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 torch
>>> torch.cuda.is_available()
True

3.2 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