部署问题

下列问题的出现，源自readme.md文件中以下代码的执行。

conda create -n resshift python=3.10
conda activate resshift
pip install -r requirements.txt

问题1：NotImplementedError: No operator found for `memory_efficient_attention_forward` with inputs:

原因：

xformers使用的是cpu版本

 解决办法：

下载xformers的gpu版本（使用pip list 查询xformers版本号）

pip install -U xformers==0.0.23 --index-url https://download.pytorch.org/whl/cu118    

注意：这个命令会同时安装xformers=0.0.23和pytorch=2.1.1+cuda118

问题2：ERROR: No matching distribution found for scikit-image

原因：

scikit-image未安装

解决方法：

pip install scikit-image==版本号

或者

pip install -r requirements.txt

问题3：AssertionError: Torch not compiled with CUDA enabled

原因：

使用readme.md中的pip install -r requirements.txt会自动安装cpu版本的torch和torchvision

解决办法

方法一：自行对应torch和torchvision版本(该方法下载速度极慢，可以用clash verge)

pip uninstall torch
pip uninstall torchvision
pip install torch==2.1.1 torchvision==0.16.1 --index-url https://download.pytorch.org/whl/cu118

方法二：下载离线版gpu torch和torchvision

1、详细寻找合适版本torch.whl文件方法如下

torch版本下载地址：download.pytorch.org/whl

100%解决：AssertionError: Torch not compiled with CUDA enabled_raise assertionerror("torch not compiled with cuda-CSDN博客https://blog.csdn.net/qq_45826605/article/details/138859427

2、找到合适版本的torch后，右键复制下载链接，打开以下网址转换成迅雷下载。

迅雷下载链接转换器 - Allen Zouhttps://www.allenzou.com/aztools/Commonly012.html

3、控制台进入虚拟环境中，cd到torch文件所在文件夹

pip install torch+xxxx.whl
pip install torchvision+xxxx.whl

问题4：RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory

原因：

忘了

解决办法：

问题5：A matching Triton is not available, some optimizations will not be enabled. Error caught was: No module named 'triton'

原因：

解决方法：

详见

分析解决【No module named ‘triton‘】的问题_error caught was: no module named 'triton-CSDN博客

 问题6：omegaconf.errors.ConfigAttributeError: Missing key tune_decoder full_key: autoencoder.tune_decoder
    object_type=dict

原因：

配置文件中缺autoencoder.tune_decoder属性

解决方法：

配置文件中加入

autoencoder:
  target: ldm.models.autoencoder.VQModelTorch
  ckpt_path: weights/autoencoder_vq_f4.pth
  use_fp16: True
  tune_decoder: ~
  params:
    embed_dim: 3
    n_embed: 8192
    lora_tune_decoder: ~

 问题7：    assert self.configs.resume AssertionError

原因：

配置文件中缺resume属性

解决方法：

配置文件中加入

resume: ~

问题8：RuntimeError: cutlassF: no kernel found to launch!

具体报错：

"C:\Users\youlibin\.conda\envs\resshift\lib\site-packages\xformers\ops\fmha\__init__.py", line 223, in memory_efficient_attention return _memory_efficient_attention( File "C:\Users\youlibin\.conda\envs\resshift\lib\site-packages\xformers\ops\fmha\__init__.py", line 321, in _memory_efficient_attention return _memory_efficient_attention_forward( File "C:\Users\youlibin\.conda\envs\resshift\lib\site-packages\xformers\ops\fmha\__init__.py", line 341, in _memory_efficient_attention_forward out, *_ = op.apply(inp, needs_gradient=False) File "C:\Users\youlibin\.conda\envs\resshift\lib\site-packages\xformers\ops\fmha\cutlass.py", line 202, in apply return cls.apply_bmhk(inp, needs_gradient=needs_gradient) File "C:\Users\youlibin\.conda\envs\resshift\lib\site-packages\xformers\ops\fmha\cutlass.py", line 266, in apply_bmhk out, lse, rng_seed, rng_offset = cls.OPERATOR( File "C:\Users\youlibin\.conda\envs\resshift\lib\site-packages\torch\_ops.py", line 692, in __call__

return self._op(*args, **kwargs or {})

RuntimeError: cutlassF: no kernel found to launch!

原因：

GPU太好了，pytorch暂时不支持...

解决方法：

50系显卡：

pytorch = 2.7.0+cu128

cuda = 12.8.1

cudnn = 9.8.0

xformers =  0.0.30

运行问题

问题1：使用python inference_resshift.py 图像超分功能生成全黑的图片

示例代码：

python inference_resshift.py -i testdata/RealSet65/0014.jpg -o result/ --task realsr --scale 4

原因：

使用了amp

（文件：ldm/modules/diffusionmodules/model.py）

for i_level in range(self.num_resolutions):
    for i_block in range(self.num_res_blocks[i_level]):
        h = self.down[i_level].block[i_block](hs[-1], temb)

第530行h出错（当i_level=2，i_block=0时，h中存在nan值）

解决方法：

修改配置文件

use_amp: False

或者

resshift_sampler = ResShiftSampler(
            configs,
            sf=args.scale,
            chop_size=args.chop_size,
            chop_stride=chop_stride,
            chop_bs=1,
            use_amp=False,
            seed=args.seed,
            padding_offset=configs.model.params.get('lq_size', 64),
            )