【DINO】环境配置

1. DINO简介

作为一款基于Transformer性能强劲的计算机视觉算法，一经发布即受追捧，本文记录下在DINO官方代码在集群上的环境配置及训练自己的数据集过程。

DINO原文：https://arxiv.org/abs/2203.03605

DINO源代码：https://github.com/IDEA-Research/DINO

2. DINO环境配置

该部分推荐大家参看DINO源代码中点击进入的配置过程，一般只要一步步来，不会出错的

根据上图大致流程为：

1 创建虚拟环境

2 安装合适的 torch相关包，比如上图中划线部分，注意cuda版本一定要和您的GPU CUDA版本契合，或者您通过nvidia-smi 查看的 GPU driver 假设是11.2 原则上，您在装cudatoolkits时可选 11.3 或以上版本的，这个可以自行测试，具体可以参看我往期的博客，

虽然为另一个检测代码的环境配置，但其实是类似的。https://github.com/IDEA-Research/DINO

3. 安装必要的包 pip install -r requiremets.txt

4. 编译，即图中第四步。

3. 环境配置过程中的细节

3.1 编译过程中遇到CUDA out of memory

当您顺利进行到CUDA算子编译步骤时，会发现有时候显存不够大，可能会报一个CUDA out of memory的错误，这个是我们的显存不够大，造成的，不过编译已经通过了。

RuntimeError: CUDA out of memory. Tried to allocate 1.88 GiB (GPU 0; 11.77 GiB total capacity; 9.41 GiB already allocated; 1.48 GiB free; 9.66 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

在您的项目目录 DINO-main/models/dino/ops 看到是否编译好的包和库，如下图所示。