使用Pytorch 2.0训练踩坑

概述

最近博主在跑一个实验，但它在PyTorch 1.8版本下感觉有点慢，刚好又看到Pytorch 2.0版本加速很多，所以准备用Pytorch 2.0版本运行代码。在这个过程中，出现了一些小问题，还有一些warning。为了防止这些错误和warning干扰到实验的结果，我在网上查找了相关办法，并在此记录。

问题

FutureWarning: The module torch.distributed.launch is deprecated and will be removed in future. Use torchrun.Note that --use-env is set by default in torchrun

同时它还会提示你如下信息：

train.py: error: unrecognized arguments: --local-rank=0

我之前是在Pytorch 1.8版本下运行的，对应的运行命令是：

python -m  torch.distributed.launch --master_port 9843  --nproc_per_node=2  train.py

在Pytorch 2.0版本下应该使用如下命令：

Python -m  torch.distributed.launch --master_port 9843  --nproc_per_node=2 --use_env train.py

增加一个--use_env即可。
声明--use_env后，pytorch会将当前进程在本机上的rank添加到环境变量LOCAL_RANK中，而不再添加到args.local_rank。

UserWarning: The parameter ‘pretrained’ is deprecated since 0.13 and may be removed in the future, please use ‘weights’ instead.

这是因为torchvision里面的pretrained参数已经在Pytorch 2.0里面过时了，现在使用的是weights参数。
除了上面的警告，还会出现：

UserWarning: Arguments other than a weight enum or `None` for 'weights' are deprecated since 0.13 and may be removed in the future. The current behavior is equivalent to passing `weights=ResNet50_Weights.IMAGENET1K_V1`. You can also use `weights=ResNet50_Weights.DEFAULT` to get the most up-to-date weights.

我在Pytorch 1.8中使用的语句是：

resnet = models.resnet50(pretrained=True)

解决方法是：

resnet = models.resnet50(weights=torchvision.models.ResNet50_Weights.IMAGENET1K_V1)

使用最新的方法就可以了。

AttributeError: module ‘numpy’ has no attribute ‘int’.

因为在np.int在numpy1.20已经被废弃掉了。具体可以查看： https://numpy.org/devdocs/release/1.20.0-notes.html
我的原语句是：

cls_gt = np.zeros((3, 384, 384), dtype=np.int)

改成：

cls_gt = np.zeros((3, 384, 384), dtype=np.int_)

或者使用np.int32或者np.int64

np.bool was a deprecated alias for the builtin bool. To avoid this error in existing code, use bool by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy Scalar type, use np.bool_ here.

因为在np.bool在numpy1.20已经被废弃掉了。
我的原语句是：

annotation = annotation.astype(np.bool)

改成：

annotation = annotation.astype(np.bool_)

UserWarning: ComplexHalf support is experimental and many operators don’t support it yet

除了警报，还会报错：

RuntimeError: cuFFT only supports dimensions whose sizes are powers of two when computing in half precision

出现这个的原因是我使用了混合精度。
解决办法是将Automatic mixed precision关掉

来源地址：https://blog.csdn.net/qq_41234663/article/details/129896837