0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

mmdetection訓(xùn)練數(shù)據(jù)遇到的問題

jf_96884364 ? 來源:jf_96884364 ? 作者:jf_96884364 ? 2023-01-13 10:13 ? 次閱讀

1 Permission denied

報錯:

-bash: ./compile.sh: Permission denied

沒有操作權(quán)限,改為賦予最高權(quán)限(777):

chmod 777 compile.sh

2 cuda 問題

報錯:

unable to execute '/usr/local/cuda-9.0/bin/nvcc': No such file or directory

error: command '/usr/local/cuda-9.0/bin/nvcc' failed with exit status 1

找不到cuda下nvcc文件,需要找到自己的nvcc文件所在地,然后輸入:

./compile.sh \\ --export CUDA_HOME=/usr/local/cuda-8.0/bin

如果還不行,需要查看一下是否有nvcc:

nvcc --version

2.1 nvcc正常

若nvcc正常,設(shè)置cuda路徑首先執(zhí)行:

sudo vim ~/.bashrc

設(shè)置為:

export PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后執(zhí)行:

sudo vim /etc/profile

末尾添加:

export CUDA_HOME=/usr/local/cuda-9.0
export PATH=/MATLAB/R2016b/bin:/usr/local/cuda-9.0/bin:/anaconda3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

然后執(zhí)行

source /etc/profile

使鏈接生效

2.2 command not found

報錯:

-bash: nvcc: command not found

應(yīng)該安裝nvcc:

sudo apt-get install nvidia-cuda-toolkit

報錯:

E: Unable to fetch some archives, maybe run apt-get update or try with --fix-missing?

升級apt-get update:

sudo apt-get update

報錯:

Failed to connect to nvidia.github.io port 443: Connection timed out

2.2.1 修改源

則應(yīng)該修改源:

(1)修改前先做備份:

sudo cp /etc/apt/sources.list /etc/apt/sources.list.old

(2)打開sources.list文件:

sudo vim /etc/apt/sources.list

替換為其他源:

清華源:

# deb cdrom:[Ubuntu 16.04 LTS _Xenial Xerus_ - Release amd64 (20160420.1)]/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security multiverse

阿里源:

# deb cdrom:[Ubuntu 16.04 LTS _Xenial Xerus_ - Release amd64 (20160420.1)]/ xenial main restricted
deb-src http://archive.ubuntu.com/ubuntu xenial main restricted #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb http://mirrors.aliyun.com/ubuntu/ xenial multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse #Added by software-properties
deb http://archive.canonical.com/ubuntu xenial partner
deb-src http://archive.canonical.com/ubuntu xenial partner
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-security multiverse

2.2.2 修改 nameserver

修改/etc/resolv.conf文件為:

nameserver 8.8.8.8
nameserver 4.2.2.2
nameserver 4.2.2.2
nameserver 4.2.2.2

3 not in the sudoers file

報錯:

××× is not in the sudoers file. This incident will be reported.

1.切換到超級用戶root:

su root

2.查看/etc/sudoers權(quán)限:

ls -all /etc/sudoers

可以看到當(dāng)前權(quán)限為744:

-r--r----- 1 root root 744 4月 16 20:36 /etc/sudoers

3.更改權(quán)限為777(表示允許操作):

chmod 777 /etc/sudoers

4.編輯/etc/sudoers:

vi /etc/sudoers

5.在root ALL=(ALL:ALL) ALL 下面添加一行:

XXX    ALL=(ALL)ALL

其中XXX表示當(dāng)前用戶名

6.把/etc/sudoers權(quán)限改回440:

chmod 440 /etc/sudoers

然后就可以切換回自己的用戶操作了

4 ASSERT

報錯:

ASSERT: "false" in file qasciikey.cpp, line 501

OpenCV版本不對,沒有里面沒有tracker。安裝contrib的OpenCV:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

如果提示使用--user

pip install --user -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

5 no commands supplied

報錯:

no commands supplied

應(yīng)該將 python setup.py 改為 python setup.py install 。

6 FileNotFoundError

報錯:

[Errno 2] No usable temporary directory found in ['/tmp', '/var/tmp', '/usr/tmp', /home/snowstorm/mmdetection']

磁盤空間已滿,清理空間。

審核編輯:湯梓紅

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 數(shù)據(jù)
    +關(guān)注

    關(guān)注

    8

    文章

    7073

    瀏覽量

    89138
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8423

    瀏覽量

    132744
  • Shell
    +關(guān)注

    關(guān)注

    1

    文章

    366

    瀏覽量

    23405
收藏 人收藏

    評論

    相關(guān)推薦

    【大語言模型:原理與工程實踐】大語言模型的預(yù)訓(xùn)練

    進(jìn)行損失計算,得到下一個目標(biāo)的預(yù)測。也會設(shè)計一些其他輔助訓(xùn)練任務(wù),與主任務(wù)共同訓(xùn)練。選擇合適的預(yù)訓(xùn)練數(shù)據(jù)是確保模型性能和泛化能力的關(guān)鍵,通過對預(yù)訓(xùn)練
    發(fā)表于 05-07 17:10

    Pytorch模型訓(xùn)練實用PDF教程【中文】

    本教程以實際應(yīng)用、工程開發(fā)為目的,著重介紹模型訓(xùn)練過程中遇到的實際問題和方法。在機(jī)器學(xué)習(xí)模型開發(fā)中,主要涉及三大部分,分別是數(shù)據(jù)、模型和損失函數(shù)及優(yōu)化器。本文也按順序的依次介紹數(shù)據(jù)、模
    發(fā)表于 12-21 09:18

    Detectron訓(xùn)練第三方數(shù)據(jù)集測試

    從零開始使用Detectron訓(xùn)練第三方數(shù)據(jù)集是什么體驗(六)
    發(fā)表于 04-14 11:44

    使用YOLOv3訓(xùn)練BDD100K數(shù)據(jù)集之開始訓(xùn)練

    (三)使用YOLOv3訓(xùn)練BDD100K數(shù)據(jù)集之開始訓(xùn)練
    發(fā)表于 05-12 13:38

    用于計算機(jī)視覺訓(xùn)練的圖像數(shù)據(jù)集介紹

    用于計算機(jī)視覺訓(xùn)練的圖像數(shù)據(jù)
    發(fā)表于 02-26 07:35

    基于HarmonyOS開發(fā)的運動員智能訓(xùn)練系統(tǒng)

    秒表計時,然后運動員自己掐脈搏測心率,導(dǎo)致測量不準(zhǔn)等問題。其次,訓(xùn)練數(shù)據(jù)無法實時傳送給教練,不利于教練監(jiān)測訓(xùn)練狀況以及更好地為運動員制定下一步訓(xùn)練計劃。最后,當(dāng)運動員或教練員信息、
    發(fā)表于 06-29 09:39

    跨項目缺陷預(yù)測的訓(xùn)練數(shù)據(jù)新的視角

    跨項目缺陷預(yù)測( CPDP)利用來自其他項目的缺陷數(shù)據(jù)預(yù)測目標(biāo)項目的缺陷情況,為解決以往缺陷預(yù)測方法面臨的訓(xùn)練數(shù)據(jù)受限問題提供了一個新的視角。訓(xùn)練數(shù)
    發(fā)表于 12-09 11:39 ?0次下載
    跨項目缺陷預(yù)測的<b class='flag-5'>訓(xùn)練</b><b class='flag-5'>數(shù)據(jù)</b>新的視角

    IBM發(fā)布大數(shù)據(jù)機(jī)器學(xué)習(xí)解決方案,利用GPU一分鐘內(nèi)處理完30GB訓(xùn)練數(shù)據(jù)

    機(jī)器訓(xùn)練在大數(shù)據(jù)時代遇到的挑戰(zhàn)是動輒TB等級起跳的訓(xùn)練數(shù)據(jù)。GPU等有效加速運算僅限于運算密集的工作,而非
    發(fā)表于 12-11 12:22 ?3655次閱讀
    IBM發(fā)布大<b class='flag-5'>數(shù)據(jù)</b>機(jī)器學(xué)習(xí)解決方案,利用GPU一分鐘內(nèi)處理完30GB<b class='flag-5'>訓(xùn)練</b><b class='flag-5'>數(shù)據(jù)</b>集

    沒有大量訓(xùn)練數(shù)據(jù)時怎么生成更多的數(shù)據(jù)

    成功訓(xùn)練計算機(jī)視覺任務(wù)的深層卷積神經(jīng)網(wǎng)絡(luò)需要大量數(shù)據(jù)。這是因為這些神經(jīng)網(wǎng)絡(luò)具有多個隱藏的處理層,并且隨著層數(shù)的增加,需要學(xué)習(xí)的樣本數(shù)也隨之增加。如果沒有足夠的訓(xùn)練數(shù)據(jù),則該模型往往會很
    的頭像 發(fā)表于 05-04 08:59 ?2995次閱讀

    DNN(深度神經(jīng)網(wǎng)絡(luò))在訓(xùn)練過程中遇到的一些問題

    必須要保證大量、高質(zhì)量且?guī)в袦?zhǔn)確標(biāo)簽的數(shù)據(jù),沒有該條件的數(shù)據(jù),訓(xùn)練學(xué)習(xí)很困難的(但是最近我看了以為作者寫的一篇文章,說明不一定需要大量數(shù)據(jù)集,也可以
    的頭像 發(fā)表于 02-06 16:21 ?1360次閱讀

    人工智能訓(xùn)練數(shù)據(jù)集:誤區(qū)、挑戰(zhàn)與應(yīng)對方法

    人工智能訓(xùn)練數(shù)據(jù)集是人工智能技術(shù)發(fā)展中至關(guān)重要的一環(huán)。然而,在構(gòu)建和使用數(shù)據(jù)集時,我們常常會遇到一些誤區(qū)和挑戰(zhàn),這些問題可能會影響數(shù)據(jù)集的質(zhì)
    的頭像 發(fā)表于 04-27 17:50 ?1266次閱讀

    數(shù)據(jù)在軍事訓(xùn)練領(lǐng)域的應(yīng)用有哪些

    智慧華盛恒輝大數(shù)據(jù)在軍事訓(xùn)練領(lǐng)域的應(yīng)用廣泛且深入,以下是具體的應(yīng)用點及其歸納: 智慧華盛恒輝個性化訓(xùn)練計劃: 通過收集和分析每個士兵的訓(xùn)練數(shù)據(jù)
    的頭像 發(fā)表于 06-23 10:21 ?657次閱讀

    PyTorch如何訓(xùn)練自己的數(shù)據(jù)

    PyTorch是一個廣泛使用的深度學(xué)習(xí)框架,它以其靈活性、易用性和強(qiáng)大的動態(tài)圖特性而聞名。在訓(xùn)練深度學(xué)習(xí)模型時,數(shù)據(jù)集是不可或缺的組成部分。然而,很多時候,我們可能需要使用自己的數(shù)據(jù)集而不是現(xiàn)成
    的頭像 發(fā)表于 07-02 14:09 ?1775次閱讀

    pytorch如何訓(xùn)練自己的數(shù)據(jù)

    本文將詳細(xì)介紹如何使用PyTorch框架來訓(xùn)練自己的數(shù)據(jù)。我們將從數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、訓(xùn)練過程、評估和測試等方面進(jìn)行講解。 環(huán)境搭建 首先,我們需要安裝PyTorch??梢酝ㄟ^訪問Py
    的頭像 發(fā)表于 07-11 10:04 ?553次閱讀

    AI大模型的訓(xùn)練數(shù)據(jù)來源分析

    AI大模型的訓(xùn)練數(shù)據(jù)來源廣泛且多元化,這些數(shù)據(jù)源對于構(gòu)建和優(yōu)化AI模型至關(guān)重要。以下是對AI大模型訓(xùn)練數(shù)據(jù)來源的分析: 一、公開
    的頭像 發(fā)表于 10-23 15:32 ?724次閱讀