搭建复现论文代码所需运行环境（成功）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

想复现论文，如果有代码的源码，其实最难的是搭建运行环境，只要环境搭建起来，就可以跑代码，那时候需要担心的就是实验效果不行的问题

---

先找到github开源项目地址，以这篇论文为例

一、查看所需环境

一般是看readme.md文件，在文件中会有对项目的各种详细介绍，如怎么跑，需要什么环境。

二、搭建环境

1.怎么看cudnn版本和cuda版本

查看cudnn版本（linux）：

print(torch.backends.cudnn.version())
//在PyTorch中，torch.backends.cudnn.version() 函数返回的数值（如8902）是表示当前PyTorch配置中使用的cuDNN库版本的一种方式。这个数值通常是由cuDNN的版本号转换而来的，但并非直接对应于cuDNN的常规四位数版本号（如7.6.5、8.0.0等）。
//具体来说，torch.backends.cudnn.version() 返回的数值可能是通过某种算法将cuDNN的版本号转换为整数得到的。然而，这个转换过程并不是直接简单的将四个数字拼接或相加，因为这样的转换无法保证数值的唯一性和递增性。因此，具体的转换算法可能是由PyTorch或cuDNN的开发团队内部定义的。

查看cuda版本（linux）：

nvcc -V  //得到版本是11，4，要把cuda提升到12.0

切换cuda版本

先查看已经安装的cuda版本

ls -l /usr/local

…(其实我没有实现切换，而是找了一个新的服务器，cuda版本是12.3，驱动是500+)
当前cuda为12.3，可按照12.1版本的pytorch

2.安装conda环境

代码如下（示例）：

conda create -n test python=3.10
conda activate test
conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=12.1 -c pytorch -c nvidia

安装完环境，再次pip 看环境

验证torch是否能使用已经验证版本

import torch
print(torch.__version__)  # 查看torch当前版本号
print(torch.version.cuda)  # 编译当前版本的torch使用的cuda版本号
print(torch.cuda.is_available())  # 查看当前cuda是否可用于当前版本的Torch，如果输出True，则表示可用

3.运行代码

搭建基本环境，安装其他资源，有多种安装方法 选择其一即可

pip install distrifuser

在当前文件夹下clone项目

git clone https://github.com/mit-han-lab/distrifuser.git

运行代码

跑不起来，网络下载不了hugface数据集，版本不统一（torchrun --nproc_per_node=1 scripts/generate_coco.py --no_split_batch），自己下载数据集，说没有git-lfs权限，自己安装sudo没有管理员权限，感觉就是跑不起来，无疾而终。

对于hugfacing他的东西下下载不了，看到很多都说是网络问题，但是解决办法说是取消代理，但是我也不太懂怎么取消代理，但是找到了一个非常牛的解决办法 ，设置环境

export HF_ENDPOINT=https://hf-mirror.com

虽然不知道，这句话到底解决了哪里，但是设置完，就可以实现下载，不会在报错。
文件下载中。。。

这个就没有443错误，下载网络问题解决。

下载完成后，会实现加载load，加载完成后，即完成了项目的运行

这个load加载完就跑完了代码，那这个代码显示是只有load pipeline。打开此目录下的东西，会发现多个png图片，这就是处理完成后的图像，本篇内容也是对高质量图片生成的加速。
对于在hugface上下载的模型，下载在缓存中

这个只运行了一个脚本，其他没有跑，因为现在只想尝试跑代码，不会走这个方向，所以这篇论文到这里就结束了

---

·

总结

对于代码的复现，主要是完成环境的搭建，按照md文件运行，对于一些变量的补充，如这个代码中的gpu数量，要依据这个按照自己的理解 代码的描写来补充，使其能顺利运行。
这个的运行只要是在hugface里面下载模型比较麻烦，其他就没什么了