代码环境移植问题

从P100将CenterNet移植到P4上运行，遇到一些问题，解决起来很棘手，记录下来。

 

P100环境：

CUDA 10.0

gcc版本 7.3.0

pytorch 1.0.1

 

P4原始环境：

CUDA 9.0

gcc版本 4.8.5

pytorch 1.1.0

 

移植步骤：

1. 代码拷贝
2. 数据移植
3. 配环境

 

 

遇到的问题及解决方法：

1.运行代码时DCNv2报错：

Installation issue: undefined symbol: __cudaPopCallConfiguration · Issue #19 · rusty1s/pytorch_scatter

原因：编译DCNv2时的cuda版本和编译pytorch的时候不一样

解决方法：不能直接用移植的代码，重新下载CenterNet中DCNv2库。

 

2.运行代码的时候DCNv2报错如下：

PyTorch no longer supports this GPU because it is too old.

原因：pytorch的版本和CUDA版本不对应

解决方法：需要在安装pytorch的时候确认版本和cuda版本对应，必要的话使用pytorch官网给出的命令。如果cuda环境有变化，需要重新安装pytorch。可以用 'torch.cuda.is_available()' 确定cuda版本的pytorch是否安装正确。

还有一种方法是升级驱动。

 

3.运行时报错Segmentation fault

原因：使用faulthandler调试加打印输出，发现问题出在DCNv2的库中，但是库编译时没有报错。

解决方法：一开始用的解决方法是，从原作者DCNv2库中下载，因为pytorch1.1.0的变化，改变其中一行代码，重新编译。编译未报错，但运行仍有问题。

后来发现是gcc有问题，gcc在4.9.0以上才能正确编译pytorch，而以下的版本编译不会报错，但是使用有问题，因此升级gcc到4.9.4版本。

 

4.运行代码时报错如下：

undefined symbol: _ZN3c105ErrorC1 ENS_14SourceLocationERKSs

原因：pytoch中 _GLIBCXX_USE_CXX11_ABI为1，但是c++编译是 _GLIBCXX_USE_CXX11_ABI为0，因此对不上

实际原因是pytorch编译时候用到的gcc与代码中c++库用到的gcc版本不同

解决方法：

卸载conda，重新安装conda，此时conda环境用到的gcc与c++编译库时版本一样。

 

问题解决。