跳转至

常见问题解答⚓︎

我们在这里列出了使用时的一些常见问题及其相应的解决方案。 如果您发现有一些问题被遗漏，请随时提 PR 丰富这个列表。 如果您无法在此获得帮助，请使用 issue模板创建问题，但是请在模板中填写所有必填信息，这有助于我们更快定位问题。

PyTorch 2.0 支持⚓︎

MMDetection 目前绝大部分算法已经支持了 PyTorch 2.0 及其 torch.compile 功能, 用户只需要安装 MMDetection 3.0.0rc7 及其以上版本即可。如果你在使用中发现有不支持的算法，欢迎给我们反馈。我们也非常欢迎社区贡献者来 benchmark 对比 torch.compile 功能所带来的速度提升。

如果你想启动 torch.compile 功能，只需要在 train.py 或者 test.py 后面加上 --cfg-options compile=True。 以 RTMDet 为例，你可以使用以下命令启动 torch.compile 功能：

# 单卡
python tools/train.py configs/rtmdet/rtmdet_s_8xb32-300e_coco.py  --cfg-options compile=True

# 单机 8 卡
./tools/dist_train.sh configs/rtmdet/rtmdet_s_8xb32-300e_coco.py 8 --cfg-options compile=True

# 单机 8 卡 + AMP 混合精度训练
./tools/dist_train.sh configs/rtmdet/rtmdet_s_8xb32-300e_coco.py 8 --cfg-options compile=True --amp

需要特别注意的是，PyTorch 2.0 对于动态 shape 支持不是非常完善，目标检测算法中大部分不仅输入 shape 是动态的，而且 loss 计算和后处理过程中也是动态的，这会导致在开启 torch.compile 功能后训练速度会变慢。基于此，如果你想启动 torch.compile 功能，则应该遵循如下原则：

  1. 输入到网络的图片是固定 shape 的，而非多尺度的
  2. 设置 torch._dynamo.config.cache_size_limit 参数。TorchDynamo 会将 Python 字节码转换并缓存，已编译的函数会被存入缓存中。当下一次检查发现需要重新编译时，该函数会被重新编译并缓存。但是如果重编译次数超过预设的最大值（64），则该函数将不再被缓存或重新编译。前面说过目标检测算法中的 loss 计算和后处理部分也是动态计算的，这些函数需要在每次迭代中重新编译。因此将 torch._dynamo.config.cache_size_limit 参数设置得更小一些可以有效减少编译时间

在 MMDetection 中可以通过环境变量 DYNAMO_CACHE_SIZE_LIMIT 设置 torch._dynamo.config.cache_size_limit 参数，以 RTMDet 为例，命令如下所示：

# 单卡
export DYNAMO_CACHE_SIZE_LIMIT = 4
python tools/train.py configs/rtmdet/rtmdet_s_8xb32-300e_coco.py  --cfg-options compile=True

# 单机 8 卡
export DYNAMO_CACHE_SIZE_LIMIT = 4
./tools/dist_train.sh configs/rtmdet/rtmdet_s_8xb32-300e_coco.py 8 --cfg-options compile=True

关于 PyTorch 2.0 的 dynamo 常见问题，可以参考 这里

安装⚓︎

  • MMCV 与 MMDetection 的兼容问题: "ConvWS is already registered in conv layer"; "AssertionError: MMCV==xxx is used but incompatible. Please install mmcv>=xxx, \<=xxx."

MMDetection，MMEngine 和 MMCV 的版本兼容关系如下。请选择合适的版本避免安装错误 。

MMDetection 版本 MMCV 版本 MMEngine 版本
main mmcv>=2.0.0, \<2.2.0 mmengine>=0.7.1, \<1.0.0
3.2.0 mmcv>=2.0.0, \<2.2.0 mmengine>=0.7.1, \<1.0.0
3.1.0 mmcv>=2.0.0, \<2.1.0 mmengine>=0.7.1, \<1.0.0
3.0.0 mmcv>=2.0.0, \<2.1.0 mmengine>=0.7.1, \<1.0.0
3.0.0rc6 mmcv>=2.0.0rc4, \<2.1.0 mmengine>=0.6.0, \<1.0.0
3.0.0rc5 mmcv>=2.0.0rc1, \<2.1.0 mmengine>=0.3.0, \<1.0.0
3.0.0rc4 mmcv>=2.0.0rc1, \<2.1.0 mmengine>=0.3.0, \<1.0.0
3.0.0rc3 mmcv>=2.0.0rc1, \<2.1.0 mmengine>=0.3.0, \<1.0.0
3.0.0rc2 mmcv>=2.0.0rc1, \<2.1.0 mmengine>=0.1.0, \<1.0.0
3.0.0rc1 mmcv>=2.0.0rc1, \<2.1.0 mmengine>=0.1.0, \<1.0.0
3.0.0rc0 mmcv>=2.0.0rc1, \<2.1.0 mmengine>=0.1.0, \<1.0.0

注意：

  1. 如果你希望安装 mmdet-v2.x, MMDetection 和 MMCV 版本兼容表可以在 这里 找到，请选择合适的版本避免安装错误。

  2. 在 MMCV-v2.x 中，mmcv-full 改名为 mmcv，如果你想安装不包含 CUDA 算子的版本，可以选择安装 MMCV 精简版 mmcv-lite。

  3. "No module named 'mmcv.ops'"; "No module named 'mmcv._ext'".

原因是安装了 mmcv-lite 而不是 mmcv。

  1. pip uninstall mmcv-lite 卸载安装的 mmcv-lite

  2. 安装 mmcv 根据 安装说明。

  3. 在 Windows 环境下安装过程中遇到 "Microsoft Visual C++ 14.0 or graeter is required" error .

这个错误发生在 pycotools 的 'pycocotools._mask' 扩展构建过程，其原因是缺少了对应 C++ 环境依赖。你需要到微软官方下载对应工具，选择“使用 C++ 的桌面开发”选项安装最小依赖，随后重新安装 pycocotools。

  • 使用 albumentations

如果你希望使用 albumentations，我们建议使用 pip install -r requirements/albu.txt 或者 pip install -U albumentations --no-binary qudida,albumentations 进行安装。 如果简单地使用 pip install albumentations>=0.3.2 进行安装， 则会同时安装 opencv-python-headless（即便已经安装了 opencv-python 也会再次安装）。 我们建议在安装 albumentations 后检查环境，以确保没有同时安装 opencv-python 和 opencv-python-headless， 因为同时安装可能会导致一些问题。更多细节请参考官方文档 。

  • 在某些算法中出现 ModuleNotFoundError 错误

一些算法或者数据需要额外的依赖，例如 Instaboost、 Panoptic Segmentation、 LVIS dataset 等。请注意错误信息并安装相应的包，例如：

# 安装 instaboost 依赖
pip install instaboostfast
# 安装 panoptic segmentation 依赖
pip install git+https://github.com/cocodataset/panopticapi.git
# 安装 LVIS dataset 依赖
pip install git+https://github.com/lvis-dataset/lvis-api.git

代码⚓︎

  • 修改一些代码后是否需要重新安装 mmdet

如果你遵循最佳实践，即使用 pip install -v -e . 安装的 mmdet，则对本地代码所作的任何修改都会生效，无需重新安装

  • 如何使用多个 MMDetection 版本进行开发

你可以拥有多个文件夹，例如 mmdet-3.0，mmdet-3.1。

要使环境中安装默认的 MMDetection 而不是当前正在在使用的，可以删除出现在相关脚本中的代码：

PYTHONPATH="$(dirname $0)/..":$PYTHONPATH

PyTorch/CUDA 环境相关⚓︎

  • "RTX 30 series card fails when building MMCV or MMDet"

  • 临时解决方案为使用命令 MMCV_WITH_OPS=1 MMCV_CUDA_ARGS='-gencode=arch=compute_80,code=sm_80' pip install -e . 进行编译。 常见报错信息为 nvcc fatal : Unsupported gpu architecture 'compute_86' 意思是你的编译器不支持 sm_86 架构(包括英伟达 30 系列的显卡)的优化，至 CUDA toolkit 11.0 依旧未支持. 这个命令是通过增加宏 MMCV_CUDA_ARGS='-gencode=arch=compute_80,code=sm_80 让 nvcc 编译器为英伟达 30 系列显卡进行 sm_80 的优化，虽然这有可能会无法发挥出显卡所有性能。

  • 有开发者已经在 pytorch/pytorch#47585 更新了 PyTorch 默认的编译 flag， 但是我们对此并没有进行测试。

  • "invalid device function" 或者 "no kernel image is available for execution".

  • 检查您正常安装了 CUDA runtime (一般在/usr/local/)，或者使用 nvcc --version 检查本地版本，有时安装 PyTorch 会顺带安装一个 CUDA runtime，并且实际优先使用 conda 环境中的版本，你可以使用 conda list cudatoolkit 查看其版本。

  • 编译 extension 的 CUDA Toolkit 版本与运行时的 CUDA Toolkit 版本是否相符，

    • 如果您从源码自己编译的，使用 python mmdet/utils/collect_env.py 检查编译编译 extension 的 CUDA Toolkit 版本，然后使用 conda list cudatoolkit 检查当前 conda 环境是否有 CUDA Toolkit，若有检查版本是否匹配， 如不匹配，更换 conda 环境的 CUDA Toolkit，或者使用匹配的 CUDA Toolkit 中的 nvcc 编译即可，如环境中无 CUDA Toolkit，可以使用 nvcc -V。

    等命令查看当前使用的 CUDA runtime。

    • 如果您是通过 pip 下载的预编译好的版本，请确保与当前 CUDA runtime 一致。

  • 运行 python mmdet/utils/collect_env.py 检查是否为正确的 GPU 架构编译的 PyTorch， torchvision， 与 MMCV。 你或许需要设置 TORCH_CUDA_ARCH_LIST 来重新安装 MMCV，可以参考 GPU 架构表, 例如， 运行 TORCH_CUDA_ARCH_LIST=7.0 pip install mmcv 为 Volta GPU 编译 MMCV。这种架构不匹配的问题一般会出现在使用一些旧型号的 GPU 时候出现， 例如， Tesla K80。

  • "undefined symbol" 或者 "cannot open xxx.so".

  • 如果这些 symbol 属于 CUDA/C++ (如 libcudart.so 或者 GLIBCXX)，使用 python mmdet/utils/collect_env.py检查 CUDA/GCC runtime 与编译 MMCV 的 CUDA 版本是否相同。

  • 如果这些 symbols 属于 PyTorch，(例如, symbols containing caffe, aten, and TH), 检查当前 Pytorch 版本是否与编译 MMCV 的版本一致。

  • 运行 python mmdet/utils/collect_env.py 检查 PyTorch， torchvision， MMCV 等的编译环境与运行环境一致。

  • setuptools.sandbox.UnpickleableException: DistutilsSetupError("each element of 'ext_modules' option must be an Extension instance or 2-tuple")

  • 如果你在使用 miniconda 而不是 anaconda，检查是否正确的安装了 Cython 如 #3379.

  • 检查环境中的 setuptools, Cython, and PyTorch 相互之间版本是否匹配。

  • "Segmentation fault".

  • 检查 GCC 的版本，通常是因为 PyTorch 版本与 GCC 版本不匹配 （例如 GCC \< 4.9 )，我们推荐用户使用 GCC 5.4，我们也不推荐使用 GCC 5.5， 因为有反馈 GCC 5.5 会导致 "segmentation fault" 并且切换到 GCC 5.4 就可以解决问题。

  • 检查是否正确安装了 CUDA 版本的 PyTorch 。

    python -c 'import torch; print(torch.cuda.is_available())'

    是否返回True。

  • 如果 torch 的安装是正确的，检查是否正确编译了 MMCV。

    python -c 'import mmcv; import mmcv.ops'

  • 如果 MMCV 与 PyTorch 都被正确安装了，则使用 ipdb, pdb 设置断点，直接查找哪一部分的代码导致了 segmentation fault。

Training 相关⚓︎

  • "Loss goes Nan"

  • 检查数据的标注是否正常， 长或宽为 0 的框可能会导致回归 loss 变为 nan，一些小尺寸（宽度或高度小于 1）的框在数据增强（例如，instaboost）后也会导致此问题。 因此，可以检查标注并过滤掉那些特别小甚至面积为 0 的框，并关闭一些可能会导致 0 面积框出现数据增强。

  • 降低学习率：由于某些原因，例如 batch size 大小的变化， 导致当前学习率可能太大。 您可以降低为可以稳定训练模型的值。
  • 延长 warm up 的时间：一些模型在训练初始时对学习率很敏感，您可以把 warmup_iters 从 500 更改为 1000 或 2000。

  • 添加 gradient clipping: 一些模型需要梯度裁剪来稳定训练过程。 默认的 grad_clip 是 None, 你可以在 config 设置 optimizer_config=dict(_delete_=True, grad_clip=dict(max_norm=35, norm_type=2)) 如果你的 config 没有继承任何包含 optimizer_config=dict(grad_clip=None), 你可以直接设置optimizer_config=dict(grad_clip=dict(max_norm=35, norm_type=2)).

  • "GPU out of memory"

  • 存在大量 ground truth boxes 或者大量 anchor 的场景，可能在 assigner 会 OOM。 您可以在 assigner 的配置中设置 gpu_assign_thr=N，这样当超过 N 个 GT boxes 时，assigner 会通过 CPU 计算 IOU。

  • 在 backbone 中设置 with_cp=True。 这使用 PyTorch 中的 sublinear strategy 来降低 backbone 占用的 GPU 显存。

  • 使用 config/fp16 中的示例尝试混合精度训练。loss_scale 可能需要针对不同模型进行调整。

  • 你也可以尝试使用 AvoidCUDAOOM 来避免该问题。首先它将尝试调用 torch.cuda.empty_cache()。如果失败，将会尝试把输入类型转换到 FP16。如果仍然失败，将会把输入从 GPUs 转换到 CPUs 进行计算。这里提供了两个使用的例子：

    from mmdet.utils import AvoidCUDAOOM

output = AvoidCUDAOOM.retry_if_cuda_oom(some_function)(input1, input2)

    你也可也使用 AvoidCUDAOOM 作为装饰器让代码遇到 OOM 的时候继续运行：

    from mmdet.utils import AvoidCUDAOOM

@AvoidCUDAOOM.retry_if_cuda_oom
def function(*args, **kwargs):
    ...
    return xxx

  • "RuntimeError: Expected to have finished reduction in the prior iteration before starting a new one"

  • 这个错误出现在存在参数没有在 forward 中使用，容易在 DDP 中运行不同分支时发生。

  • 你可以在 config 设置 find_unused_parameters = True 进行训练 (会降低训练速度)。

  • 你也可以通过在 config 中的 optimizer_config 里设置 detect_anomalous_params=True 查找哪些参数没有用到，但是需要 MMCV 的版本 >= 1.4.1。

  • 训练中保存最好模型

可以通过配置 default_hooks = dict(checkpoint=dict(type='CheckpointHook', interval=1, save_best='auto')开启。在 auto 参数情况下会根据返回的验证结果中的第一个 key 作为选择最优模型的依据，你也可以直接设置评估结果中的 key 来手动设置，例如 save_best='coco/bbox_mAP'。

  • 在 Resume 训练中使用 ExpMomentumEMAHook

如果在训练中使用了 ExpMomentumEMAHook，那么 resume 时候不能仅仅通过命令行参数 --resume-from 或 --cfg-options resume_from 实现恢复模型参数功能例如 python tools/train.py configs/yolox/yolox_s_8x8_300e_coco.py --resume-from ./work_dir/yolox_s_8x8_300e_coco/epoch_x.pth。以 yolox_s 算法为例，由于 ExpMomentumEMAHook 需要重新加载权重，你可以通过如下做法实现：

# 直接打开 configs/yolox/yolox_s_8x8_300e_coco.py 修改所有 resume_from 字段
resume_from=./work_dir/yolox_s_8x8_300e_coco/epoch_x.pth
custom_hooks=[...
    dict(
        type='ExpMomentumEMAHook',
        resume_from=./work_dir/yolox_s_8x8_300e_coco/epoch_x.pth,
        momentum=0.0001,
        priority=49)
    ]

Evaluation 相关⚓︎

  • 使用 COCO Dataset 的测评接口时, 测评结果中 AP 或者 AR = -1
  • 根据COCO数据集的定义，一张图像中的中等物体与小物体面积的阈值分别为 9216（96*96）与 1024（32*32）。
  • 如果在某个区间没有检测框 AP 与 AR 认定为 -1.

Model 相关⚓︎

  • ResNet style 参数说明

ResNet style 可选参数允许 pytorch 和 caffe，其差别在于 Bottleneck 模块。Bottleneck 是 1x1-3x3-1x1 堆叠结构，在 caffe 模式模式下 stride=2 参数放置在第一个 1x1 卷积处，而 pyorch 模式下 stride=2 放在第二个 3x3 卷积处。一个简单示例如下：

if self.style == 'pytorch':
      self.conv1_stride = 1
      self.conv2_stride = stride
else:
      self.conv1_stride = stride
      self.conv2_stride = 1
  • ResNeXt 参数说明

ResNeXt 来自论文 Aggregated Residual Transformations for Deep Neural Networks. 其引入分组卷积，并且通过变量基数来控制组的数量达到精度和复杂度的平衡，其有两个超参 baseWidth 和 cardinality来控制内部 Bottleneck 模块的基本宽度和分组数参数。以 MMDetection 中配置名为 mask_rcnn_x101_64x4d_fpn_mstrain-poly_3x_coco.py 为例，其中 mask_rcnn 代表算法采用 Mask R-CNN，x101 代表骨架网络采用 ResNeXt-101，64x4d代表 Bottleneck 一共分成 64 组，每组的基本宽度是 4。

  • 骨架网络 eval 模式说明

因为检测模型通常比较大且输入图片分辨率很高，这会导致检测模型的 batch 很小，通常是 2，这会使得 BatchNorm 在训练过程计算的统计量方差非常大，不如主干网络预训练时得到的统计量稳定，因此在训练是一般都会使用 norm_eval=True 模式，直接使用预训练主干网络中的 BatchNorm 统计量，少数使用大 batch 的算法是 norm_eval=False 模式，例如 NASFPN。对于没有 ImageNet 预训练的骨架网络，如果 batch 比较小，可以考虑使用 SyncBN。

最后更新: November 27, 2023
创建日期: November 27, 2023