CLIPasso中遇到的问题

一、遇到网络连接相关报错

OSError: [Errno 101] Network is unreachable 
TypeError: Descriptors cannot not be created directly

     1.使用 requests 库来发送网络请求，并通过设置代理来确保所有请求都经过代理服务器

        发现行不通

import requests

# 代理服务器的地址和端口
proxy_host = 'your_proxy_host'
proxy_port = 'your_proxy_port'

# 代理认证信息（如果需要）
proxy_username = 'your_proxy_username'
proxy_password = 'your_proxy_password'

# 创建一个代理会话
session = requests.Session()
session.proxies = {
    'http': f'http://{proxy_username}:{proxy_password}@{proxy_host}:{proxy_port}',
    'https': f'https://{proxy_username}:{proxy_password}@{proxy_host}:{proxy_port}'
}

# 发送网络请求
response = session.get('https://www.example.com')

# 处理响应
print(response.text)

     2.于是找到了包含'http'位置的代码，发现只有一个，它对应着下载一个u2net.pth文件，于是直接在本机上下载，并通过FileZilla放到指定的服务器路径中。

 至此，网络问题解决。

二、测试CUDA是否可用

1. 检查NVIDIA驱动程序是否正确安装：运行以下命令检查NVIDIA驱动程序是否正确安装并可识别GPU：

   nvidia-smi

   如果成功运行，将显示与GPU相关的信息。

2. 检查CUDA工具包是否安装：运行以下命令检查CUDA是否正确安装：

   nvcc --version

   如果成功运行，将显示CUDA的版本信息。

3. 编写一个简单的CUDA程序进行测试：可以编写一个简单的CUDA程序来验证CUDA是否可用。下面是一个简单的CUDA程序示例：

   #include <stdio.h> 
   __global__ void helloCUDA() 
   {
    printf("Hello CUDA!\n"); 
   } 
   int main() 
   {
    helloCUDA<<<1, 1>>>(); 
   cudaDeviceSynchronize(); 
   return 0; 
   }

   将以上代码保存为hello.cu文件，并使用以下命令编译和运行程序：

   nvcc hello.cu -o hello 
   ./hello

   如果输出中显示"Hello CUDA!"，则表示CUDA可用。

        但上述方法不太准确，可以正常输出但运行代码时会出现

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

        于是又用如下方法测试了一下torch能否正常使用，出现了如下报错，

python
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.zeros(1).cuda()

/home/star/anaconda3/envs/CLIP/lib/python3.7/site-packages/torch/cuda/__init__.py:104: UserWarning:
NVIDIA 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_70 sm_75.
If you want to use the NVIDIA GeForce RTX 3090 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/

结果显示是NVIDIA GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.于是查了一下CUDA10.1对应的CUDA capability包括

sm_30、sm_35、sm_50、sm_52、sm_53、sm_60、sm_61、sm_62、sm_70、sm_72和sm_75

  所以得出的结论是这个显卡不能用CUDA10.1，只能升版本换回了CUDA11.6，具体方法是

//先删除原先建立的软链接
sudo rm -rf /usr/local/cuda

//将切换的cuda版本软连接到原先的cuda中
sudo ln -s /usr/local/cuda-11.6 /usr/local/cuda

三、修改torch版本后遇到的问题

        1.然后安装对应版本的torch和torchvision

torch-1.13.0+cu116-cp37-cp37m-linux_x86_64.whl
torchvision-0.14.0+cu116-cp37-cp37m-linux_x86_64.whl

        2.运行.py文件报错

AttributeError: module 'torch.nn.functional' has no attribute '_pad'

        3.猜测是在PyTorch 1.7.0中使用的torch.nn.functional._pad函数书写格式在PyTorch 1.13.0修改了，于是询问chatgpt，发现确实修改，PyTorch 1.13.0改为

torch.nn.functional.pad

至此，.py文件顺利运行