一、复现代码举例

我们在复现其他baseline的时候，要看代码的环境要求，例如：

# Environment Setup
Python 3.7.13
CUDA 11.1
Pytorch 1.10.1
torchvision 0.11.2

注： 以上的环境是必须要按照作者要求的安装，如果换其他的版本，就可能会出错。而其他依赖可以直接pip安装，无版本要求。

二、创建环境——选择一个Python版本

为了方便环境管理，我们是基于工程来创建这个工程的环境。

2.1 创建基本环境

2.1.1 基于AutoDL

conda create -n hra37 python=3.7.13

2.1.2 基于PyCharm

• 打开一个工程；
• 创建基本环境：File -> Settings -> Project -> Python Intepreter -> Conda Environment -> 点 **+ ** ->New environment -> 指定Python版本和修改环境名字
  
  安装时出现错误：
  

排查错误：

• 查看镜像源是清华还是中科大：

conda config --show channels

显示如下：（显示为中科大）

• 用终端创建环境，需要cd到anaconda3/bin下在安装：
  

conda create -p /home/wanghui/anaconda3/envs/HRA-UNET -y python=3.7.13

依然出现问题。哎，改成AutoDL，成功。

2.2 终端激活环境

conda activate hra37

2.3 退出环境

conda deactivate

2.4 删除环境

conda remove -n hra37 --all  # hra37是我想删除的环境名

三、PyTorch安装

3.1 查看cuda

安装PyTorch必须找到对应的cuda，所以先查看自己的服务器CUDA。

nvidia-smi

我这个服务器的cuda 12.2，可向下兼容。

3.2 安装PyTorch

官网以前的版本，复制、终端运行

pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

注： 这里可选择conda安装，也可以pip安装，我一般选择pip 安装，conda 安装有时候不成功。

四、其他依赖安装

4.1 tensorboardX

pip install tensorboardX

4.2 matplotlib

pip install matplotlib

4.3 medpy

• 必须先安装SimpleITK，且指定版本：

pip install SimpleITK==1.2.4

• 安装medpy：

pip install medpy

4.4 visdom

pip install visdom

4.5 pandas

pip install pandas

4.6 imageio

pip install imageio

4.7 torchsummary

pip install torchsummary

4.8 cv2

清华镜像：（快）

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

以上，安装完代码需要的所有依赖，就可以训练或是测试了。

五、不同PyTorch版本的问题

5.1 【程序错误】loss.backward()

5.1.1 问题

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [256]] is at version 4; expected version 3 instead. Hint: enable anomaly detection to find the operation that failed to compute its gradient, with torch.autograd.set_detect_anomaly(True).

5.1.2 原因

• 第一次出现问题是复现代码时，出现的问题；
• 第二次是加分布式训练DP时。
• 看了网上的各种方法，试过各种方法，最后发现，就是PyTorch版本的问题。

5.1.3 解决方法

目前解决的问题是用 PyTorch 1.7.0，Pytorch 1.10.1 也可以。Pytorch 1.13.0、2.0.0不可以。

5.2 【程序错误】计算损失时的one-hot问题

5.2.1 问题

RuntimeError: 1only batches of spatial targets supported (3D tensors) but got targets of size: : [2, 10, 256, 256]

5.2.2 原因

在Pytorch中，“不需要”对标签进行one-hot编码，且需要将通道这一维给压缩了。即：

• 预测值：（256,256,10）
• 标签值：（256,256）
  即可以直接进行计算损失。
  其中，标签中的值为对应的类别数。

如下所示，我们可以进行损失的计算了。但是较新的pytorch版本才支持，实测pytorch1.10.2支持。

torch.size([2, 10, 256 ,256])
torch.size([2, 256 ,256])

5.2.3 解决方法

预测值： torch.Size([8, 2, 513, 513])
标签值： torch.Size([8, 513, 513, 3])

需要将标签转换下，然后去掉通道维度，如下：

使用label=torch.argmax(label, dim=1) ，其中dim=1表示通道维度，亲测有效！！！！！

5.3 【程序错误】THC/THC.h编译终止

5.3.1 问题

#include <THC/THC.h>
          ^~~~~~~~~~~
compilation terminated.
error: command '/usr/local/cuda/bin/nvcc' failed with exit code 1

5.3.2 原因

Pytorch 1.11版本后，THC/THC.h失效了。

5.3.3 解决方法

换一个Pytorch 版本。Pytorch 1.10.1可用。

参考博客

[1] 【程序错误】RuntimeError: one of the variables needed for gradient computation
[2] 【完美解决】RuntimeError: one of the variables needed for gradient computation