DCNv2编译时报错error: ‘THFloatBlas_gemv’ was not declared

【代码】DCNv2编译报错解决方法。

window10 pytorch编译DCNv2 遇到的错误 错误1： UserWarning: Attempted to use ninja as the BuildExtension backend but we could not find ninja.. Falling back to using the slow distutils backend. 解决方案： pip install ninja 错误2： error: identifier "THCState_getCurrentStream

显卡Nvidia RTX TITAN pytorch 1.5.0 cuda 10.2 报错： nvcc fatal : Unsupported gpu architecture 'compute_80' ninja: build stopped: subcommand failed. 解决方法： 在DCNV2目录下setup.py文件中添加一行代码 if torch.cuda.is_available() and CUDA_HOME is not None: extensio.

错误描述： error: command 'D:\\vs2017\\VC\\Tools\\MSVC\\14.16.27023\\bin\\HostX86\\x64\\link.exe' failed with exit status 1181 执行命令： python setup.py build develop 最新DCNv2下载地址：（支持pytorch1.8） [https://codechina.csdn.net/mirrors/jinfagang/DCNv2_latest](https://c

项目地址： 使用yolact编译DCNv2提示 /media/howso/f/lu/myproj/yolact-master/external/DCNv2/src/cuda/dcn_v2_cuda.cu(107): error: identifier "THCState_getCurrentStream" is undefined /media/howso/f/lu/myproj/yolact-master/external/DCNv2/src/cuda/dcn_v2_cuda.cu(279): er

最近调研目标检测算法，主要看了两种类型的模型，一个是one-state的FairMOT，一个是two-state的yolov5+deepsort。但是在ubuntu跑FairMOT时，需要编译安装dcnv2，这里遇到了一个很大的坑，最后成功解决。我电脑安装的是cuda 10.2。可以直接跳到第4步，解决方案 GitHub - lbin/DCNv2: Deformable Convolutional Networks v2 with Pytorch 错误： 正常情况下进入文件夹下执行sh make.sh

解决DCNv2在windows中编译不通过问题

一直卡在DCNv2的编译上，尝试根据报错解决和查阅网上的各种教程均告失败，最后看到有人说DCNv2的版本要和torch版本对应 GitHub - lbin/DCNv2 at pytorch_1.6 把网址后面的版本改成自己的版本，下载后更换掉原先的DCNv2文件夹 就可以正常编译了 .........

由于pytorch自1.11版开始发生了很大变化，原来基于C实现的THC封装实现的调用cuda、cudnn和cublas的API(只能用NVIDIA的GPU)被基于C++实现的ATen和c10里的API代替(ATen通过vulkan实现支持NVIDIA以外的GPU， ATen代码在https://github.com/pytorch/pytorch/tree/main/aten/src/ATen)，THC下的文件基本被删掉了，所以编译DCNv2时会遇到很多错误。

找不到标识符

如果安装了GPU版本的TensorFlow，使用其进行模型的载入时，遇到报错，类似下面这种： InternalError: Blas GEMM launch failed : a.shape=(10000, 784), b.shape=(784, 10), m=10000, n=10, k=784 [[node MatMul (defined at <ipython-input-2-03...

问题描述： 原因： 找不到 FloatMath，因为Android6.0之后不支持使用FloatMath。 解决： 把 FloatMath 改成 Math。

时，诸如:nusc_centerpoint_voxelnet_0075voxel_fix_bn_z_focal_multimodal.py，这个文件就是作者论文中提到的方法，要想运行此文件，则需要首先按照作者的要求下载他写好的spconv的版本扩展：spconv-plus-master，这个在作者github官网上能够找到，这个文件里面加入了他自己写的两个算子，所以自己创建了一个spocnv2.x的文件。也就是说，需要进到相应的cpp文件内，将所有的AT_CHECK进行替换，然后再次编译。