Windows 常见问题

    加速 Windows 的 CUDA 构建

    Visual Studio 目前不支持并行自定义任务。作为替代，我们可以使用 来并行化 CUDA 构建任务。它只能通过输入几行代码来使用。

    1. # REM 先安装 ninja
    2. pip install ninja
    4. # REM 将其设置为 cmake 生成器
    5. set CMAKE_GENERATOR=Ninja

    一个关键的安装脚本

    你可以在这里查阅 ，它会给你指引。

    CFFI 扩展

    对 CFFI 扩展的支持是非常实验性的。在 Windows 下启用它通常有两个步骤。

    首先，在扩展对象中指定其他库以更在 Windows 上构建。

    1. ffi = create_extension(
    2.     '_ext.my_lib',
    3.     headers=headers,
    4.     sources=sources,
    5.     define_macros=defines,
    6.     relative_to=__file__,
    7.     with_cuda=with_cuda,
    8.     extra_compile_args=["-std=c99"],
    9.     libraries=['ATen', '_C'] # Append cuda libaries when necessary, like cudart
    10. )

    下面列出了一个例子：

    1. #include <THC/THC.h>
    2. #include <ATen/ATen.h>
    4. THCState *state = at::globalContext().thc_state;
    6. extern "C" int my_lib_add_forward_cuda(THCudaTensor *input1, THCudaTensor *input2,
    7.                                         THCudaTensor *output)
    9.     if (!THCudaTensor_isSameSizeAs(state, input1, input2))
    10.     return 0;
    11.     THCudaTensor_resizeAs(state, output, input1);
    12.     THCudaTensor_cadd(state, output, input1, 1.0, input2);
    13.     return 1;
    14. }
    16. extern "C" int my_lib_add_backward_cuda(THCudaTensor *grad_output, THCudaTensor *grad_input)
    17. {
    18.     THCudaTensor_fill(state, grad_input, 1);
    19.     return 1;
    20. }

    与前一种相比，这种类型的扩展有更好的支持。但是，它仍然需要一些手动配置。首先，您应该打开VS 2017 的 x86_x64 交叉工具链命令提示符。然后，您可以打开其中的 Git-Bash。它通常位于 C：\ Program Files \ Git \ git-bash.exe 中。最后，您可以开始编译过程。

    在 win-32 中找不到包

    PyTorch 不适用于 32 位系统。请使用 Windows 和 Python 64 位版本。

    为什么没有 Windows 的 Python 2 包？

    因为它不够稳定。在我们正式发布之前需要解决一些问题。你可以自己构建它。

    导入错误

    1. from torch._C import *
    3. ImportError: DLL load failed: The specified module could not be found.
    1. conda install -c peterjc123 vc vs2017_runtime

    另一个可能的原因可能是您使用的是没有 NVIDIA 图形卡的 GPU 版本。请将您的 GPU 软件包替换为 CPU 软件包。

    1. RuntimeError:
    2.     An attempt has been made to start a new process before the
    3.     current process has finished its bootstrapping phase.
    4.     在当前进程完成引导阶段之前，已尝试开始一个新进程
    6.    This probably means that you are not using fork to start your
    8.    in the main module:
    9.    这可能意味着你没有使用 fork 来启动你的子进程，并且你忘记了在主模块中使用
    10.    正确的用法：
    12.        if __name__ == '__main__':
    13.            freeze_support()
    14.            ...
    16.    The "freeze_support()" line can be omitted if the program
    17.    is not going to be frozen to produce an executable.
    18.    如果程序不会被冻结以生成可执行文件，则可以省略 “freeze_support()” 行。

    Windows 上 multiprocessing 多进程处理的实现不同，它使用 spawn 而不是 fork。所以我们必须用 if 条件语句来保护代码不被执行多次。将您的代码重构为以下结构：

    多进程处理错误 “损坏的管道”

    1. ForkingPickler(file, protocol).dump(obj)
    3. BrokenPipeError: [Errno 32] Broken pipe

    在父进程发送数据完成之前，子进程先结束就会发生此错误。这说明你的代码可能有问题。你可以通过将 DataLoader 的 num_worker 减为零来调试代码，看看问题是否仍然存在。

    多进程处理错误 “驱动程序关闭”

    1. Couldn’t open shared file mapping: <torch_14808_1591070686>, error code: <1455> at torch\lib\TH\THAllocator.c:154
    3. [windows] driver shut down

    请更新您的图形驱动程序。如果这种情况持续存在，这可能是因为您的显卡太旧或计算压力对于您的显卡来说太重了。请根据这篇 文章 更新 TDR 设置。

    CUDA IPC 业务

    1. THCudaCheck FAIL file=torch\csrc\generic\StorageSharing.cpp line=252 error=63 : OS call failed or operation not supported on this OS
    1. 改为 CPU 共享张量。确保您的自定义 DataSet 数据集返回 CPU 张量。