Nvidia RTX 3070运行FastReID开源项目

本文为RTX 3070显卡运行开源项目FastReID的记录。
针对的代码commit号为：c9bc3ceb2f7a6438b62fb515ea3df6d1e999e95d
部分内容参考自文章行人识别fastreid项目官方数据训练测试，FastReID使用教程、踩坑记录

环境配置

按照官网提供的python 3.7和pytorch 1.6.0的版本会提示不支持该显卡

UserWarning: NVIDIA GeForce RTX 3070 with CUDA capability sm_86 is not compatible with 
the current PyTorch installation. The current PyTorch install supports CUDA 
capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37. If you want to use the 
NVIDIA GeForce RTX 3070 GPU with PyTorch, please check the instructions at 
https://pytorch.org/get-started/locally/ 
warnings.warn(incompatible_device_warn.format(device_name, capability, " 
".join(arch_list), device_name))

于是按照如下指令创建conda环境

conda create -n FastReID python=3.8
conda activate FastReID
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia  
pip install -r docs/requirements.txt 

测试

官方提供的测试demo指令为

python demo/visualize_result.py --config-file logs/dukemtmc/mgn_R50-ibn/config.yaml \
--parallel --vis-label --dataset-name DukeMTMC --output logs/mgn_duke_vis \
--opts MODEL.WEIGHTS logs/dukemtmc/mgn_R50-ibn/model_final.pth

其中存在几个问题

1. config文件位置不对，config文件实际存储在了configs/中
2. 模型位置不对：如果不自己进行训练的话，将模型的位置修改为自己下载的模型位置即可
3. 缺少排序设置：该部分内容参考文章行人识别fastreid项目官方数据训练测试
   官方代码默认将预测结果按预测结果升序排列，即给定一个查询集之后，默认按照查询精度最低的样本-精度最高的样本进行排列，这样会导致咱们看到的查询结果都是错的。可以通过如下几个参数进行设置

--num-vis N # 对N个查询样本的查询结果进行可视化
--rank-sort descending --label-sort descending # 查询结果按照精度降序排列，而非升序
--max-rank 10 # 每个查询样本 查询多少个结果

在使用这几个参数时，可能会报错

Traceback (most recent call last):
  File "/work/2.ChiPeak/3.ReidAbout/1.PesonReid/1.fast_reid/1.fast-reid-init-master/demo/visualize_result.py", line 139, in 
    args.rank_sort, args.label_sort, args.max_rank)
  File "/work/2.ChiPeak/3.ReidAbout/1.PesonReid/1.fast_reid/1.fast-reid-init-master/fastreid/utils/visualizer.py", line 158, in vis_rank_list
    query_indices = query_indices[:num_vis]
TypeError: slice indices must be integers or None or have an __index__ method

在visualize_result.py文件中对num_vis,max_rank两个参数都加入int定义即可。

# 两句源码都添加了type=int
    parser.add_argument( "--num-vis",type=int,default=100,help="number of query images to be visualized")
    parser.add_argument("--max-rank",type=int,default=10,help="maximum number of rank list to be visualized")

4. 预训练模型缺少参数
   直接运行官方预训练好的模型，会提示参数不对

Some model parameters or buffers are not found in the checkpoint: 
heads.bottleneck.0.{running_mean, running_var, bias, weight} heads.weight 
[06/30 21:46:18 fastreid.utils.checkpoint]: The checkpoint state_dict contains keys that are not used by the model:
 pixel_mean pixel_std heads.bnneck.{weight, bias, running_mean, running_var, num_batches_tracked} heads.classifier.weight

是因为官方在后续又对代码进行了修改，而没有提供修改后对应的预训练模型。自己按照官方文件GETTING_STARTED.md给的训练方式再训练一个使用就行，实测在我的3070显卡上训练只需要1个小时左右

训练报错

训练时可能报错AssertionError: No inf checks were recorded for this optimizer.，在engine/defaults.py中，找到build_optimizer函数，将其返回值由return build_optimizer(cfg, model)修改为return build_optimizer(cfg, model, contiguous = False)