【无标题】安装环境

conda create --name AET python=3.8

pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

清华镜像加速

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1+cu118 -f https://download.pytorch.org/whl/torch_stable.html

安装cuda11.3 +PyTorch 1.10.1

https://pytorch.org/get-started/previous-versions/

conda install pytorch1.10.1 torchvision0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

不可以，一直在解析环境

如果没有可以点Previous pyTorch Versions，这里面有更多的更早的版本

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

通过以上指令会把Pytorch1.10以及需要的CUDA11.3全部安装好（不需要单独安装CUDA）

复制非空文件夹cp: -r not specified； omitting directory XXX

linux复制操作 cp: -r not specified； omitting directory XXX 错误
记得加上 -r

查看显卡使用情况

nvidia-smi

彩色、高亮、好看

gpustat

指定某张显卡

CUDA_VISIBLE_DEVICES=1 python read.py pretrained=parseq refine_iters:int=2 decode_ar:bool=false --images demo_images/*

虚拟环境和系统中CUDA版本不同的解决方法

如果想在虚拟环境中使用与系统中的CUDA版本相匹配的torch版本，可以尝试在虚拟环境中使用以下命令来安装特定版本的torch。

首先，查看CUDA和cudnn版本：

1.虚拟环境

import torch
print(torch.cuda.current_device())   # 返回当前设备索引
print(torch.cuda.device_count())    # 返回GPU的数量
print(torch.cuda.get_device_name(0))   # 返回gpu名字，设备索引默认从0开始
print(torch.cuda.is_available())   # cuda是否可用
print(torch.version.cuda)  # cuda版本
print(torch.backends.cudnn.version()) #cudnn

我的虚拟环境cuda10.2

2.系统环境

nvcc -V

我的系统环境cuda11.6

然后，使用pip卸载torch和torchvision，去官网下载whl包，比如你要安装torch=1.12.1，不用pip install torch1.12.1，可以尝试pip install torch1.12.1+cu116 或者官网下载对应的whl再pip install xxxx.whl

原文链接：https://blog.csdn.net/a81498391/article/details/132301277

安装torch cuda成功后，用以下代码测试cuda是否可用：

虚拟环境 和 系统 cuda版本不一定要一样，兼容就可以，测试在系统上cuda是否可用就行，
比如我虚拟环境cudatoolkit=11.1 和系统cuda 11.8还是11.6 也是ok的

python -c 'import torch;print(torch.__version__)'

查看版本

 1.8.1+cu102

import torch
torch.cuda.is_available()
# 返回True 接着用下列代码进一步测试
torch.zeros(1).cuda()

MultiplexedOCR

cannot import name ‘_download_url_to_file‘ from ‘torch.utils.model_zoo‘

ImportError: cannot import name ‘HASH_REGEX’ from ‘torch.utils.model_zoo’

try:
    from torch.hub import HASH_REGEX, _download_url_to_file, urlparse
except ImportError:
    from torch.hub import download_url_to_file
    from torch.hub import urlparse
    from torch.hub import  HASH_REGEX
    #from torch.utils.model_zoo import _download_url_to_file
    #from torch.utils.model_zoo import urlparse
    #from torch.utils.model_zoo import HASH_REGEX

ImportError: cannot import name ‘TopologicalError’ from ‘shapely.geos’

Revert Shapely to 1.8.5 and Numpy to 1.23.4
Should work.

ImportError: /data1/xyj/MultiplexedOCR-main/multiplexer/_C.cpython-38-x86_64-linux-gnu.so: undefined symbol: _ZN3c106SymInt19promote_to_negativeEv

I’ve faced of this issue recently and creating a new environment with parameters below solved my problem.

PS : I assume that you’re using torch with CUDA, if you’re not you can install non-GPU versions.

torch version : 1.9 + cu111
torchvision : 0.10.0 + cu111
torchaudio : 0.9.0

You can download these from ;

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

好像不管什么版本 -f 后面接的都是一个网址

TypeError: join() argument must be str, bytes, or os.PathLike object, not ‘NoneType‘

Test_spotting_transformer

训练语料库只含少量中文数据，论文中写到将其忽略

python demo/demo.py --config-file configs/TESTR/TotalText/TESTR_R_50_Polygon.yaml --input work_dirs/ocr_en_422k --output output/en --opts MODEL.WEIGHTS work_dirs/totaltext_testr_R_50_polygon.pth MODEL.TRANSFORMER.INFERENCE_TH_TEST 0.3 

python demo/demo.py --config-file configs/TESTR/TotalText/TESTR_R_50_Polygon.yaml --input work_dirs/ocr_en_422k --output output/en --opts MODEL.WEIGHTS work_dirs/totaltext_testr_R_50_polygon.pth MODEL.TRANSFORMER.INFERENCE_TH_TEST 0.3 

检测中文时出现以下错误

/data1/xyj/anaconda3/envs/TESTR/lib/python3.8/site-packages/detectron2/utils/visualizer.py:308: UserWarning: Glyph 21475 (\N{CJK UNIFIED IDEOGRAPH-53E3}) missing from current font.

openmmlab (DLD,Dynamic Low-Resolution Distillation)

从网上上找到的资料看，可能是由于最新版本的pytorch (1.11以上）去除对这个头文件的支持，所以我们建议使用pytorch 1.8版本会比较稳定

pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

原来是conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia 这个版本

error: metadata-generation-failed

error: metadata-generation-failed

需要执行命令 pip install setuptools==50.3.2

问题解决

ERROR: Failed building wheel for mmpycocotools

安装cython=0.29.33版本就可以解决

pip3 install cython==0.29.33 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

pip install mmpycocotools

ERROR: Could not build wheels for mmpycocotools, which is required to install pyproject.toml-based projects

ImportError: /usr/local/anaconda3/envs/py38/lib/python3.8/site-packages/mmcv/_ext.cpython-38-x86_64-

mmcv官方：https://mmcv.readthedocs.io/en/latest/get_started/installation.html

这些问题归根到底还是mmcv-full和自己安装的pytorch版本不匹配的原因导致的，所以在安装mmcv-full时，尽量不要偷懒，不要直接pip install mmcv-full，先检查好自己的nvidia驱动以及CUDA版本，然后去mmcv的github或者官网去寻找指定的命令去下载，找到匹配的版本下载安装后，就可以正常运行了。

原文链接：https://blog.csdn.net/weixin_42130300/article/details/121616567

官方链接

AssertionError: MMCV==2.1.0 is used but incompatible. Please install mmcv>=1.2.4, <=1.4.0.

安装mmcv

MMCV是OpenMMLab系列代码的基础库。Linux环境安装的whl包又打包好的，相对较容易，可以直接下载安装
特别注意需要和Pytorch 和 CUDA版本对应，才能确保安装，安装过程出现ERROR的红色字样均需要卸载重新安装
当前机器版本为Torch 1.8.0 CUDA 10.2 ，安装相应的版本
#安装mmcv
#使用简单功能使用下命令
#!pip install mmcv -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8.1/index.html
#安装完全版本
#!pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8.1/index.html

#安装只需要修改cuda版本和torch版本即可，当前安装的是mmcv-full
————————————————
版权声明：本文为CSDN博主「瑾怀轩」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/ckq707718837/article/details/121252909

pip uninstall -y mmdet mmcv
conda install -y cython==0.28.5
pip install mmcv==0.6.2 terminaltables Pillow==6.2.2

export FORCE_CUDA="1"

pip install "git+https://github.com/open-mmlab/cocoapi.git#subdirectory=pycocotools"
pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI"

rm -rf build
pip install -r requirements/build.txt
python setup.py develop

pip install mmcv==1.4.0
# pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/{cu版本}/{torch版本}/index.html
pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8.1/index.html

mmcv报错:ModuleNotFoundError: No module named ‘mmcv._ext‘

当前的仓库代码是基于mmcv-full==1.3.4和mmdet=2.11.0，新的mmdet一些接口的调用位置会发生变化

mmdet=2.11.0
pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8.1/index.html
解决
解决方法:

mmcv正常安装

先卸载mmcv-full,然后重新安装一下

OSError: checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth is not a checkpoint file

config文件对应错了

RuntimeError: CUDA error: no kernel image is available for execution on the device

换了个环境，pytorch==1.8 比较稳定据说，这个版本cuda可以在系统虚拟环境上work

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

哭死，还好别的包没有报错，虽然是按照之前的cuda安装的对应版本

虚拟环境和系统中CUDA版本不同的解决方法

如果想在虚拟环境中使用与系统中的CUDA版本相匹配的torch版本，可以尝试在虚拟环境中使用以下命令来安装特定版本的torch。

首先，查看CUDA和cudnn版本：

1.虚拟环境

import torch
print(torch.cuda.current_device())   # 返回当前设备索引
print(torch.cuda.device_count())    # 返回GPU的数量
print(torch.cuda.get_device_name(0))   # 返回gpu名字，设备索引默认从0开始
print(torch.cuda.is_available())   # cuda是否可用
print(torch.version.cuda)  # cuda版本
print(torch.backends.cudnn.version()) #cudnn

我的虚拟环境cuda10.2

2.系统环境

nvcc -V

我的系统环境cuda11.6

然后，使用pip卸载torch和torchvision，去官网下载whl包，比如你要安装torch=1.12.1，不用pip install torch1.12.1，可以尝试pip install torch1.12.1+cu116 或者官网下载对应的whl再pip install xxxx.whl

原文链接：https://blog.csdn.net/a81498391/article/details/132301277

安装torch cuda成功后，用以下代码测试cuda是否可用：

虚拟环境 和 系统 cuda版本不一定要一样，兼容就可以，测试在系统上cuda是否可用就行，
比如我虚拟环境cudatoolkit=11.1 和系统cuda 11.8还是11.6 也是ok的

python -c 'import torch;print(torch.__version__)'

查看版本

 1.8.1+cu102

import torch
torch.cuda.is_available()
# 返回True 接着用下列代码进一步测试
torch.zeros(1).cuda()

Error: Failed to call git rev-parse --git-dir: exit status 128

需安装 git、git-lfs

执行 git lfs install命令可能会报错

Error: Failed to call git rev-parse --git-dir: exit status 128

可以忽略

出现Git LFS initialized.即完成安装

降低包的版本 pip install protobuf==3.20.*

使用 pip 降级 protobuf
pip install protobuf==3.20.*

paddleOCR

安装指南文档
这个官网链接在这https://www.paddlepaddle.org.cn/

Linux 下的 PIP 安装

Linux 下的 Conda 安装

我安装好是靠它==>

conda install paddlepaddle-gpu==2.6.0 cudatoolkit=11.7 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge

CUDA_VISIBLE_DEVICES=2 paddleocr --image_dir /data1/xyj/datasets/zh/gt_35277.jpg --use_angle_cls true --use_gpu true --det false --output ./output

CUDA_VISIBLE_DEVICES=2 python3 tools/infer/predict_rec.py --image_dir="/data1/xyj/datasets/zh/gt_35277.jpg" --rec_model_dir="./ch_PP-OCRv3_rec_infer/"

paddleocr --image_dir /data1/xyj/datasets/zh --use_angle_cls true --use_gpu true --det false --output ./outputs

paddleocr --image_dir /data1/xyj/datasets/en_sample --use_angle_cls true --use_gpu true --det false --output ./outputs

paddleocr --image_dir /data1/xyj/datasets/en_sample/ --lang=en

paddleocr --image_dir /data1/xyj/datasets/zh/gt_271192.jpg --lang=ch