解决报错:“slow_conv2d_cpu“ not implemented for ‘Half‘ | 训练DreamBooth

这篇具有很好参考价值的文章主要介绍了解决报错:“slow_conv2d_cpu“ not implemented for ‘Half‘ | 训练DreamBooth。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

用了autodl上的镜像:CrazyBoyM/dreambooth-for-diffusion/dreambooth-for-diffusion:v3,在无卡模式下调试代码到时候,因为没有Cuda支持,无法使用半精度VAE模块进行推理,因此在获取latent图像时出现报错:

"slow_conv2d_cpu" not implemented for 'Half'

解决方案:

参考python - "RuntimeError: "slow_conv2d_cpu" not implemented for 'Half'" - Stack Overflow解决报错:“slow_conv2d_cpu“ not implemented for ‘Half‘ | 训练DreamBooth

既然无法使用half精度,那就不进行转换。找到train_dreambooth.py文件的611-665行:

weight_dtype = torch.float32
if args.mixed_precision == "fp16":
    weight_dtype = torch.float16
elif args.mixed_precision == "bf16":
    weight_dtype = torch.bfloat16

注释掉转换half精度的代码,使用float32精度。

解决报错:“slow_conv2d_cpu“ not implemented for ‘Half‘ | 训练DreamBooth

再重新运行VAE的encoder,就不会再报错了。文章来源地址https://www.toymoban.com/news/detail-508584.html

到了这里,关于解决报错:“slow_conv2d_cpu“ not implemented for ‘Half‘ | 训练DreamBooth的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 使用nrm快速切换npm源以及解决Method Not Implemented

    是npm 源管理器 使用它可以快速切换 npm源 查看本机目前使用的npm 源 安装nrm 查看可选源 星星代表的是当前使用源 查看当前使用源 切换源 添加源 删除源 nrm del 源名字 测试源的响应时间 举个栗子:测试淘宝源响应时间 npm audit 报错 npm WARN audit 501 Method Not Implemented 解决方案:

    2024年02月11日
    浏览(36)
  • cv2.error: OpenCV(4.8.1) D:xxxerror: (-2:Unspecified error) The function is not implemented.报错

    在用harries角点检测算法的过程中,遇到了这个报错:   然后先问了一下gpt,gpt说 :    我估计可能是版本问题,最后找到了这个链接  : Link 那么要怎么解决呢? 执行下面命令即可 :  This solution seems to work for a majority of users, but not all. If you are in this case, see the proposed answer by Sachin

    2024年02月03日
    浏览(51)
  • 解决 “Function not implemented“, 为 arm64 架构宿主机重新构建 Nacos 镜像

    官方的 Nacos 镜像在 arm64 架构的系统上运行容器会出现 “Function not implemented” 的相关异常日志以致于容器内 Nacos 无法正常启动. 原因是官方镜像基于的 CentOS 7.x 的基础镜像版本并不支持 arm64 架构的系统. 其实 7.x 版本是有 arm64 支持的, 只是官方镜像并没有采用那个 platform (

    2024年02月08日
    浏览(44)
  • nn.Conv2d详解

    nn.Conv2d  是 PyTorch 中的一个卷积层,用于实现二维卷积操作。其主要参数有: in_channels :表示输入图像的通道数,也就是输入特征图的深度。 out_channels :表示输出特征图的通道数,也就是卷积核的个数。 kernel_size :表示卷积核的大小;可以是一个整数,表示正方形卷积核的

    2024年02月05日
    浏览(44)
  • pytorch复现_conv2d

    2024年02月06日
    浏览(45)
  • [Pytorch]卷积运算conv2d

    torch.nn.functional.Conv2d()的详细参数: 即F.Conv2d的主要参数如下: input:输入特征图 weight:卷积核 bias:偏置参数 stride:卷积步长 padding:填充 dilation:膨胀系数 groups:分组卷积 利用F.Conv2d对图像中的暗线进行识别demo: pytorch中的卷积运算接口可使用torch.nn中的Conv2d(): pytorch官方

    2024年02月14日
    浏览(42)
  • 【PyTorch】nn.Conv2d函数详解

    CONV2D官方链接 in_channels:输入的通道数,RGB 图像的输入通道数为 3 out_channels:输出的通道数 kernel_size:卷积核的大小,一般我们会使用 5x5、3x3 这种左右两个数相同的卷积核,因此这种情况只需要写 kernel_size = 5这样的就行了。如果左右两个数不同,比如3x5的卷积核,那么写作

    2024年01月22日
    浏览(40)
  • python-函数用法-F.conv_transpose2d

    F.conv_transpose2d 对由多个输入平面组成的输入图像应用二维转置卷积算子, 有时也称为反卷积. 其中,weight是:输入通道,输出通 input – 输入tensor weight – 卷积核 bias – 可选的偏置 stride –卷积核的步幅, 可以是单个数字或一个元素元组 (sH, sW). 默认值: 1 padding – 在输入的两边

    2024年02月16日
    浏览(42)
  • cv2.imshow error: (-2:Unspecified error) The function is not implemented.问题解决

    在运行opencv的python代码时,调用cv2.imshow时报错,如下所示 cv2.imshow(opencv_title, out) cv2.error: OpenCV(4.5.5) D:aopencv-pythonopencv-pythonopencvmoduleshighguisrcwindow.cpp:1268: error: (-2:Unspecified error) The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Cocoa support. If you are on Ubuntu or Deb

    2024年02月16日
    浏览(52)
  • 【知识点】nn.Conv2d参数设置

    reference   in_channels   这个很好理解,就是输入的四维张量[N, C, H, W]中的C了,即输入张量的channels数。这个形参是确定权重等可学习参数的shape所必需的。 out_channels   也很好理解,即期望的四维输出张量的channels数。 kernel_size   卷积核的大小,一般我们会使用5x5、3x3这

    2024年02月12日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包