870223050
commented
1 year ago Thanks for your work, I reported the following error after running the in2n model: OverflowError: cannot fit 'int' into an index-sized integer。The command I entered is: ns-train in2n-tiny --data \bear --load-dir \sdfstudio-master\outputs\bear\nerfacto\2023-05-21_215614\nerfstudio_models --pipeline.prompt "Turn the bear into a grizzly bear" --pipeline.guidance-scale 7.5 --pipeline.image-guidance-scale 1.5 nerfstudio-data --downscale-factor 8 .Am I missing something?
ayaanzhaque
D:\anaconda\Anaconda3\envs\sdfstudio\lib\runpy.py:194 in _run_module_as_main │ │ │ │ 191 │ main_globals = sys.modules["main"].dict │ │ 192 │ if alter_argv: │ │ 193 │ │ sys.argv[0] = mod_spec.origin │ │ ❱ 194 │ return _run_code(code, main_globals, None, │ │ 195 │ │ │ │ │ "main", mod_spec) │ │ 196 │ │ 197 def run_module(mod_name, init_globals=None, │ │ │ │ D:\anaconda\Anaconda3\envs\sdfstudio\lib\runpy.py:87 in _run_code │ │ │ │ 84 │ │ │ │ │ loader = loader, │ │ 85 │ │ │ │ │ package = pkg_name, │ │ 86 │ │ │ │ │ spec = mod_spec) │ │ ❱ 87 │ exec(code, run_globals) │ │ 88 │ return run_globals │ │ 89 │ │ 90 def _run_module_code(code, init_globals=None, │ │ │ │ in:7 │
│ │
│ 4 from scripts.train import entrypoint │
│ 5 if name == 'main': │
│ 6 │ sys.argv[0] = re.sub(r'(-script.pyw|.exe)?$', '', sys.argv[0]) │
│ ❱ 7 │ sys.exit(entrypoint()) │
│ 8 │
│ │
│ D:\nerfstudio-main\scripts\train.py:247 in entrypoint │
│ │
│ 244 │ """Entrypoint for use with pyproject scripts.""" │
│ 245 │ # Choose a base configuration and override values. │
│ 246 │ tyro.extras.set_accent_color("bright_yellow") │
│ ❱ 247 │ main( │
│ 248 │ │ tyro.cli( │
│ 249 │ │ │ AnnotatedBaseConfigUnion, │
│ 250 │ │ │ description=convert_markup_to_ansi(doc), │
│ │
│ D:\nerfstudio-main\scripts\train.py:233 in main │
│ │
│ 230 │ config.print_to_terminal() │
│ 231 │ config.save_config() │
│ 232 │ │
│ ❱ 233 │ launch( │
│ 234 │ │ main_func=train_loop, │
│ 235 │ │ num_gpus_per_machine=config.machine.num_gpus, │
│ 236 │ │ num_machines=config.machine.num_machines, │
│ │
│ D:\nerfstudio-main\scripts\train.py:172 in launch │
│ │
│ 169 │ │ # world_size=0 uses one CPU in one process. │
│ 170 │ │ # world_size=1 uses one GPU in one process. │
│ 171 │ │ try: │
│ ❱ 172 │ │ │ main_func(local_rank=0, world_size=world_size, config=config) │
│ 173 │ │ except KeyboardInterrupt: │
│ 174 │ │ │ # print the stack trace │
│ 175 │ │ │ CONSOLE.print(traceback.format_exc()) │
│ │
│ D:\nerfstudio-main\scripts\train.py:86 in train_loop │
│ │
│ 83 │ """ │
│ 84 │ _set_random_seed(config.machine.seed + global_rank) │
│ 85 │ trainer = config.setup(local_rank=local_rank, world_size=world_size) │
│ ❱ 86 │ trainer.setup() │
│ 87 │ trainer.train() │
│ 88 │
│ 89 │
│ │
│ D:\nerfstudio-main\nerfstudio\engine\trainer.py:145 in setup │
│ │
│ 142 │ │ │ │ 'test': loads train/test datasets into memory │
│ 143 │ │ │ │ 'inference': does not load any dataset into memory │
│ 144 │ │ """ │
│ ❱ 145 │ │ self.pipeline = self.config.pipeline.setup( │
│ 146 │ │ │ device=self.device, test_mode=test_mode, world_size=self.world_size, local_r │
│ 147 │ │ ) │
│ 148 │ │ self.optimizers = self.setup_optimizers() │
│ │
│ D:\nerfstudio-main\nerfstudio\configs\base_config.py:60 in setup │
│ │
│ 57 │ │
│ 58 │ def setup(self, kwargs) -> Any: │
│ 59 │ │ """Returns the instantiated object using the config.""" │
│ ❱ 60 │ │ return self._target(self, kwargs) │
│ 61 │
│ 62 │
│ 63 # Machine related configs │
│ │
│ D:\nerf2nerf\in2n\in2n_pipeline.py:84 in init │
│ │
│ 81 │ │ self.ip2p = InstructPix2Pix(self.ip2p_device, ip2p_use_full_precision=self.confi │
│ 82 │ │ │
│ 83 │ │ # load base text embedding using classifier free guidance │
│ ❱ 84 │ │ self.text_embedding = self.ip2p.pipe._encode_prompt( │
│ 85 │ │ │ self.config.prompt, device=self.ip2p_device, num_images_per_prompt=1, do_cla │
│ 86 │ │ ) │
│ 87 │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\diffusers\pipelines\stable_diffusion\pipe │
│ line_stable_diffusion_instruct_pix2pix.py:519 in _encode_prompt │
│ │
│ 516 │ │ │ if isinstance(self, TextualInversionLoaderMixin): │
│ 517 │ │ │ │ prompt = self.maybe_convert_prompt(prompt, self.tokenizer) │
│ 518 │ │ │ │
│ ❱ 519 │ │ │ text_inputs = self.tokenizer( │
│ 520 │ │ │ │ prompt, │
│ 521 │ │ │ │ padding="max_length", │
│ 522 │ │ │ │ max_length=self.tokenizer.model_max_length, │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\transformers\tokenization_utils_base.py:2 │
│ 538 in call │
│ │
│ 2535 │ │ │ # input mode in this case. │
│ 2536 │ │ │ if not self._in_target_context_manager: │
│ 2537 │ │ │ │ self._switch_to_input_mode() │
│ ❱ 2538 │ │ │ encodings = self._call_one(text=text, text_pair=text_pair, all_kwargs) │
│ 2539 │ │ if text_target is not None: │
│ 2540 │ │ │ self._switch_to_target_mode() │
│ 2541 │ │ │ target_encodings = self._call_one(text=text_target, text_pair=text_pair_targ │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\transformers\tokenization_utils_base.py:2 │
│ 644 in _call_one │
│ │
│ 2641 │ │ │ │ kwargs, │
│ 2642 │ │ │ ) │
│ 2643 │ │ else: │
│ ❱ 2644 │ │ │ return self.encode_plus( │
│ 2645 │ │ │ │ text=text, │
│ 2646 │ │ │ │ text_pair=text_pair, │
│ 2647 │ │ │ │ add_special_tokens=add_special_tokens, │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\transformers\tokenization_utils_base.py:2 │
│ 717 in encode_plus │
│ │
│ 2714 │ │ │ *kwargs, │
│ 2715 │ │ ) │
│ 2716 │ │ │
│ ❱ 2717 │ │ return self._encode_plus( │
│ 2718 │ │ │ text=text, │
│ 2719 │ │ │ text_pair=text_pair, │
│ 2720 │ │ │ add_special_tokens=add_special_tokens, │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\transformers\tokenization_utils.py:652 in │
│ _encode_plus │
│ │
│ 649 │ │ first_ids = get_input_ids(text) │
│ 650 │ │ second_ids = get_input_ids(text_pair) if text_pair is not None else None │
│ 651 │ │ │
│ ❱ 652 │ │ return self.prepare_for_model( │
│ 653 │ │ │ first_ids, │
│ 654 │ │ │ pair_ids=second_ids, │
│ 655 │ │ │ add_special_tokens=add_special_tokens, │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\transformers\tokenization_utils_base.py:3 │
│ 196 in prepare_for_model │
│ │
│ 3193 │ │ │
│ 3194 │ │ # Padding │
│ 3195 │ │ if padding_strategy != PaddingStrategy.DO_NOT_PAD or return_attention_mask: │
│ ❱ 3196 │ │ │ encoded_inputs = self.pad( │
│ 3197 │ │ │ │ encoded_inputs, │
│ 3198 │ │ │ │ max_length=max_length, │
│ 3199 │ │ │ │ padding=padding_strategy.value, │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\transformers\tokenization_utils_base.py:3 │
│ 001 in pad │
│ │
│ 2998 │ │ │
│ 2999 │ │ required_input = encoded_inputs[self.model_input_names[0]] │
│ 3000 │ │ if required_input and not isinstance(required_input[0], (list, tuple)): │
│ ❱ 3001 │ │ │ encoded_inputs = self._pad( │
│ 3002 │ │ │ │ encoded_inputs, │
│ 3003 │ │ │ │ max_length=max_length, │
│ 3004 │ │ │ │ padding_strategy=padding_strategy, │
│ │
│ D:\anaconda\Anaconda3\envs\sdfstudio\lib\site-packages\transformers\tokenization_utils_base.py:3 │
│ 386 in _pad │
│ │
│ 3383 │ │ │ │
│ 3384 │ │ │ if self.padding_side == "right": │
│ 3385 │ │ │ │ if return_attention_mask: │
│ ❱ 3386 │ │ │ │ │ encoded_inputs["attention_mask"] = encoded_inputs["attention_mask"] │
│ 3387 │ │ │ │ if "token_type_ids" in encoded_inputs: │
│ 3388 │ │ │ │ │ encoded_inputs["token_type_ids"] = ( │
│ 3389 │ │ │ │ │ │ encoded_inputs["token_type_ids"] + [self.pad_token_type_id] di │
OverflowError: cannot fit 'int' into an index-sized integer