我可以在没有 GPU 的机器上使用 PyTorch 或 Tensorflow 项目吗？

Question

谈到 Python 和机器学习，我是个菜鸟。 我正在尝试运行两个不同的项目，它们与称为 Deep Image Matting 的东西有关：

• https://github.com/Joker316701882/Deep-Image-Matting与 Tensorflow
• https://github.com/huochaitiantang/pytorch-deep-image-matting with Pytorch

我只是想在这些项目中运行测试，但遇到了各种问题。 我可以在没有 GPU 的机器上运行这些吗？ 我以为 GPU 只是为了加快处理速度，但我只对在使用 GPU 的机器之前看到这些运行感兴趣。 我提前道歉，因为我知道我在这方面完全是菜鸟

当我尝试 Tensorflow 项目时：

1. 我收到这条线gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction = args.gpu_fraction)的错误可能是因为我是 tf2 这需要 tf1
2. 在我尝试运行测试时降级到 tf1 后，我得到W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations. 和InvalidArgumentError (see above for traceback): No OpKernel was registered to support Op 'MaxPoolWithArgmax' with these attrs. Registered devices: [CPU], Registered kernels: <no registered kernels> InvalidArgumentError (see above for traceback): No OpKernel was registered to support Op 'MaxPoolWithArgmax' with these attrs. Registered devices: [CPU], Registered kernels: <no registered kernels> ，现在我被卡住了，因为我不知道这意味着什么

当我尝试 Pytorch 项目时：

1. 首先我得到这个错误： RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU. RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
2. 所以我在加载 model 时添加了map_location=torch.device('cpu') ，但现在我得到RuntimeError: Error(s) in loading state_dict for VGG16: size mismatch for conv6_1.weight: copying a param with shape torch.Size([512, 512, 1, 1]) from checkpoint, the shape in current model is torch.Size([512, 512, 3, 3]). 我又被困住了

有人可以帮忙吗？

先感谢您！

Answer 1

对于 PyTorch 一个，有两个问题，看起来你已经用 map_location 自己解决了第一个问题。 第二个问题是检查点中的权重和 model 中的权重形状不同； 快速绕道 github 存储库； 让我们访问核心中的net.py。 看一下第 26 到 28 行：

# model released before 2019.09.09 should use kernel_size=1 & padding=0
# self.conv6_1 = nn.Conv2d(512, 512, kernel_size=1, padding=0,bias=True)
self.conv6_1 = nn.Conv2d(512, 512, kernel_size=3, padding=1,bias=True)

我猜检查点正在加载权重，其中 conv6_1 的 kernel 大小为 1 而不是 3，就像注释掉的代码行一样。 所以尝试取消注释 kernel_size=1 的行并注释掉 kernel_size=3 的行。