【yolo系列：运行报错RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic impleme】

最新推荐文章于 2025-01-04 09:34:08 发布
最新推荐文章于 2025-01-04 09:34:08 发布
阅读量870 收藏 15
点赞数 11
分类专栏： yolov5改进 文章标签： YOLO
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.youkuaiyun.com/qq_44421796/article/details/135725983
版权
文章讲述了在使用PyTorch时遇到RuntimeError，由于设置了`torch.use_deterministic_algorithms(True)`导致的。提供了解决方案，即在特定场景下禁用确定性算法，如在Yolov7中或在调整lossscaling时，临时设置`torch.use_deterministic_algorithms(False)`。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

报错信息：
RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation, but you set 'torch.use_deterministic_algorithms(True)'. You can turn off determinism just for this operation, or you can use the 'warn_only=True' option, if that's acceptable for your application. You can also file an issue athttps://github.com/pytorch/pytorch/issues to help us prioritize adding deterministic support for this operation.
解决方法:

禁用确定性算法模式：
如果你的应用程序可以容忍一些不确定性，可以尝试禁用确定性算法模式。比如说我是yolov7就在373行加一段代码

torch.use_deterministic_algorithms(False)

在这里插入图片描述
如果不是yolov7,在train.py里面ctrl+f
搜索

scaler.scale(loss)

在这个之前添加torch.use_deterministic_algorithms(False)

如果已经有了，就将

torch.use_deterministic_algorithms(True)

改为

torch.use_deterministic_algorithms(False)
【yolo系列：运行报错RuntimeError: CUDA error: an illegal memory access was encountered CUDA kernel errors m】
weixin_47869094的博客
09-06 6633
使用yolov7训练数据集，但是训练到一半就开始停止了并且报错。
RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation....报错问题
Cr_NanMao的博客
04-26 2713
在训练yolov8模型，加入CA注意力机制时，运行train.py出现。定位报错位置后，在该函数前加上。
yolov5改了CBAM注意力机制后报错:runtimeerror:adaptive_avg_pool2d_backward_cuda does not have a deterministic im
m0_55515326的博客
05-22 1265
可以试试将torch.use_deterministic_algorithms(False)添加到train.py里面（反向传播）的这个位置处。我也是参考下面这位博主解决的，如果帮助到大家，并且有时间的话给这位博主点点关注，至于我为什么要发一下呢，就是想着如果多发一遍的话，更多需要这个解决方法的人可能更容易看到。
[已解决]RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation
深度学习炼丹师，偶尔分享炼丹技术!
03-31 869
【代码】[已解决]RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation。
YOLOv5报错：RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementatio
m0_69679042的博客
03-20 2296
YOLOv5添加注意力机制报错：RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation, but you set 'torch.use_deterministic_algorithms(True)'. You can turn off determinism just for this operation, or you can use the 'warn_only=True'
【yolo系列：运行报错TypeError: __init__() takes from 3 to 4 positional arguments but 6 were given，最全】
weixin_47869094的博客
08-19 5588
这是一个示范例子，也就是说，你在排除其他错误的前提下来找这个错误的原因，可以仔细看看你的配置文件的新网络，是加了哪一行，哪一个模块，导致出现这样的错误，同理，不光是CA，别的模块也有可能出现这个错误，一般都是后面的不对，不应该是1，1在后面导致的传参错误。因此，[-3, 1, CA, [128]] 表示使用 DropBlock 模块，设置每个区块丢弃比例为负数，丢弃块大小为 1x1，使用 Crop 数据增强策略，特征图大小为 128。这可能是因为在初始化类的实例时传递了多余的参数。
【yolo系列：运行代码报错TypeError: __init__() missing 1 required positional argument: ‘c2‘】
weixin_47869094的博客
08-12 4132
在你的特定代码上下文中，这可能是对一个特定模块的实例化时出现的问题。出现这个问题是我在yolov7训练数据集，但是添加了别的模块导致的，比如说你添加了注意力机制，就应该在parse_model里面的模块里面加上对应的模块名字。比如我的报错是因为yolov7添加c3c2的模块，那么就需要在models/yolo.py里面的这个地方，加上你的c3c2。() missing，其实就是只缺少了其中某个模块的名字，导致引用的不是很正确，所以识别不到。加上这个刚添加的新模块，运行就没问题了。
yolov5训练集出现报错：RuntimeError: cuDNN error: CUDNN_STATUS_INTERNAL_ERRORYou can try to repro this excep
qq_53545309的博客
04-12 1237
yolovs中train.py报错
出现 RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation的解决方法
码农研究僧的博客
02-06 5236
大致就是在执行主函数的训练函数中，在反向传播这一块出现了问题。解决方法就是添加如下代码块。找到提示bug的行数。
RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation, but...
weixin_45961752的博客
12-09 406
当前模型中的模块或程序或版本不支持确定性算法。解决办法：关闭确定性算法。
RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation
深度学习炼丹师，偶尔分享炼丹技术!
03-22 575
【代码】RuntimeError: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation。
bug记录：Yolov5使用注意力机制CBAM报错untimeerror: adaptive_avg_pool2d_backward_cuda does not have a deterministi
以梦为马，不日抵达。
08-15 6359
改了几天，我发现用pycharm就不报错，可能是池化层的反向传播出现了问题。所以我尝试把torch.use_deterministic_algorithms(False)加到train.py里面，结果就成功了。加到train.py 的335行scaler.scale(loss).backward()前面。...
adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation
lijungong的博客
01-04 576
ultralytics-main/ultralytics/engine/trainer.py中第388行（不同版本所在位置不一样）的self.scaler.scale(self.loss).backward()的上面添加一行torch.use_deterministic_algorithms(False)（自适应平均池化的反向传播操作，在 CUDA 设备上执行）时，该操作没有确定性的实现。
RuntimeError: adaptive_max_pool2d_backward_cuda does not have a deterministic implementation……报错
S6969S的博客
08-22 6022
RuntimeError: adaptive_max_pool2d_backward_cuda does not have a deterministic implementation……
YOLOv5添加CBAM注意力机制训练前报错RuntimeError: adaptive_max_pool2d_backward_cuda does not have a deterministic.
xieqiuya的博客
01-29 835
问题出在反向传播上，先前添加SE注意力机制时不会出现这样的报错，因为其只考虑了通道注意力机制，而添加的CBAM注意力机制还考虑了空间注意力机制。中321行，或者直接搜索scaler.scale(loss).backward()，在其前面关闭这个决定性算法。这里以YOLOv5 7.0版本为例，在。
添加CBAM注意力机制报错：RuntimeError: adaptive_max_pool2d_backward_cuda does not have a deterministic implemen
梦在黎明破晓时的博客
07-17 2042
打开train.py文件，在scaler.scale(loss).backward()前添加torch.use_deterministic_algorithms(False)
UserWarning: adaptive_avg_pool2d_backward_cuda does not have a deterministic implementation, but you set 'torch.use_deterministic_algorithms(True, warn_only=True)'. You can file an issue at https://github.com/pytorch/pytorch/issues to help us prioritize a
最新发布
03-16
### PyTorch 中 `adaptive_avg_pool2d_backward_cuda` 非确定性实现问题的解决方案 当启用 `torch.use_deterministic_algorithms(True)` 后，在某些情况下会触发错误提示，指出 `adaptive_avg_pool2d_backward_cuda` 没有确定性的实现[^1]。这是因为在当前版本的 PyTorch 中，此操作尚未支持完全确定性的行为。 #### 错误原因分析 该错误的核心在于 PyTorch 的设计原则之一——性能优先于确定性。对于一些 GPU 上的操作（如池化层），为了提高计算效率，可能采用了非确定性的算法实现。然而，当你调用 `torch.use_deterministic_algorithms(True)` 时，PyTorch 将强制执行所有操作都具有确定性，从而导致不兼容的情况发生[^3]。 #### 可能的解决方法 以下是几种常见的解决策略： 1. **禁用全局确定性模式** 如果应用允许一定程度上的非确定性，则可以通过关闭全局确定性设置来解决问题： ```python torch.use_deterministic_algorithms(False) ``` 这样可以绕过对 `adaptive_avg_pool2d_backward_cuda` 确定性的检查[^5]。 2. **局部调整为警告而非抛出异常** 使用 `warn_only=True` 参数可以让程序继续运行并仅发出警告而不是终止进程： ```python torch.use_deterministic_algorithms(True, warn_only=True) ``` 此方式适合那些希望保留大部分功能确定性但仍需容忍个别非确定性操作的应用场景[^2]。 3. **修改网络结构或替代算子** 考虑替换掉可能导致问题的具体组件。例如，在 YOLO 或其他目标检测框架中引入 CA 和 CBAM 注意力模块时如果遇到此类冲突，尝试寻找具备相同效果却更加稳定的替代方案[^4]。 4. **升级至最新版 PyTorch** 官方团队持续改进库的功能覆盖范围以及稳定性表现；因此建议始终使用最新的稳定发行版本以获得最佳体验和支持程度较高的特性集合。 通过上述任一途径均可有效缓解乃至彻底消除由 `adaptive_avg_pool2d_backward_cuda` 所带来的困扰。 ```python import torch # 方法一：关闭全局确定性模式 torch.use_deterministic_algorithms(False) # 方法二：开启带有警告选项的确定性模式 torch.use_deterministic_algorithms(True, warn_only=True) # 示例代码片段展示如何处理损失函数反向传播阶段可能出现的问题 scaler = torch.cuda.amp.GradScaler() loss = model(input_data) scaler.scale(loss).backward() ```
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

小兔子要健康

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