0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

mmdetection训练数据遇到的问题

jf_96884364 来源:jf_96884364 作者:jf_96884364 2023-01-13 10:13 次阅读

1 Permission denied

报错:

-bash: ./compile.sh: Permission denied

没有操作权限,改为赋予最高权限(777):

chmod 777 compile.sh

2 cuda 问题

报错:

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,然后输入:

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

如果还不行,需要查看一下是否有nvcc:

nvcc --version

2.1 nvcc正常

若nvcc正常,设置cuda路径首先执行:

sudo vim ~/.bashrc

设置为:

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

然后执行:

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

然后执行

source /etc/profile

使链接生效

2.2 command not found

报错:

-bash: nvcc: command not found

应该安装nvcc:

sudo apt-get install nvidia-cuda-toolkit

报错:

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

升级apt-get update:

sudo apt-get update

报错:

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

2.2.1 修改源

则应该修改源:

(1)修改前先做备份:

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

(2)打开sources.list文件:

sudo vim /etc/apt/sources.list

替换为其他源:

清华源:

# 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文件为:

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

报错:

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

1.切换到超级用户root:

su root

2.查看/etc/sudoers权限:

ls -all /etc/sudoers

可以看到当前权限为744:

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

3.更改权限为777(表示允许操作):

chmod 777 /etc/sudoers

4.编辑/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表示当前用户名

6.把/etc/sudoers权限改回440:

chmod 440 /etc/sudoers

然后就可以切换回自己的用户操作了

4 ASSERT

报错:

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

OpenCV版本不对,没有里面没有tracker。安装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

报错:

no commands supplied

应该将 python setup.py 改为 python setup.py install

6 FileNotFoundError

报错:

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

磁盘空间已满,清理空间。

审核编辑:汤梓红

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 数据
    +关注

    关注

    8

    文章

    7045

    浏览量

    89062
  • 机器学习
    +关注

    关注

    66

    文章

    8419

    浏览量

    132675
  • Shell
    +关注

    关注

    1

    文章

    365

    浏览量

    23385
收藏 人收藏

    评论

    相关推荐

    【大语言模型:原理与工程实践】大语言模型的预训练

    进行损失计算,得到下一个目标的预测。也会设计一些其他辅助训练任务,与主任务共同训练。选择合适的预训练数据是确保模型性能和泛化能力的关键,通过对预训练
    发表于 05-07 17:10

    Pytorch模型训练实用PDF教程【中文】

    本教程以实际应用、工程开发为目的,着重介绍模型训练过程中遇到的实际问题和方法。在机器学习模型开发中,主要涉及三大部分,分别是数据、模型和损失函数及优化器。本文也按顺序的依次介绍数据、模
    发表于 12-21 09:18

    Detectron训练第三方数据集测试

    从零开始使用Detectron训练第三方数据集是什么体验(六)
    发表于 04-14 11:44

    使用YOLOv3训练BDD100K数据集之开始训练

    (三)使用YOLOv3训练BDD100K数据集之开始训练
    发表于 05-12 13:38

    用于计算机视觉训练的图像数据集介绍

    用于计算机视觉训练的图像数据
    发表于 02-26 07:35

    基于HarmonyOS开发的运动员智能训练系统

    秒表计时,然后运动员自己掐脉搏测心率,导致测量不准等问题。其次,训练数据无法实时传送给教练,不利于教练监测训练状况以及更好地为运动员制定下一步训练计划。最后,当运动员或教练员信息、
    发表于 06-29 09:39

    跨项目缺陷预测的训练数据新的视角

    跨项目缺陷预测( CPDP)利用来自其他项目的缺陷数据预测目标项目的缺陷情况,为解决以往缺陷预测方法面临的训练数据受限问题提供了一个新的视角。训练
    发表于 12-09 11:39 0次下载
    跨项目缺陷预测的<b class='flag-5'>训练</b><b class='flag-5'>数据</b>新的视角

    IBM发布大数据机器学习解决方案,利用GPU一分钟内处理完30GB训练数据

    机器训练在大数据时代遇到的挑战是动辄TB等级起跳的训练数据。GPU等有效加速运算仅限于运算密集的工作,而非
    发表于 12-11 12:22 3650次阅读
    IBM发布大<b class='flag-5'>数据</b>机器学习解决方案,利用GPU一分钟内处理完30GB<b class='flag-5'>训练</b><b class='flag-5'>数据</b>集

    没有大量训练数据时怎么生成更多的数据

    成功训练计算机视觉任务的深层卷积神经网络需要大量数据。这是因为这些神经网络具有多个隐藏的处理层,并且随着层数的增加,需要学习的样本数也随之增加。如果没有足够的训练数据,则该模型往往会很
    的头像 发表于 05-04 08:59 2991次阅读

    DNN(深度神经网络)在训练过程中遇到的一些问题

    必须要保证大量、高质量且带有准确标签的数据,没有该条件的数据训练学习很困难的(但是最近我看了以为作者写的一篇文章,说明不一定需要大量数据集,也可以
    的头像 发表于 02-06 16:21 1344次阅读

    人工智能训练数据集:误区、挑战与应对方法

    人工智能训练数据集是人工智能技术发展中至关重要的一环。然而,在构建和使用数据集时,我们常常会遇到一些误区和挑战,这些问题可能会影响数据集的质
    的头像 发表于 04-27 17:50 1242次阅读

    数据在军事训练领域的应用有哪些

    智慧华盛恒辉大数据在军事训练领域的应用广泛且深入,以下是具体的应用点及其归纳: 智慧华盛恒辉个性化训练计划: 通过收集和分析每个士兵的训练数据
    的头像 发表于 06-23 10:21 644次阅读

    PyTorch如何训练自己的数据

    PyTorch是一个广泛使用的深度学习框架,它以其灵活性、易用性和强大的动态图特性而闻名。在训练深度学习模型时,数据集是不可或缺的组成部分。然而,很多时候,我们可能需要使用自己的数据集而不是现成
    的头像 发表于 07-02 14:09 1741次阅读

    pytorch如何训练自己的数据

    本文将详细介绍如何使用PyTorch框架来训练自己的数据。我们将从数据准备、模型构建、训练过程、评估和测试等方面进行讲解。 环境搭建 首先,我们需要安装PyTorch。可以通过访问Py
    的头像 发表于 07-11 10:04 537次阅读

    AI大模型的训练数据来源分析

    AI大模型的训练数据来源广泛且多元化,这些数据源对于构建和优化AI模型至关重要。以下是对AI大模型训练数据来源的分析: 一、公开
    的头像 发表于 10-23 15:32 649次阅读