常见问题

在这里我们列出了用户经常遇到的问题以及对应的解决方法。如果您遇到了其他常见的问题，并且知道可以帮到大家的解决办法， 欢迎随时丰富这个列表。

安装问题

• KeyError: “xxx: ‘yyy is not in the zzz registry’”

  只有模块所在的文件被导入时，注册机制才会被触发，所以您需要在某处导入该文件，更多详情请查看 https://github.com/open-mmlab/mmdetection/issues/5974。

• “No module named ‘mmcv.ops’”; “No module named ‘mmcv._ext’”

  1. 使用 pip uninstall mmcv 卸载您环境中的 mmcv

  2. 参考 installation instruction 或者 Build MMCV from source 安装 mmcv-full

• “invalid device function” 或者 “no kernel image is available for execution”

  1. 检查 GPU 的 CUDA 计算能力

  2. 运行 python mmdet/utils/collect_env.py 来检查 PyTorch、torchvision 和 MMCV 是否是针对正确的 GPU 架构构建的，您可能需要去设置 TORCH_CUDA_ARCH_LIST 来重新安装 MMCV。兼容性问题可能会出现在使用旧版的 GPUs，如：colab 上的 Tesla K80 (3.7)

  3. 检查运行环境是否和 mmcv/mmdet 编译时的环境相同。例如，您可能使用 CUDA 10.0 编译 mmcv，但在 CUDA 9.0 的环境中运行它

• “undefined symbol” 或者 “cannot open xxx.so”

  1. 如果符号和 CUDA/C++ 相关（例如：libcudart.so 或者 GLIBCXX），请检查 CUDA/GCC 运行时的版本是否和编译 mmcv 的一致

  2. 如果符号和 PyTorch 相关（例如：符号包含 caffe、aten 和 TH），请检查 PyTorch 运行时的版本是否和编译 mmcv 的一致

  3. 运行 python mmdet/utils/collect_env.py 以检查 PyTorch、torchvision 和 MMCV 构建和运行的环境是否相同

• “RuntimeError: CUDA error: invalid configuration argument”

  这个错误可能是由于您的 GPU 性能不佳造成的。尝试降低THREADS_PER_BLOCK 的值并重新编译 mmcv。

• “RuntimeError: nms is not compiled with GPU support”

  这个错误是由于您的 CUDA 环境没有正确安装。 您可以尝试重新安装您的 CUDA 环境，然后删除 mmcv/build 文件夹并重新编译 mmcv。

• “Segmentation fault”

  1. 检查 GCC 的版本，通常是因为 PyTorch 版本与 GCC 版本不匹配 （例如 GCC < 4.9 )，我们推荐用户使用 GCC 5.4，我们也不推荐使用 GCC 5.5， 因为有反馈 GCC 5.5 会导致 “segmentation fault” 并且切换到 GCC 5.4 就可以解决问题

  2. 检查是否正确安装 CUDA 版本的 PyTorc。输入以下命令并检查是否返回 True

     python -c 'import torch; print(torch.cuda.is_available())'
     

  3. 如果 torch 安装成功，那么检查 MMCV 是否安装成功。输入以下命令，如果没有报错说明 mmcv-full 安装成。

     python -c 'import mmcv; import mmcv.ops'
     

  4. 如果 MMCV 与 PyTorch 都安装成功了，则可以使用 ipdb 设置断点或者使用 print 函数，分析是哪一部分的代码导致了 segmentation fault

• “libtorch_cuda_cu.so: cannot open shared object file”

  mmcv-full 依赖 libtorch_cuda_cu.so 文件，但程序运行时没能找到该文件。我们可以检查该文件是否存在 ~/miniconda3/envs/{environment-name}/lib/python3.7/site-packages/torch/lib 也可以尝试重装 PyTorch。

• “fatal error C1189: #error: – unsupported Microsoft Visual Studio version!”

  如果您在 Windows 上编译 mmcv-full 并且 CUDA 的版本是 9.2，您很可能会遇到这个问题 "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include\crt/host_config.h(133): fatal error C1189: #error:  -- unsupported Microsoft Visual Studio version! Only the versions 2012, 2013, 2015 and 2017 are supported!"，您可以尝试使用低版本的 Microsoft Visual Studio，例如 vs2017。

• “error: member “torch::jit::detail::ModulePolicy::all_slots” may not be initialized”

  如果您在 Windows 上编译 mmcv-full 并且 PyTorch 的版本是 1.5.0，您很可能会遇到这个问题 - torch/csrc/jit/api/module.h(474): error: member "torch::jit::detail::ModulePolicy::all_slots" may not be initialized。解决这个问题的方法是将 torch/csrc/jit/api/module.h 文件中所有 static constexpr bool all_slots = false; 替换为 static bool all_slots = false;。更多细节可以查看 https://github.com/pytorch/pytorch/issues/39394。

• “error: a member with an in-class initializer must be const”

  如果您在 Windows 上编译 mmcv-full 并且 PyTorch 的版本是 1.6.0，您很可能会遇到这个问题 "- torch/include\torch/csrc/jit/api/module.h(483): error: a member with an in-class initializer must be const". 解决这个问题的方法是将 torch/include\torch/csrc/jit/api/module.h 文件中的所有 CONSTEXPR_EXCEPT_WIN_CUDA 替换为 const。更多细节可以查看 https://github.com/open-mmlab/mmcv/issues/575。

• “error: member “torch::jit::ProfileOptionalOp::Kind” may not be initialized”

  如果您在 Windows 上编译 mmcv-full 并且 PyTorch 的版本是 1.7.0，您很可能会遇到这个问题 torch/include\torch/csrc/jit/ir/ir.h(1347): error: member "torch::jit::ProfileOptionalOp::Kind" may not be initialized. 解决这个问题的方法是修改 PyTorch 中的几个文件：

  • 删除 torch/include\torch/csrc/jit/ir/ir.h 文件中的 static constexpr Symbol Kind = ::c10::prim::profile; 和 tatic constexpr Symbol Kind = ::c10::prim::profile_optional;

  • 将 torch\include\pybind11\cast.h 文件中的 explicit operator type&() { return *(this->value); } 替换为 explicit operator type&() { return *((type*)this->value); }

  • 将 torch/include\torch/csrc/jit/api/module.h 文件中的 所有 CONSTEXPR_EXCEPT_WIN_CUDA 替换为 const

  更多细节可以查看 https://github.com/pytorch/pytorch/pull/45956。

• MMCV 和 MMDetection 的兼容性问题；”ConvWS is already registered in conv layer”

  请参考 installation instruction 为您的 MMDetection 版本安装正确版本的 MMCV。

使用问题

• “RuntimeError: Expected to have finished reduction in the prior iteration before starting a new one”

  1. 这个错误是因为有些参数没有参与 loss 的计算，可能是代码中存在多个分支，导致有些分支没有参与 loss 的计算。更多细节见 https://github.com/pytorch/pytorch/issues/55582。

  2. 你可以设置 DDP 中的 find_unused_parameters 为 True，或者手动查找哪些参数没有用到。

• “RuntimeError: Trying to backward through the graph a second time”

  不能同时设置 GradientCumulativeOptimizerHook 和 OptimizerHook，这会导致 loss.backward() 被调用两次，于是程序抛出 RuntimeError。我们只需设置其中的一个。更多细节见 https://github.com/open-mmlab/mmcv/issues/1379。