装不了 pytorch=0.4.0？ ubuntu下 基于 cuda=92 和 pytorch=1.2 配置环境跑通 CornerNet 训练和测试流程 步骤详解（包括GPU限制问题详解）

---

CornerNet 官方github链接

CornerNet 论文地址

环境配置

写这篇博客原因？

为什么要写这样一篇博客？

一是记录自己的学习过程，二是因为CornerNet是基于pytorch 0.4.0写的，其中的某些C++和Cuda API在1.0之后已经变化，所以在编译corner pooling的时候会遇到问题，真让人头大，不过没关系，这篇博客将教你如何解决该问题。

下载下来官方github代码后，根目录下有这样一个文件：

里面含有跑通CornerNet所需要的的第三方库，但是你仔细看其中的关于cuda和pytorch的第三方库，你会发现，其安装的是基于cuda8.0和pytorch 0.4.0的第三方库，万一你不幸装的是cuda 9.0及以上，难道你为了跑通个CornerNet再去重装cuda吗？虽然这样也可以，但是就有点太麻烦了。

---

更改conda_packagelist.txt

不过，如果不想重装的话，接着往下看。

打开conda_packagelist.txt，删除如下四个第三方库链接，然后你可以自己去装最重要的pytroch和torchvision。

https://conda.anaconda.org/caffe2/linux-64/caffe2-cuda8.0-cudnn7-0.8.dev-py36_2018.05.14.tar.bz2

https://repo.continuum.io/pkgs/free/linux-64/cudatoolkit-8.0-3.tar.bz2

https://conda.anaconda.org/pytorch/linux-64/pytorch-0.4.0-py36_cuda8.0.61_cudnn7.1.2_1.tar.bz2

https://conda.anaconda.org/pytorch/linux-64/torchvision-0.2.1-py36_1.tar.bz2

---

conda下基于conda_packagelist.txt创建新环境

cd进入下载后的cornernet文件夹下：

打开terminal，执行：

conda create --name CornerNet --file conda_packagelist.txt

至此，cornernet所需要的大部分的第三库已经安装成功。

---

安装pytorch 1.2 和torchvision

这方面我们要参考pytorch官网：

不知道为什么，在我创建的虚拟环境cornernet中使用pip安装时，虽然是python3环境，但是需要将pip3改为pip，暂时不知道什么原因。

执行如下命令即可：

pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

这个装的话，比较快，毕竟是从pytorch官网直接获取安装包。

---

编译Corner Pooling-（用pytorch=1.x的这里是个大坑，请注意！）

这一步确实遇到了问题，毕竟官方代码是基于pytorch 0.4.0写的，我装的是pytorch 1.2.0，有问题也在意料之中。

按照原始代码直接编译，error

执行：

cd <CornerNet dir>/models/py_utils/_cpools/
python setup.py install --user

问题如下：

src/top_pool.cpp: In function ‘std::vectorat::Tensor top_pool_backward(at::Tensor, at::Tensor)’:
src/top_pool.cpp:44:41: error: could not convert ‘at::CUDA((c10::ScalarType)6)’ from ‘at::DeprecatedTypeProperties’ to ‘c10::IntArrayRef {aka c10::ArrayRef}’
auto max_val = at::zeros(torch::CUDA(at::kFloat), {batch, channel, width});
^
src/top_pool.cpp:45:41: error: could not convert ‘at::CUDA((c10::ScalarType)4)’ from ‘at::DeprecatedTypeProperties’ to ‘c10::IntArrayRef {aka c10::ArrayRef}’
auto max_ind = at::zeros(torch::CUDA(at::kLong), {batch, channel, width});
^
src/top_pool.cpp:57:44: error: could not convert ‘at::CUDA((c10::ScalarType)0)’ from ‘at::DeprecatedTypeProperties’ to ‘c10::IntArrayRef {aka c10::ArrayRef}’
auto gt_mask = at::zeros(torch::CUDA(at::kByte), {batch, channel, width
^
src/top_pool.cpp:58:44: error: could not convert ‘at::CUDA((c10::ScalarType)6)’ from ‘at::DeprecatedTypeProperties’ to ‘c10::IntArrayRef {aka c10::ArrayRef}’
auto max_temp = at::zeros(torch::CUDA(at::kFloat), {batch, channel, width

---

初次修改，测试阶段OK，训练阶段不OK

好像是cuda接口的问题，应该是由于pytorch版本的改变，导致了cuda接口的变化，但是怎么改呢？接着看。。

终于让我在github上官方代码的issues上找到了，

只需要在 **/models/py_utils/_cpools/src/**目录下，将src下bottom_pool.cpp、left_pool.cpp、top_pool.cpp以及right_pool.cpp四个文件中四行代码改变一下即可，四个文件的更改都是一样的。

即将

at::zeros(torch::CUDA(at::kFloat), {batch, channel, height})

改为：

at::zeros({batch, channel, height}, torch::CUDA(at::kFloat))

即可。

• 需要改动的有以下四处：

44、45行代码处：

    auto max_val = at::zeros(torch::CUDA(at::kFloat), {batch, channel, height});
    auto max_ind = at::zeros(torch::CUDA(at::kLong),  {batch, channel, height});

57、58行代码处：

    auto gt_mask    = at::zeros(torch::CUDA(at::kByte),  {batch, channel, height});
    auto max_temp   = at::zeros(torch::CUDA(at::kFloat), {batch, channel, height});

如此可以编译成功，但是前期因为显卡和数据集问题，我只是对官方训练了500000次的模型进行了测试，在此情况修改下的xxx_pool.cpp确实可以使用，但是进行从0开始训练MS COCO数据集的时候就出现了问题。

output = right_pool.backward(input, grad_output)[0]
RuntimeError: Expected object of type Variable but found type CUDAByteType for argument #0 ‘out’ (checked_cast_variable at /pytorch/torch/csrc/autograd/VariableTypeManual.cpp:48)

---

最终修改，训练和测试阶段均OK

所以还是编译corner pooling时由于pytorch版本不同导致出现了问题，我在查找了资料之后，发现了最终的解决方案。

其可以正常进行训练。

方案如下：

下载CornerNet-Lite CornerNet-Lite Github 链接 源代码，将其代码包中的CornerNet-Lite/core/models/py_utils/_cpools文件夹复制替换CornerNet源代码下的CornerNet/models/py_utils/_cpools/，然后运行命令进行重新编译：

python setup.py install --user

按照此方法编译后，至少在corner pooling这里的环境配置是没有问题的。

我在查找资料时，还遇到另外一种修改corner pooling下cpp文件代码的方法，不过经过我试用，这种修改至少对我的系统无效，依然会蹦出上述问题。

修改方法贴在了下面，读者看到的话也可以试试，看看行不行。

---

编译nms（非极大值抑制）

这个没什么可说的，只要装了cmake即可，我装的是3.4版本的好像，版本不要太低应该都没事。

cd <CornerNet dir>/external
make

---

安装MS COCO API

应该需要创建一个data文件夹：

cd <CornerNet dir>/data
git clone git@github.com:cocodataset/cocoapi.git coco
cd <CornerNet dir>/data/coco/PythonAPI
make

如果，第一次是第一次git，那么需要安装git：

sudo apt-get install git

以及设置github上的ssh，否则无法git，具体过程请参考我另一篇博文：
git安装和使用

---

下载MS COCO数据集

我之前下载过train2017、val2017、test2017，但是好像cornernet自己split了一个2014trainval的标签，因为还没看源代码，我先下载数据。

这个链接是google的，不翻墙有可能进不去，有需要的可以评论邮箱，我看到会发的。

annotations文件下载链接

MS COCO 数据集下载地址

下载红框标记的即可。

---

MSCOCO数据集存放位置（大坑）

我在看github英文说明的时候，其实官方对于数据集的使用说的模棱两可，我于是就按照字面的意思将下载的train2014直接重命名为trainval2014，val2014重命名为minival2014，test2017重命名为testdev2017，并放置在dir>/data/coco/images/下（如果没有，新建即可）。

问题描述：

结果出现了以下问题：

print("image.shape", image.shape[:])
AttributeError: 'NoneType' object has no attribute 'shape'

但从图中也可以看出，图片路径名是可以打印出来的，那么为什么还会出现NoneType这种错误呢？最可能的答案就是路径下的图片缺少了，即annotation里定义的标签图片在路径下有的找不到，所以才会出现这种问题。那么缺少了哪些问题呢？

---

问题解决

最终我发现，其实官方是将train2014和val2014合在一起作为trainval2014的，minival2014时从其中split的，具体怎么split我不知道，因为空间足够，所以我直接复制了一份，并重命名为了minival2014。

经过后续的训练测试，证明我这样做可以的，不会再出现这种NoneType的问题了。

但是实际训练的时候，还是会出现因为GPU数量太少和GPU显存太小的问题。不过我都一一解决了，解决方案在训练和测试章节。

---

CornerNet模型训练

To train and evaluate a network, you will need to create a configuration file, which defines the hyperparameters, and a model file, which defines the network architecture. The configuration file should be in JSON format and placed in config/. Each configuration file should have a corresponding model file in models/. i.e. If there is a .json in config/, there should be a .py in models/. There is only one exception which we will mention later.

• 训练CornerNet模型：

为了训练和评价一个网络，你需要创建一个定义了超参数和模型文件的配置文件，这将定义网络的基本架构。配置文件应该是json格式，并且被放在config/文件夹下。每个配置文件都应该有一个相对应的在models/文件夹下的模型文件。就是说，如果config/下有一个json文件，那么models/需要有一个.py文件

官方提供了配置文件CornerNet.json和模型文件CornerNet.py。

---

GPU数量和显存限制代码修改

如果你不考虑自己的GPU数量和GPU显存直接执行该命令的话，估计还是可能会抛出类似于corner pooling没有编译正确时的错误，即这种。

output = right_pool.backward(input, grad_output)[0]
RuntimeError: Expected object of type Variable but found type CUDAByteType for argument #0 ‘out’ (checked_cast_variable at /pytorch/torch/csrc/autograd/VariableTypeManual.cpp:48)

笔者本人的电脑是一个1060ti显卡 6G显存，所以很惭愧，算力太紧张。所以官方是用的10块GPU训练的，对于我来说显然不成立，直接执行命令确然会报错。

• 因此GPU数量和显存紧张的情况下请这样修改：

如果你只有一块GPU，请将batch_size改为1，如果你的显存大于12G请将chunk_sizes改为[4 ],如果跟我一样只是6G的，请改为[1]，改为[2]我试过了，还是会out of memory。chunk_sizes代表向GPU分配多少张图片。

同时，train.py代码中的命令行参数thread，请由默认参数4改为1。这个我不知道具体是做什么用的目前，但是应该和GPU的数量有关。

改到这一步，还是不能直接运行命令，否则会如下错误：

dist = tag_mean.unsqueeze(1) - tag_mean.unsqueeze(2)
IndexError: Dimension out of range (expected to be in range of [-2, 1], but got 2)

如果出现这种错误，按照图示进行修改：

在kp_utils.py中加入红框中的代码即可。

---

成功训练结果，没有训练完成，时间太久了呀

最后执行这个命令：

python train.py CornerNet

结果：

可以正常进行迭代，迭代输出的上下还是因为pytorch版本不同出现的一些警告，不过应该问题不大。

我大概迭代了10000次，5000次保存一次模型，结果因为空间不够，导致进程中断，不过整个流程没有什么问题。

保存的5000次和10000次迭代模型。

---

Cornernet模型测试

官方同样提供了一个训练了500k迭代次数的CornerNet模型，不过其用了10个Titan X GPUs，所以代码里有个地方默认的是10个GPU，如果你没有10个GPU，你需要把那个地方更改一下，不然有可能会报错，还有配置文件里的batchsize也需要更改以适应你的gpu显存。怎么修改在下面。

我们可以从如下链接（500k迭代次数模型下载链接，同样需要google。
）下载，并将其放在**/cache/nnet/CornerNet**文件夹下，

• 执行如下代码进行测试：

python test.py CornerNet --testiter 500000 --split <split>

split==testing表示测试testdev2017下的图片，在代码中有定义，有时间我会在github上更新一个annotation版本的CornerNet代码。

---

生成可视化检测照片代码修改

执行命令，CornerNet会自动生成results.json文件，其中存储了图像id和detection坐标点，但是如果想生成可视化后的object detection图片需要进行如下修改。

在CornerNet/test/coco.py代码中的kp_detection函数内第152行的

if debug

改为：

if True

再在191行下加入一行代码：

cv2.imwrite(debug_file, image)

然后在terminal下执行：

python test.py CornerNet --testiter 500000 --split <split>

---

输出结果

随便放几张效果不错的。

不好的结果

仔细观察CornerNet输出的可视化结果，我们可以发现CornerNet检测的两个主要问题：

1. 对于密集型的object经常会出现对两个同样object之间的区域也列为object，可能不太好描述，看图就明白了。

直接将两个car之间的区域也检测为car；

直接将两个person之间的区域也检测为person。

又或者将tennis racket中的区域也检测为object；

---

2. 对于一些密集型object检测不准确

比如下面的sheep，很多没检测都，而且直接将很大一块草地也检测为sheep了。

---

3. 其他的检测不到和检测定位差距较大问题

下图两个孩子的检测框明显和实际差距过大。

bird没有检测到。

fire hvdrant 没有检测到。

总之虽然，效果不错，但是还是有很大问题。

正因为，其是通过角点来判断，所以对于密集型object出现这种将object之间的区域也检测为object也不足为奇。

---

使用新的配置文件说明

如果想使用新的配置文件，按照如下方案，我还没试过。

• 使用新的配置文件：

如果想测试不同的超参数，但是又不想重写原始的配置文件，可以创建一个带后缀的配置文件（model-suffix.json），但是不需要在models/下创建一个带后缀的model-suffix.py文件。

python test.py <model> --testiter <iter> --split <split> --suffix <suffix>

• 使用官方重写的多尺度配置文件：

python test.py CornerNet --testiter <iter> --split <split> --suffix multi_scale

---

有空会补上训练和测试结果。已补上训练成功截图和测试结果，因为算力原因，就先不从头开始训CornerNet了。

---

2019.10.9，2019.10.12更新。
希望能帮到大家。随手点赞是对我最大的认可。

---