Flownet 2.0-pytorch window10编译过程

github上NVIDIA给出的flownet2-pytorch代码

我使用的环境

python 3.5
pytorch 1.0.1
cuda 9.0
cudnn 7.1
这里最重要的是你的cuda和pytorch版本要相对应，否则会有好多坑，建议用conda装。
除此之外，还有Microsoft Visual C++ Build Tools 14。

编译过程

1. 分别进入networks下的这三个文件夹，然后找到setup.py,
   
   在setup.py中呢，需要将cxx_args = ['-std=c++11']中的11改成14，因为前面我是下的VC 14，这个根据自己的情况来。
   然后在nvcc_args这个参数中，'-gencode', 'arch=compute_35,code=sm_35'，这个里面的数字是对应你的显卡的算力，这个大家根据自己的显卡然后修改，我的算力是3.5，所以改成了35。
   至此，setup.py就修改完了，三个文件夹里的都要修改。
   修改完之后，分别在终端中进入这三个文件夹，然后输入python setup.py install这个命令，
   如果报下面这个错误的话，

invalid preprocessor command 'warning'

就得找到你的torch.h文件，我的路径是：

E:\Miniconda\install\envs\flow\Lib\site-packages\torch\lib\include\torch\csrc\api\include\torch\torch.h

找到torch.h之后，把下面这个warning删除即可。

#warning \
    "Including torch/torch.h for C++ extensions is deprecated. Please include torch/extension.h"

如果出现error: more than one operator "==" matches these operands:这类错误的话，就得找到THCNumerics.cuh这个文件，把这个文件中的以下部分注销掉：

static inline __host__ __device__ bool lt(at::Half a, at::Half b) { return a < b; } 
static inline __host__ __device__ bool le(at::Half a, at::Half b) { return a <= b; } 
static inline __host__ __device__ bool gt(at::Half a, at::Half b) { return a > b; } 
static inline __host__ __device__ bool ge(at::Half a, at::Half b) { return a >= b; } 
static inline __host__ __device__ bool eq(at::Half a, at::Half b) { return a == b; }
static inline __host__ __device__ bool ne(at::Half a, at::Half b) { return a != b; }

THCNumerics.cuh的路径 ：

E:\Miniconda\install\envs\flow\Lib\site-packages\torch\lib\include\THC

修改完后运行setup.py，生成以下三个文件夹，就算成功了。

测试部分

我用的是run_a_pair.py来测试：
这里面的话不需要怎么改动，只需要把权重路径和测试图片的路径修改以下就行了。缺什么module的话直接pip安装就行。下面是我使用的flownet的权重：
https://pan.baidu.com/s/1jcnShI6JPtTCPHQguMH9cg
提取码：2233

在测试中，如果出现no kernel image is available for execution on the device这个错误的话，一般是两种解决方案：
第一种：你的cuda版本和你的算力不匹配，需要修改cuda的版本。
第二种：修改setup.py中的'-gencode', 'arch=compute_35,code=sm_35'，修改完后，需要将__pycache__、还有生成的build、cuda.egg-info、dist，这四个文件夹删除，然后重新运行下setup.py。就ok了。
至此，我就跑通了这份flownet-pytorch的代码，不得不说，所用到的东西只要有一个不匹配，就会报错，我真是裂开，不过还好，最终还是能跑通了。

Reference：
Flownet2 NVIDIA pytorch最新安装教程 有效的避坑教程
基于flownet2-pytorch在微表情数据集上进行光流预测