Deep3DFaceRecon_pytorch用AutoDL复现记录

这篇具有很好参考价值的文章主要介绍了Deep3DFaceRecon_pytorch用AutoDL复现记录。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。

github链接:sicxu/Deep3DFaceRecon_pytorch: Accurate 3D Face Reconstruction with Weakly-Supervised Learning: From Single Image to Image Set (CVPRW 2019). A PyTorch implementation. (github.com)

AutoDL链接:

AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL

一、环境配置和运行记录

1 租用AutoDL实例

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

!!!配环境我没有创建新环境,直接在base环境下配的,因为想直接用选择的镜像,之前踩坑了(后面有说)。

##命令行
##把项目下载到github上面
git clone https://github.com/sicxu/Deep3DFaceRecon_pytorch.git
cd Deep3DFaceRecon_pytorch

##安装Nvdiffrast包
git clone https://github.com/NVlabs/nvdiffrast
cd nvdiffrast    # ./Deep3DFaceRecon_pytorch/nvdiffrast
pip install .

##安装Arcface Pytorch
cd ..    # ./Deep3DFaceRecon_pytorch
git clone https://github.com/deepinsight/insightface.git
cp -r ./insightface/recognition/arcface_torch ./models/
2 把.yml的文件内容用.txt.文件保存,用以下命令行安装,并不是所有的包都能安装成功,后面缺什么补什么。
pip install -r requirements.txt  # ./Deep3DFaceRecon_pytorch

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

3 安装pytoch-GPU版本

我选择的镜像cuda版本为11.1,安装命令网址:Previous PyTorch Versions | PyTorch

# CUDA 11.1
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

##安装成功后,可以用以下命令查看自己安装的torch版本
conda list
 4 测试准备工作,把需要的模型下载并放到合适的位置

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

5 测试
##测试命令行  模型名字和图片文件夹根据实际的位置和名称做对应的修改
python test.py --name=<model_name> --epoch=latest --img_folder=./datasets/examples

##测试命令行 适用于没有装OpenGL环境的友友 把--use_opengl False配置加上,不加上会报错
python test.py --img_folder=./datasets/examples --use_opengl False
6 运行结果截图

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

obj文件可以meshlab中打开,带贴图的哦。

二、一些bug记录

1 租用AutoDL镜像和cuda的关系 Q&A

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

这是我的问题和AutoDL客服的回复,我理解的意思就是选好了GPU镜像,cuda版本和tensorflow版本就限制了。我租的服务器版本cuda支持cuda11.x,而我创建环境的cuda版本为10.2,所以报错了。相关报错如下所示

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

2 要注意自己安装的pytorch版本是不是gpu版本的,要确认一下,相关报错如下所示

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

3 测试运行的时候没有把--use_opengl False配置加上,会报ninja相关的错误

三、tensorflow版本报错记录

github项目链接:GitHub - microsoft/Deep3DFaceReconstruction: Accurate 3D Face Reconstruction with Weakly-Supervised Learning: From Single Image to Image Set (CVPRW 2019)

主要报错:bazel编译错误

状态:尚未解决

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

四、pytorch版本windows运行报错记录

1 ninja相关的报错

2 利用VS将ninja安装好之后,又报了新的错,该报错未解决

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

五、AutoDL相关知识

1 环境在miniconda3文件夹里面

Deep3DFaceRecon_pytorch用AutoDL复现记录,pytorch,python,3d

2 实例关机后不收费哦

3 克隆实例很好用 

4 不需要GPU时,可以使用无卡模式开机,无卡模式开机后可以配环境和上传文件等等

5 AutoDL有客服,遇到问题找客服文章来源地址https://www.toymoban.com/news/detail-853901.html

到了这里,关于Deep3DFaceRecon_pytorch用AutoDL复现记录的文章就介绍完了。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

  • vue2对应的element ui使用的>>> 和 /deep/ 在vue3中被 :deep() 代替

    背景: 与同事合作开发过程中发现同事又学了新技能对组件样式进行强制修改,但是他用的时候控制台报错了,原因就是将vue2上兼容的使用方式用在了vue3中。下面我们一起来看看吧 一、系统控制台警告信息: 二、vue2和vue3中的使用情况概述: 在 Vue2 中 经常使用 或 /deep/ 样

    2023年04月25日
    浏览(23)
  • MATLAB Deep learning

    深度学习是一种机器学习,而机器学习是一种人工智能。 机器学习的本质 :机器学习是一种从“数据”中找到“模型”的技术。在这里,数据的字面意思是指文档、音频、图像等信息。这个“模型”是机器学习的最终产物。 机器学习的创建是为了 解决分析模型几乎不可用的

    2024年01月17日
    浏览(81)
  • deep learning 代码笔记

    len (X)总是返回第0轴的长度。 What are the shapes of summation outputs along axis 0, 1, and 2? f ( x ) = ||  x||   2 的梯度 自动微分法计算: 因此,梯度是x的单位向量。在x = 0处的梯度在数学上是未定义的,但是自动微分返回零。要小心,在这种情况下可能会出现差异。 默认情况下,最后一

    2024年02月21日
    浏览(32)
  • Deep Learning-学习笔记

    deep learning训练过程 如果对所有层同时训练,时间复杂度会太高;如果每次训练一层,偏差就会逐层传递。这会面临跟上面监督学习中相反的问题,会严重欠拟合(因为深度网络的神经元和参数太多了)。 2006年,hinton提出了在非监督数据上建立多层神经网络的一个有效方法,

    2024年02月12日
    浏览(28)
  • css深度选择器deep

    1.为什么要有deep 1.当我们给组件设置scoped的时候,此时我们组件的css样式只会对自己的内容生效,不会对子组件里面的内容生效。   顶部没有效果   2.deep作用: 深度选择器(也有少数人叫穿透选择器) 让父组件向下影响到 子组件内部的样式 3.deep语法 ::v-deep (scss) /deep/ (le

    2023年04月08日
    浏览(48)
  • css中/deep/的用法

    css中通常会在 style 标签内添加 scoped 来避免父组件对子组件的影响,添加了之后只能修改当前组件的样式。 这样做的原理是通过在打包的时候给每个样式都添加一个独一无二的hash值,从而避免父组件对子组件的样式的影响。 添加后控制台显示的样式就会像这样: 设置了上述

    2024年02月16日
    浏览(29)
  • css深度选择器 /deep/

    一、/deep/的含义和使用 /deep/  是一种 CSS 深度选择器,也被称为深度组合器或者阴影穿透组合器,主要用在 Web 组件样式封装中。 在 Vue.js 或者 Angular 中,使用了样式封装技术使得组件的样式不会影响到全局,也就是说组件内部的样式默认情况下只对组件内部的元素生效,不

    2024年01月20日
    浏览(61)
  • 【论文阅读】Deep Graph Infomax

    会议: 2019-ICLR 作者:Petar Veliˇckovi´,William Fedus 文章链接:Deep Graph Infomax 代码链接:Deep Graph Infomax (1)无监督图学习的重要性  尽管图神经网络取得了显著的进步,但是大多数方法采用监督学习的方法,然而,在真实世界中,图的标签是较少的,这些方法很难推广到大量

    2024年02月03日
    浏览(42)
  • Tips for Deep Learning

    目录 Recipe of Deep Learning  Good Results on Training Data? New activation function Adaptive learning rate Good Results on Testing Data? Early Stopping Regularization Dropout 我们要做的第一件事是,提高model在training set上的正确率,然后要做的事是,提高model在testing set上的正确率。 这一部分主要讲述如何在

    2024年02月05日
    浏览(34)
  • scope,deep穿透的实际应用

    文字并没有编程红色,scope属性能保证当前页面的属性不被污染。 此时我们可以利用deep属性进行穿透 穿透子组件,本来子组件有独立的作用域 代码:

    2024年02月13日
    浏览(24)

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