上和去cuda的官网上查看发现
A CUDA application binary (with one or more GPU kernels) can contain the compiled GPU code in two forms, binary cubin objects and forward-compatible PTX assembly for each kernel. Both cubin and PTX are generated for a certain target compute capability. A cubin generated for a certain compute capability is supported to run on any GPU with the same major revision and same or higher minor revision of compute capability. For example, a cubin generated for compute capability 7.0 is supported to run on a GPU with compute capability 7.5, however a cubin generated for compute capability 7.5 is not supported to run on a GPU with compute capability 7.0, and a cubin generated with compute capability 7.x is not supported to run on a GPU with compute capability 8.x.
(大概意思是说如果你gpu算力是7.5的话，算力是7的cuda可以在上边运行，但算力为7.5的cuda不能够在算力为7的gpu上运行。算力为7的cuda不能够在算力为8的gpu上运行。)说人话，就是cuda算力要低于或等于gpu的算法，但是跨版本就不行。
so综上所述我们要下算力为8的cuda才能够在gpu上运行程序。
2.在cuda官方文档中发现cuda10.2最高支持的是7.5的因此报错是正常的。

最常见的解决方式是升级Pytorch版本，新的版本增加了对新显卡架构的支持。但是有时候升级到1.10.0问题仍然没有解决，其实1.7.1版本的pytorch就已经支持3090，问题没有解决的原因大概率是CUDA版本的问题。3090显卡一般使用CUDA11+，而直接pip安装的pytorch可能是cuda10.2版本的，所以只依靠升级pytorch版本是不行的，还需要安装对应cuda版本的pytorch。
亲测有效

pip安装

直接使用pip安装 pip install torch==1.7.1+cu110 会报错，提示如下

Could not find a version that satisfies the requirement torch==1.7.1+cu110 (from versions: 1.4.0, 1.5.0, 1.5.1, 1.6.0, 1.7.0, 1.7.1, 1.8.0, 1.8.1, 1.9.0, 1.9.1, 1.10.0)
ERROR: No matching distribution found for torch==1.7.1+cu110

原因是在pip使用的镜像网站中没有指定cuda版本的torch链接，这时候需要去官网上找，可以看到pip 安装cuda11.3版本pytorch的命令

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

我们可以去-f后面的网站找到对应的pytorch版本，也可以将cu113替换为其他版本的cuda，比如想要安装pytorch1.7.1+cuda11.0，可以使用下面的命令

pip3 install torch==1.7.1+cu110 torchvision==0.8.2+cu110 -f https://download.pytorch.org/whl/cu110/torch_stable.html

cuda版本

cuda可以向下兼容

查看显卡信息

在命令行输入 nvidia-smi

查看cuda版本

命令行输入nvcc -V

release低于显卡的cuda即可。

若出现以下报错

 VIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.

分析：

这个错误表示你当前安装的PyTorch版本不支持你的NVIDIA GeForce RTX 3090显卡的CUDA能力。当前的PyTorch安装只支持较旧的CUDA计算能力。

解决方法

解决这个问题的方法是更新你的PyTorch版本，以支持你的显卡的CUDA能力。你可以尝试以下几种方法：

• 更新PyTorch： 检查你当前的PyTorch版本并尝试升级到最新版本。可以通过使用适当的命令来更新PyTorch（常见），如

 
 - pip install torch --upgrade   
 - conda install pytorch torchvisioncudatoolkit=<your desired CUDA version>

2.安装适当的CUDA版本：
确保你的系统上安装了与你的显卡兼容的CUDA版本。你可以访问NVIDIA官方网站，下载和安装与你的显卡和PyTorch兼容的CUDA版本。

3.检查CUDA驱动程序：
确保你的系统上安装了适当版本的CUDA驱动程序。可以通过访问NVIDIA官方网站，下载和安装与你的显卡和PyTorch兼容的CUDA驱动程序。

请注意，更新PyTorch和CUDA版本时，确保与其他依赖项和系统要求保持兼容。在更新之前备份你的环境，并仔细阅读更新文档和系统要求。

SyntaxError: multiple statements found while compiling a single statement

这是因为整体复制过去运行而产生的错误；解决方案如下：

方法一：先将第一行复制，敲一下回车，再将剩下的部分复制过去，运行；

方法二：直接手动输入（推荐）

【tensorboard】解决ValueError: Duplicate plugins for name projector

启动tensorboard时出现

ValueError: Duplicate plugins for name projector

报错的原因就是安装重复插件（安装了多个tensorboard）。

因此我们只需要去删除就行
tensorboard一般在Lib\site-packages\中

删除tensorboard-2.9.1.dist-info即可

数据集

数据集路径

SIDD（train）放置位置

autodl-tmp/Restormer/Denoising/Datasets/Downloads/SIDD/0001_001_S6_00100_00060_3200_L
autodl-tmp/Restormer/Denoising/Datasets/Downloads/SIDD/0002_001_S6_00100_00020_3200_N
…

运行 generate_patches_sidd.py文件后，会在autodl-tmp/Restormer/Denoising/Datasets/ 路径下生成 train目录，存放切割好的训练数据集

SIDD（val）放置路径

autodl-tmp/Restormer/Denoising/Datasets/val/SIDD/input_crops
autodl-tmp/Restormer/Denoising/Datasets/val/SIDD/target_crops

SIDD（test）放置路径

autodl-tmp/Restormer/Denoising/Datasets/test/SIDD/ValidationGtBlocksSrgb.mat
autodl-tmp/Restormer/Denoising/Datasets/test/SIDD/ValidationNoisyBlocksSrgb.mat

SIDD（val）完善

官方给定验证数据集是不全的，完整数据集参考