风一样的少年

看看torch和torch_npu的版本是不是对应，然后再在issue中搜索一番吧。大概就是少了个模块，使用pip install 安装一下就可以了。先别慌，首先看一下报错内容有没有我们可以理解的，比如这个报错中。如果报错我们读不懂，就参考一下。

cuda环境是12.0的,但是torch的cuda是12.1的，导致了报错，我换成了11.8的就可以了。

torch版本 => 2.0.1+cu118。os版本 => centos 7。

使用案例中的代码加载模型的时候，会报错 CUDA error: invalid device ordinal，

在进行推理的时候，报错IndexError: Cannot choose from an empty sequence，如下图。这个报错是因为你输入的音频太短了，不到1秒就会报这个错。你可以输入个大于1秒的视频试一下。concat("求求QUN", "61480", "9646")

在这个目录下你可能看到类似libcuda.so.460.106.00这样的文件，我们可以让libcuda.so.1分别指向一下这些文件，每切换一次，测试一次，应该会有一个能让环境起作用的。不知道你是否有疑问什么时候用nvdiasmi查看驱动，什么时候用nvcc查看驱动呢？然后用nvidia-smi, 就能看到环境已经使用了 物理机上的cuda了。首先找到libcuda.so.1所在的目录，我的是/usr/lib64。这种情况只能让容器内部切换为物理机上的cuda了。主要的错误在最后一行了。

最近在使用sadTalker的时候，发现视频增强环节异常的慢，30秒的视频需要耗时16min左右，极大的影响体验，于是想通过多进程、多线程、tensorrt、onnx等方式加速。这个项目也是有限制的，他的输出是512*512的，所以你肯定得不到长方形的图片，如果你想得到长方形图片，只能用拼接的方式。我们可以提前将图片存储在一个文件中，然后用这个工程批处理图片，这样可以一定程度上减少在python代码中的耗时。这个项目安装和使用也很简单，这个项目的readme也都写了。614809646 qq群->

首先，你用find命令找一下服务器上有没有这个文件，如果有的话要将这个文件(libcudnn.so.8是个链接文件)以及这个得实体文件拷贝到系统能加载到的地方，比如/usr/local/lib、/usr/lib、/usr/lib64。我们把目光集中在第一行这是关键。我们可以发现是找不到libcudnn.so.8引起的。然后再用上面的find和cp方法，就能让系统找到了。614809646 qq群->这个包需要去英伟达官网下载，和tts,运维、开发等等。# 有问题可以进群聊聊。

字符分割的目的是将车牌中的多个字符分割成单个的字符，这样我们就可以对单个字符做模式匹配或者是用模型来做分类，从而识别单个字符是那个数字或者是那个字符，也或者是那个汉字，我们也就达到了车牌识别的目的。核心思想就是使用车牌的特征来寻找这牌的位置，比如说 车牌是长方形（长>宽），车牌一般不会 在图片的边缘上（拍照的习惯）等等，因此我们也看到的opecv方式的弊端，泛化能力比较差。在做完这个实验后，我感触是，只用opencv的方式能使用的场景有限，不如用模型的方式适用的场景广，推荐还是使用模型去做。

然后就是安装了，将tar包上传到服务器上，然后解压，然后将include目录的文件拷贝到 CUDA_HOME的include目录下，将lib目录下的文件拷贝到CUDA_HOME的lib64的目录下。进入CUDA_HOME下，也就是进入你的cuda的驱动的安装目录，查看一下是否有 include/cudnn.h这个文件，如果没有就说明没有安装。然后执行一下ldconfig，如果没有报错，在测试一下你的程序，看看还报错不。这个错误基本上说明你安装的 cudnn有问题，或者没有安装这个工具。

模型的地址是。

我们可以通过d500确定npu的型号（这里我没有找到官方的转换渠道，而是百度了一下，如果你有更好的方式，帮忙给留个言）这一步可以先不做，如果后面出现相关报错了，或者你的驱动目录(一般是/usr/local/Ascend这个目录)中没有ascend-toolkit目录，你可以做下这一步。找到你的python环境的site-packages, 将你的modelscope目录备份下，然后替换为仓库里的modelscope。安装昇腾的驱动也是一个折磨的过程，主要是资料太少了，安装过程中的问题不太好找到解决办法。