数据库网站模板,wordpress 发布函数,网络营销心得体会,软件开发是用什么软件文章目录 一、介绍二、编译DCNv42.1 下载源码2.2 编译DCNv4 三、报错提示3.1 Cuda is not available3.2 需要Microsoft Visual C 14.0 一、介绍 论文链接#xff1a;[https://arxiv.org/pdf/2401.06197.pdf] (https://arxiv.org/pdf/2401.06197.pdf) 在这篇文章中介绍了一… 文章目录 一、介绍二、编译DCNv42.1 下载源码2.2 编译DCNv4 三、报错提示3.1 Cuda is not available3.2 需要Microsoft Visual C 14.0 一、介绍 论文链接[https://arxiv.org/pdf/2401.06197.pdf] (https://arxiv.org/pdf/2401.06197.pdf) 在这篇文章中介绍了一种高效和有效的算子DCNv4它是专为广泛的视觉应用而设计的。DCNv4解决了其前身DCNv3的限制且有两个关键的增强功能
(1) 去除了空间聚合中的softmax归一化以增强其动态性和表达能力(2) 优化存储器访问以最小化冗余操作以加速。这些改进显著加快了收敛速度并大幅提高了处理速度DCNv 4实现了三倍以上的前向速度。 这些改进使DCNv4相比DCNv3具有显著更快的收敛速度和大幅提高的处理速度DCNv4的前向计算速度超过了其前身的三倍。DCNv4在各种任务中表现卓越包括图像分类、实例和语义分割尤其在图像生成方面。 将其与诸如潜在扩散模型中的U-Net等生成模型相结合时DCNv4的表现优于其基线表明它在提升生成模型方面具有潜力。在实际应用中将DCNv3替换为DCNv4到InternImage模型中以创建FlashInternImage带来了高达80%的速度提升和更好的性能无需进一步修改。 DCNv4在速度和效率上的改进加上其在各种视觉任务中出色的性能展示了其作为未来视觉模型基础构建模块的潜力。
二、编译DCNv4
2.1 下载源码 源码下载链接https://github.com/OpenGVLab/DCNv4 源码下载完成后解压后如下图所示
2.2 编译DCNv4 1使用cd命令进入DCNv4_op文件夹 2在该文件夹下执行以下命令 python setup.py build install等待一段时间后若出现下述提升证明编译成功
三、报错提示
3.1 Cuda is not available 在进行编译时需要再cuda环境中进行。 验证pytorch cuda可用
在Anaconda Prompt激活虚拟环境后输入 python进入python控制台接着输入下述指令显示True即代表cuda可用 import torchtorch.cuda.is_available()
True3.2 需要Microsoft Visual C 14.0 安装过程中也出现了下述错误提示需要Microsoft Visual C 14.0。 最终只能点击下述链接下载。下载完成双击.exe文件点击安装等待10分钟左右即可完成安装。
Microsoft Visual C 14.0 is required. Get it with “Microsoft Visual C Build Tools
