HiVT基础环境在40系显卡下的报错解决方法

对于入门轨迹预测这个方向的小白来说，HiVT是一篇质量非常高的论文，以下是我将论文要求硬件2080ti换为4080后居然有报错，所以来帮助大家避坑。

在CSDN里有很多大佬的踩坑记录，链接放在下边给大家参考。

安装argoverse和复现HiVT时踩的坑_hivt复现-CSDN博客

安装argoverse踩坑记录-CSDN博客

Argoverse数据集API安装和HiVT代码调试踩坑及排坑记录_argoverse api-CSDN博客

1.错误说明：

HiVT代码中的软件环境要求是py3.8，pytorch1.8.0+cuda11.1，pyg使用1.7.2，py-lightning为1.5.2，硬件要求为2080ti。

于是乎，我在换了4080后，心血来潮跑了一下，结果直接给我爆红：

下边也是一长串，大概意思是说cuda和40系显卡不太适配，什么GPU架构有不兼容问题。

我查了很多资料，又装了一下新一点的cuda12.1版本，使用软链接指向了cuda12.1作为默认。但依然没有解决问题，又发现有人说torch版本必须大于1.13版本才可以适配我的显卡和cuda。

我一想，反正cuda向下兼容，cuda高了没问题，但我的torch高了，我的pyg，一大堆包还得重新装。秉承着试一试态度，我装了torch1.13.1+cu116，由于PyG有4个依赖库，大家可以参考这篇博客自行下载：PyTorch Geometric (PyG) 库的安装_pyg安装-CSDN博客，基础环境配好后，我们还需要将官方api安装到我们的虚拟环境中。

我选择的包如下图所示：

2.Argoverse api安装

由于argo数据集官方api只能安装在Linux系统中，所以我安装了双系统win11+ubuntu20.04

首先我们需要去官网Argoverse 1，将数据集下载（训练，验证，测试）。并且下载HDmap文件，我们会得到一个hd_maps.tar.gz压缩包，解压后打开文件，里边有map_files文件。

在本地工程文件夹中使用clone命令将github的argoverse-apihttps://github.com/argoverse/argoverse-api复制到本地文件夹中，把map_files放到api文件的一级目录下，像下图这样：

按照要求放好高精地图文件后，我们还需要执行api安装，这部分我们还需要对依赖包进行处理，打开api文件的setup.py文件，我们对其中一些包进行修改，也可以直接用我下图的处理方式：

修改完毕后，我们可以直接运行pip install -e argoverse-api，但太慢了，我们直接在后边添加国内源，速度直接飞起（大概1分钟左右？？？），就像下面这样子。

pip install -e argoverse-api -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完毕后，发现代码中的argoverse还是会有错误提示，这是正常的，只需要在终端里输入python，然后运行import argoverse，若是没有报错，就证明我们安装成功了，代码也能正常运行。

2.HiVT报错解决

装完api，我们就可以按照github一步一步来解决下面的问题了：

首先是模型训练，/path/to/dataset_root/换成你自己数据集的路径，我们选择编码维度64

python train.py --root /path/to/dataset_root/ --embed_dim 64

2.1评价指标报错

ValueError: Unexpected keyword arguments: compute_on_step

将指标文件夹中ade.py，fde.py，mr.py文件中的super里的compute_on_step去掉即可。

不出所料，又有错误了。

2.2数据预处理报错

 大概意思是说我以前进行过数据预处理，让我删了我预处理的文件夹，重新运行，于是乎我删了训练和验证集里的processed文件夹后，代码又重新跑起来了。

如果你第一次跑，应该不会遇到这个问题。

接着我们会迎来第二个问题：

这个问题也很好解决，找到对应函数给他加一些东西进去。

点报错的最后一个文件地址，会进入到collate.py文件。

跳转进去是data.__inc__(key, value, store)这一行代码，PyCharm/VSCode用户可以按着ctrl+鼠标左键，然后出现下图这样：

选择第一个文件，进入到utils.py，把54行代码改成下图所示------在value的后面加上了  ,*args

之后就没有什么问题了，至少在我自己的环境中是这样的，此时运行训练代码，首先会执行数据预处理，之后会按照代码的batch_size进行训练了，训练的日志会存在lightning_logs中，希望大家顺利跑通。

3.总结

经过实践，代码终于能够在我的4080里跑了，后续课题研究有可能会找别的代码来看，有其他问题也会持续更新，记录一下第一次写博客哈哈哈。