Windows下安装chamferdist库

于 2024-07-12 21:45:44 发布
阅读量605 收藏
点赞数 5
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_61663117/article/details/140389169
版权

在pip或者本地安装该库时报错 #error:  -- unsupported Microsoft Visual Studio version! Only the versions between 2017 and 2022 (inclusive) are supported! The nvcc flag '-allow-unsupported-compiler' can be used to override this version check; however, using an unsupported host compiler may cause compilation failure or incorrect run time execution. Use at your own risk.

进入host_config.h文件（该文件的具体位置会在报错信息中给出），修改下述内容

把  #if _MSC_VER < 1910 || _MSC_VER >= 1930改为 #if _MSC_VER < 1910 || _MSC_VER >= 2030
吴闹闹888
关注
  • 5
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
ChamferDistancePytorch:Pytorch 中的倒角距离与 f-score
05-29
pip install torch ninja Pytorch 倒角距离。 包括一个CUDA版本和一个带有 pytorch 标准操作的PYTHON版本。 注意：在这个仓库中，dist1 和 dist2 是点云欧氏距离的平方，因此您应该相应地调整阈值。...
windows10环境下，Python 使用dlib cuda 编译和安装
qq_45145827的博客
01-21 1835
windows10环境下，Python 使用dlib cuda 编译和安装
fatal error C1189: #error: -- unsupported Microsoft Visual Studio version!
热门推荐
lishiyu93的博客
03-09 1万+
在运行一项Python程序时，出现了Microsoft Visual Studio version版本不支持的情况，具体如下： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include\crt/host_...
unsupported Microsoft Visual Studio version! Only the versions between 2017 and 2022
FL1623863129的博客
06-27 699
修改host_config.h。
Pytorch unsupported Microsoft Visual Studio version! Only the versions between 2017 and 2019
makao007的博客
11-01 1953
fatal error C1189: #error: -- unsupported Microsoft Visual Studio version! Only the versions between 2017 and 2019 (inclusive) are supported! The nvcc flag '-allow-unsupported-compiler' can be used to override this version check
Pytorch c++ 部署报错解决方案
fengshengwei3的专栏
01-01 2626
libtorch 部署时报错解决方案
【报错】fatal error C1189
thisjuly的博客
02-23 1151
【报错】fatal error C1189: #error: – unsupported Microsoft Visual Studio version!进入->C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include\crt。修改host_config.h。
Cuda 11.4和VS2015不兼容
Z_Paper的博客
10-14 2552
经过几天的折腾，发现Cuda 11.4和VS2015不兼容。 我搭环境遇到的问题 问题一： 安装完Cuda 11.4之后，VS2015新建项目中没有Cuda 11.4的模板。 经过一顿折腾之后，解决了。 方法连接：https://blog.csdn.net/zjy1175044232/article/details/120746396 问题二： 可以新建Cuda工程了，发现根本编译不了。MSB3721编译报错。 nvcc fatal : nvcc cannot find a su..
CUDA编译报错unsupported GNU version! gcc versions later than 10 are not supported!
豆芽菜
04-18 3064
python编译用于cuda的so文件中，使用编译.cu文件出错：gcc版本过高，与cuda不兼容，查看本机的gcc版本： 安装版本10的gcc和g++: 为nvcc编译器指定特定版本的gcc：由于linux中可以有多个版本的gcc和g++，我们可以为系统默认的gcc和g++指定特定的默认版本，但是对于cuda的nvcc来说有更方便的方法，那就是nvcc会优先读取自身路径下的gcc然后如果没有再读取系统默认路径下的gcc，因此我们只需要为nvcc设置特定版本gcc的软连接即可： 然后可以正常编译
fatal error C1189: #error: -- unsupported Microsoft Visual Studio version!
最新发布
m0_53264553的博客
06-28 457
我现在的VS版本是2022，明显高了，所以卸载掉现在的版本，下载VS2019就解决了。
nvcc fatal:nvcc cannot find a supported version of Microsoft Visual Studio.
Xinghongjia的博客
05-25 3175
花了一天时间解决这个问题，装了好几个版本的VS2010，2015，2017；然后cuda也下载了11.1；11.3；卸载重装了好几次，电脑还重启了好几次，最后还是不行，打算把这个问题放一放来着，还是想挣扎一下，解决了。 1.看自己的显卡对应cuda版本，下载VS，对应cuda，以及cudnn； 这些概念的理解可以参考： 显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？ - 知乎 (zhihu.com) 先看自己的电脑的显卡对应的cuda版本，方法如下
ERROR: Could not build wheels for chamferdist, which is required to install pyproject.toml-based...
l66486267的博客
05-02 364
解决方法：在官网上下载安装build tools.
使用mexcuda编译.cu文件报错的解决：The selected C++ compiler is not supported for CUDA compilation.
m0_46317675的博客
01-27 1558
主要问题：MATLAB2022b不支持Visual studio 2022 解决方法：装一个Visual studio 2019
Ubuntu18.04——切换gcc版本 / 报错解决: error -- unsupported GNU version gcc later than 10 are not supported
Irving.Gao的博客
02-27 5740
报错截图 /usr/local/cuda/include/crt/host_config.h:139:2: error: #error – unsupported GNU version! gcc versions later than 10 are not supported! The nvcc flag ‘-allow-unsupported-compiler’ can be used to override this version check; however, using an unsuppor
探索3D点云的新维度：PyTorch Chamfer距离库
gitblog_00014的博客
05-27 504
探索3D点云的新维度：PyTorch Chamfer距离库 项目地址:https://gitcode.com/krrish94/chamferdist 在这个3D深度学习的时代，处理和理解3D数据变得越来越重要。【chamferdist】是一个基于PyTorch的开源库，专门用于计算两个点云之间的Chamfer距离，这是评估3D形状重建任务性能的关键指标。本篇文章将带领你深入了解这个库，以及它的强...
pythonocc基础：OCC.Core.BRepFilletAPI类简介
m0_65073612的博客
05-13 347
是 OpenCASCADE Technology (OCC) 库中的一个模块，专门用于在三维模型上创建圆角（fillet）和倒角（chamfer）。圆角和倒角是CAD设计中常见的几何修改操作，用于平滑边缘、增强零件的可制造性或满足设计规范。提供了高效且灵活的API来实现这些功能。
mega-nerf安装流程
Hound_的博客
11-20 1459
mega-nerf这篇论文用自定义数据集为什么就复现不出来，会出现loss=nan的错误呢？
ubuntu 编译安装支持CUDA的OpenCV+其他opencv细节(需要特定版本gcc)
ResumeProject的博客
02-28 5709
ubuntu 编译安装支持CUDA的OpenCV
用python实现Fast Directional Chamfer Matching，并展示两张图上对应点的匹配关系
09-18
Fast Directional Chamfer Matching (FDCM) 是一种用于图像匹配的算法。它可以在两张图像之间找到对应的点对，并且运行速度比较快。 下面是一个使用 Python 实现 FDCM 的例子： ```python import numpy as np import cv2 def fast_directional_chamfer_matching(template, target): # 计算模板和目标图像的边缘 template_edges = cv2.Canny(template, 50, 200) target_edges = cv2.Canny(target, 50, 200) # 计算边缘图像之间的 Chamfer 距离 chamfer_distance = cv2.distanceTransform(template_edges, cv2.DIST_L2, 5) chamfer_distance = np.amin(chamfer_distance, axis=2) chamfer_distance = np.ascontiguousarray(chamfer_distance) chamfer_distance = chamfer_distance.astype(np.float32) # 找到最小的 Chamfer 距离 min_distance = np.amin(chamfer_distance) min_distance_index = np.argmin(chamfer_distance) min_distance_coords = np.unravel_index(min_distance_index, chamfer_distance.shape) # 在目标图像上绘制匹配点 target_with_match = target.copy() cv2.circle(target_with_match, min_distance_coords, 5, (255, 0, 0), -1) return min_distance, min_distance_coords, target_with_match # 加载模板和目标图像 template = cv2.imread("template.jpg", 0) target = cv2.imread("target.jpg", 0) # 运行 FDCM min_distance, min_distance_coords, target_with_match = fast_directional_chamfer_matching(template, target) # 打印最小的 Chamfer 距离 print(f"Minimum distance: {min_distance}") # 显示目标图像上的匹配点 cv2.imshow("Target with match", target_with_match) cv2.waitKey(0) ``` 在这个例子中，函数 `fast_directional_chamfer
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吴闹闹888

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值