训练报错

[bulindun]

作者您好，非常感谢您做出的相关工作。我在github下载了您的代码之后，按照readme文档配置了相关环境，但是在运行train-semi时保错： C:\Users\STD1\anaconda3\envs\u2pl\python.exe C:\Users\STD1\Desktop\U2PL-main\train_semi.py Traceback (most recent call last): File "C:\Users\STD1\Desktop\U2PL-main\train_semi.py", line 661, in main() File "C:\Users\STD1\Desktop\U2PL-main\train_semi.py", line 62, in main rank, word_size = setup_distributed(port=args.port) File "C:\Users\STD1\Desktop\U2PL-main\u2pl\utils\dist_helper.py", line 36, in setup_distributed rank = int(os.environ["RANK"]) File "C:\Users\STD1\anaconda3\envs\u2pl\lib\os.py", line 669, in getitem raise KeyError(key) from None KeyError: 'RANK'

另外，我在按照readme文档使用sh train.sh 1 23500 时，也会有报错： Traceback (most recent call last): File "C:\Users\STD1\anaconda3\envs\u2pl\lib\runpy.py", line 193, in _run_module_as_main "main", mod_spec) File "C:\Users\STD1\anaconda3\envs\u2pl\lib\runpy.py", line 85, in _run_code exec(code, run_globals) File "C:\Users\STD1\anaconda3\envs\u2pl\lib\site-packages\torch\distributed\launch.py", line 340, in main() File "C:\Users\STD1\anaconda3\envs\u2pl\lib\site-packages\torch\distributed\launch.py", line 326, in main sigkill_handler(signal.SIGTERM, None) # not coming back File "C:\Users\STD1\anaconda3\envs\u2pl\lib\site-packages\torch\distributed\launch.py", line 301, in sigkill_handler raise subprocess.CalledProcessError(returncode=last_return_code, cmd=cmd) subprocess.CalledProcessError: Command '['C:\Users\STD1\anaconda3\envs\u2pl\python.exe', '-u', '../../../../train_sup.py', '--local_rank=0', '--config=config.yaml', '--seed', '2', '--port', '23500']' returned non-zero exit sta tus 1. Killing subprocess 10432 我在网上搜查了相关解决方法，但目前都无法有效解决，请问这些问题应该怎样解决呢？非常抱歉叨扰到您，如有冒犯，敬请谅解

[Haochen-Wang409]

使用 sh train.sh 训练时，是一开始就马上报错吗？还是在哪一个环节报错了？

直接执行 python train_semi.py 会报错是因为没有用分布式训练，而我们的代码默认是分布式训练的，因此需要 sh train.sh 进行训练

[bulindun]

`谢谢您的及时回复！我是在windows中的pycharm里面运行的程序。我也看到了之前有人询问过相同的问题，但是我按照那里的方法并没有成功调通。我在使用 sh train.sh 训练时，错误信息如下：

[Haochen-Wang409]

似乎不是代码里报错，您可以检查一下 torch 和 cuda 版本是否匹配，以及一般使用到 cuda 的 torch 程序是否能跑起来：

import torch
a = torch.tensor(3, 224, 224).cuda()
print(a)

[bulindun]

似乎不是代码里报错，您可以检查一下 torch 和 cuda 版本是否匹配，以及一般使用到 cuda 的 torch 程序是否能跑起来：

import torch
a = torch.tensor(3, 224, 224).cuda()
print(a)

感谢您的回复！我现在检查一下，谢谢您

[bulindun]

似乎不是代码里报错，您可以检查一下 torch 和 cuda 版本是否匹配，以及一般使用到 cuda 的 torch 程序是否能跑起来：

import torch
a = torch.tensor(3, 224, 224).cuda()
print(a)

作者您好，我的环境都是按照README中的指示搭建的，python3.6.9 torch1.8.1 cuda10.2 现在运行train.sh是这样的 我修改了dist_c10d.py中的代码如下： 但还是报错，请问这是什么情况啊？