快手训练

最新推荐文章于 2024-01-31 18:28:41 发布

原创最新推荐文章于 2024-01-31 18:28:41 发布 · 674 阅读

0 ·

CC 4.0 BY-SA版权

本文解决了Python开发中常见的三个问题：ImportError未找到cython_bbox模块，AttributeError找不到'text_format'属性，以及TypeError浮点数对象不能作为索引。提供了解决这些问题的具体步骤。

1、ImportError: No module named cython_bbox

解决办法是：在faster rcnn里面的cython_bbox.so放到需要调用的地方（faster rcnn里面的lib文件也要拷过去，然后make吗？不确定）

2、AttributeError: 'module' object has no attribute 'text_format'

解决办法是：在train.py增加一行import google.protobuf.text_format 即可解决问题

3、TypeError: 'float' object cannot be interpreted as an index

解决办法是：把numpy的版本由1.12.0降为1.11.0问题得以解决，先把原来的numpy卸载。

sudo pip install -U numpy==1.11.0/pip install --user numpy==1.11.1

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

alibabazhouyu

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

WIN10+Tensorflow+Faster RCNN训练错误：No module named cython_bbox

游戏引擎研发进阶之路

08-27

3万+

在训练Faster RCNN的时候，在win平台下，有一些倒霉的小伙伴或许会出现如图的错误。这个错误的主要原因是，目前网上流行的Faster RCNN版本大多都是基于Py35的。当你使用Py36的环境去编译，那么就会出现这个问题。我们需要对Faster RCNN项目当中的setup.py进行一点点修改。我们在程序的16行加上Extension( “lib.utils.cython_bbox...

ATC 2024 | 快手开源大模型长序列训练加速技术，性能大幅超越 SOTA 方案

mama19971023的博客

07-18

735

导读在深度学习领域，训练大型语言模型（LLMs）一直是一项极具挑战性的任务，它不仅需要巨大的计算资源，同时对内存的消耗也非常巨大。近期，快手大模型团队提出了创新的方法，包括感知流水并行的激活值卸载以及计算-内存均衡的检查点策略，该方法旨在无损地加速大型语言模型的训练过程。目前论文入选ATC 2024大会，代码已开源。图片。

参与评论您还未登录，请先登录后发表或查看评论

windows解决ModuleNotFoundError: No module named ‘cython_bbox‘问题，亲测可用

编程研究坊的博客

09-25

1129

windows解决ModuleNotFoundError: No module named 'cython_bbox'问题，亲测可用

解决 python No module named ‘cython.bbox‘ 的问题

salewang的博客

01-19

3632

在复习 alphapose 的代码是发现这个问题解决链接：https://pan.baidu.com/s/1C9W7mi9jyAlf_gMb7rV9Yg 提取码：j7yz 这是cython_bbox的库复制路径输入pip install “cython_bbox路径” 检查

Windows上遇到错误之No module named ‘cython_bbox‘

qq_45652065的博客

01-31

736

①首先从官网下载cython_bbox库，官网地址，进入官网后，单击Download files，再单击cython_bbox-0.1.3.tar.gz开始下载。②将下载的cython_bbox-0.1.3.tar.gz解压，解压后打开文件夹，右击setup.py以记事本的方式打开，将第31行。

报错解决——ModuleNotFoundError: No module named ‘cython_bbox‘

Williamcsj的博客

10-10

5627

报错解决——ModuleNotFoundError: No module named 'cython_bbox'

5-1+快手八卦！突破+PyTorch、TensorFlow并行瓶颈的训练加速框架到底是啥？.pdf

03-18

总之，Bagua是一个强大的训练加速框架，它通过综合优化数据读取、预处理、计算、通信等多个环节，有效地解决了PyTorch和TensorFlow等深度学习框架在并行训练时的瓶颈，为快手这样的大规模业务提供了显著的训练效率...

【快手】端上视觉技术的极致效率及其短视频应用实践

09-25

1. 机器学习平台：快手Y-tech拥有强大的机器学习平台，能够支持大规模的数据处理和模型训练。 2. 深度学习平台：快手Y-tech的深度学习平台能够支持复杂的计算机视觉任务，例如图像识别、视频分析等。 3. 媒体引擎：...

大模型技术在快手搜索的应用-许坤

01-09

而快手的目标是将视觉作为“外语”来对待，并为视觉和文本模态制定统一的训练目标，即以自回归的方式预测下一个图像/文本标记。在快手搜索大模型的实践中，视觉标记器是关键组件之一，它通过离散的视觉标记和动态...

火星文化-抖音VS快手红人电商研究报告-2019.11-33页.pdf

04-08

抖音好物榜将商品分为24个类别，包括精品女装、香水彩妆、母婴儿童、玩具、礼品/礼物、家居/家纺/家装/厨具、生活日用、汽车用品、食品饮料、电脑/办公用品、手机配件、潮流男装、鞋包饰品、健身训练、纸品清洁、...

cython_bbox.so

11-12

Faster-RCNN在linux tensorflow python3.5下运行时需要的make生成文件。

cython_bbox.cpython-36m-x86_64-linux-gnu.so

11-12

Faster-RCNN在linux tensorflow python3.6下运行时需要的make生成文件

快手sig3、sig、NStoken算法，附带测试用例

06-08

快手的sig3、sig、NStoken 的三个python算法源码，快手、快手概念版、快手极速版都可以使用

cython_bbox无法安装以及问题解决办法

weixin_43389514的博客

07-18

2281

python No module named 'cython.bbox'

完美解决WIN10下Faster RCNN训练错误：No module named cython_bbox（python=3.5）

hfliu96的博客

01-02

2131

很多在win10下配置后训练Fater rcnn 会出现报错No module named cython_bbox的问题！我的版本是tf = 1.10, python=3.5 如果是3.6版本的话可以尝试修改step.py，然后更换文件应该可行，我没试过。实在不行重新conda py=3.5的版本。 #cd到./lib/utils下然后运行下面这行代码 python setup.py build...

ImportError: No module named 'lib.utils.cython_bbox'

csdnnmbdybb的博客

05-03

7828

原因：缺少文件，注意目录；如果没有自己找一下，别留言了(我东西不知道放哪了hhh,大家还是最后用主流的linux来做，问题会少很多)

运行fasterrcnn报错No module named cython_bbox以及由此引发的新错误error: Unable to find vcvarsall.bat

To_be_a_Phd的博客

03-13

2753

1.运行train.py 报错No module named cython_bbox 这是由于fasterrcnn为基于pyhton3.5的代码，但是之前安装的python版本为3.6，解决方法很简单这位博主的方法即可解决 https://blog.csdn.net/memories_sunset/article/details/82117628 但是，该博主的代码在运行过程中会报出新的...

ModuleNotFoundError: No module named ‘utils.cython_bbox‘

最新发布

04-29

<think>好的，我现在需要处理用户关于快手AI技术和应用的查询。首先，用户明确提到了想了解快手在这方面的具体情况，所以我要先回顾之前提供的引用内容，特别是引用3提到的快手AI实验室Y-Lab的招聘信息，这可能涉及他们的技术方向。用户的问题集中在技术和应用上，所以需要分两部分回答：技术方向和应用场景。技术方面，引用3提到了计算机视觉领域的图像分割、检测、分类、风格迁移等，以及深度学习框架的使用，这些都是快手可能的技术重点。此外，招聘要求中的竞赛获奖和项目经验，说明他们注重算法优化和实际应用能力。应用场景方面，快手作为短视频平台，AI技术可能用于内容生成、推荐系统、虚拟数字人等。例如，视频处理中的特效、自动剪辑，用户个性化推荐，以及虚拟主播或数字人直播。需要结合引用3中的岗位职责，比如风格迁移、模型训练，来具体说明这些应用。另外，用户之前的引用还提到了AI视频制作的多个阶段，比如第四阶段的虚拟数字人课程，第五阶段的变现渠道，这可能与快手的AI应用相关，比如数字人直播或内容生成工具。需要将这些信息整合到回答中，但要注意引用来源是否正确对应。要确保回答结构清晰，分点列出技术和应用，每个部分用例子说明，并自然加入引用标记。同时，生成的相关问题需要引导用户深入探讨，比如技术细节、挑战或具体案例。检查是否需要补充其他信息，比如快手公开的技术博客、新闻，但当前仅依赖提供的引用。需注意引用3中的Y-Lab招聘信息是关键，需准确反映其技术方向和应用领域。同时避免涉及用户未提到的其他领域，保持回答的针对性。最后，确保使用正确的中文表达，LaTeX格式无误，没有使用任何markdown，段落分明，引用标识正确放置。生成的问题要围绕快手AI的技术挑战、实际案例、行业影响等，帮助用户进一步探索。</think>### 快手AI技术与其应用快手在人工智能领域的技术布局主要围绕**计算机视觉**、**内容生成与推荐**、**虚拟数字人**等方向展开，结合其短视频与直播生态，形成了多样化的应用场景。 #### 1. **核心技术方向** - **计算机视觉**：快手的AI实验室（如Y-Lab）聚焦于图像分割、物体检测、风格迁移等技术[^3]。例如，通过风格迁移技术，用户可将普通视频转换为油画、日漫等艺术风格；物体检测则用于智能审核，自动识别违规内容。 - **深度学习框架应用**：快手在模型训练中广泛使用$PyTorch$、$TensorFlow$等工具，优化算法效率[^3]。例如，通过改进的卷积神经网络（CNN）实现实时视频特效处理。 - **内容生成与推荐**：结合用户行为数据，利用强化学习优化推荐系统，提升视频分发的精准度。例如，通过$RNN$（循环神经网络）建模用户兴趣变化，生成个性化内容流。 #### 2. **典型应用场景** - **短视频创作工具**： - **智能特效**：如动态贴纸、背景分割（利用图像分割技术），降低用户创作门槛。 - **AI剪辑**：自动生成卡点视频，结合音乐节奏与画面内容，提升用户体验[^1]。 - **虚拟数字人直播**：通过虚拟形象生成与驱动技术（参考第四阶段AI数字人课程[^1]），快手支持虚拟主播直播，并集成到OBS等平台，拓展内容形式。 - **内容审核与安全**：利用物体检测与自然语言处理（NLP），自动识别违规视频与评论，保障平台内容合规性[^3]。 - **商业化应用**：结合第五阶段的“多渠道变现课程”[^1]，AI技术被用于广告精准投放、电商直播中的虚拟试穿等场景。 #### 3. **技术挑战与优化** - **实时性要求**：短视频与直播场景需低延迟处理，推动模型轻量化（如模型剪枝、量化）。 - **多模态融合**：结合音频、文本、视觉数据，提升推荐系统与内容生成质量。例如，通过跨模态检索实现“以图搜视频”。 ###