FileNotFoundError: file "/home/zrb/mmskeleton/--gpus" does not exist

时间: 2023-12-14 15:03:43 浏览: 32
根据您提供的错误信息,看起来是在运行时出现了文件未找到的错误。具体来说,程序试图读取名为"/home/zrb/mmskeleton/--gpus"的文件,但该文件不存在。 这个错误可能是由于命令行参数传递不正确导致的。请确保您正确地传递了命令行参数,并且参数名称和值之间使用空格进行分隔。 在您的情况下,错误信息指出了"--gpus"参数未被正确解析。请检查您运行程序时传递的命令行参数是否正确,并确保参数名称和值之间使用空格进行分隔。 例如,如果您要指定使用1个GPU,应该使用如下命令: ```bash python pose_demo.py --gpus 1 ``` 请将上述命令中的"pose_demo.py"替换为您实际使用的脚本文件名,并确保路径和参数值与您的实际情况相匹配。 如果问题仍然存在,请提供更多关于您的操作步骤和命令行参数的详细信息,以便我们进一步帮助您解决问题。
相关问题

Traceback (most recent call last): File "/home/zrb/anaconda3/envs/open-mmlab/bin/mmskl", line 7, in <module> exec(compile(f.read(), __file__, 'exec')) File "/home/zrb/mmskeleton/tools/mmskl", line 123, in <module> main() File "/home/zrb/mmskeleton/tools/mmskl", line 117, in main call_obj(**cfg.processor_cfg) File "/home/zrb/mmskeleton/mmskeleton/utils/importer.py", line 24, in call_obj return import_obj(type)(**kwargs) File "/home/zrb/mmskeleton/mmskeleton/processor/recognition.py", line 38, in test load_checkpoint(model, checkpoint, map_location='cpu') File "/home/zrb/mmskeleton/mmskeleton/utils/checkpoint.py", line 21, in load_checkpoint raise Exception(url_error_message.format(filename)) from e Exception: ================================================== MMSkeleton fail to load checkpoint from url: https://open-mmlab.s3.ap-northeast-2.amazonaws.com/mmskeleton/models/st-gcn/st_gcn.kinetics-6fa43f73.pth Please check your network connection. Or manually download checkpoints according to the instructor: https://github.com/open-mmlab/mmskeleton/blob/master/doc/MODEL_ZOO.md

根据错误信息,MMSkeleton在尝试从URL加载模型检查点时出现了问题。根据错误信息中提供的URL,它无法访问以下地址: https://open-mmlab.s3.ap-northeast-2.amazonaws.com/mmskeleton/models/st-gcn/st_gcn.kinetics-6fa43f73.pth 请确保您的网络连接正常,可以尝试在浏览器中打开该URL来验证是否可以正常访问。如果无法访问该URL,可能是由于网络问题或该地址不再可用。 您还可以尝试手动下载检查点文件。根据错误信息提供的链接,您可以访问MMSkeleton的GitHub页面(https://github.com/open-mmlab/mmskeleton/blob/master/doc/MODEL_ZOO.md),查找和下载与您正在使用的模型对应的检查点文件。 下载检查点文件后,您可以将其保存到本地,并在代码中使用本地路径来加载检查点,而不是从URL进行加载。请确保在代码中指定正确的本地路径以及文件名。 希望这些信息能够帮助您解决问题。如果问题仍然存在,请考虑向MMSkeleton的开发者社区寻求帮助,以获取更详细的指导和支持。

Traceback (most recent call last): File "mmskl.py", line 123, in <module> main() File "mmskl.py", line 117, in main call_obj(**cfg.processor_cfg) File "/home/zrb/mmskeleton/mmskeleton/utils/importer.py", line 24, in call_obj return import_obj(type)(**kwargs) File "/home/zrb/mmskeleton/mmskeleton/processor/pose_demo.py", line 66, in inference if not third_party.is_exist('mmdet'): File "/home/zrb/mmskeleton/mmskeleton/utils/third_party.py", line 13, in is_exist lazy_import._load_module(module) File "/home/zrb/anaconda3/envs/open-mmlab/lib/python3.7/site-packages/lazy_import-0.2.2-py3.7.egg/lazy_import/__init__.py", line 485, in _load_module raise TypeError("Passed module is not a LazyModule instance.") TypeError: Passed module is not a LazyModule instance.

根据您提供的错误信息,看起来是在 `mmskl.py` 文件中运行时出现了问题。具体来说,错误发生在导入 `mmdet` 模块时出现了类型错误。 根据错误信息的最后一行,可以看到错误是由于传递给 `lazy_import._load_module` 函数的模块不是 `LazyModule` 实例导致的。 以下是一些可能的解决方案: 1. 检查您的代码中是否正确导入了 `mmdet` 模块,并且确保在导入之前已经正确地安装了 `mmdet`。 2. 检查您的代码中是否存在命名冲突或导入错误的情况。请确保没有其他模块或变量使用了与 `mmdet` 相同的名称。 3. 如果您使用了第三方库或框架,确保您使用的是与您代码兼容的版本。有些库可能会引入与其他库冲突的问题。 4. 检查您的代码中是否存在其他导入问题。特别是,检查所有导入 `lazy_import` 或 `mmdet` 的地方,确保它们都正确导入。 如果尝试了以上解决方案仍然无法解决问题,请提供更多的代码或上下文信息,以便我能够更好地帮助您解决问题。

相关推荐

File "/home/zrb/anaconda3/envs/open-mmlab/bin/mmskl", line 7, in <module> exec(compile(f.read(), __file__, 'exec')) File "/home/zrb/mmskeleton/tools/mmskl", line 123, in <module> main() File "/home/zrb/mmskeleton/tools/mmskl", line 117, in main call_obj(**cfg.processor_cfg) File "/home/zrb/mmskeleton/mmskeleton/utils/importer.py", line 24, in call_obj return import_obj(type)(**kwargs) File "/home/zrb/mmskeleton/mmskeleton/processor/recognition.py", line 47, in test output = model(data) File "/home/zrb/anaconda3/envs/open-mmlab/lib/python3.7/site-packages/torch/nn/modules/module.py", line 547, in __call__ result = self.forward(*input, **kwargs) File "/home/zrb/anaconda3/envs/open-mmlab/lib/python3.7/site-packages/torch/nn/parallel/data_parallel.py", line 150, in forward return self.module(*inputs[0], **kwargs[0]) File "/home/zrb/anaconda3/envs/open-mmlab/lib/python3.7/site-packages/torch/nn/modules/module.py", line 547, in __call__ result = self.forward(*input, **kwargs) File "/home/zrb/mmskeleton/mmskeleton/models/backbones/st_gcn_aaai18.py", line 94, in forward x = self.data_bn(x) File "/home/zrb/anaconda3/envs/open-mmlab/lib/python3.7/site-packages/torch/nn/modules/module.py", line 547, in __call__ result = self.forward(*input, **kwargs) File "/home/zrb/anaconda3/envs/open-mmlab/lib/python3.7/site-packages/torch/nn/modules/batchnorm.py", line 81, in forward exponential_average_factor, self.eps) File "/home/zrb/anaconda3/envs/open-mmlab/lib/python3.7/site-packages/torch/nn/functional.py", line 1656, in batch_norm training, momentum, eps, torch.backends.cudnn.enabled RuntimeError: running_mean should contain 60 elements not 54

最新推荐

recommend-type

###对华为OD分布式操作系统的详细介绍

华为OD
recommend-type

2110220116吴骏博.py

2110220116吴骏博.py
recommend-type

基于Java的ApplicationPower快速项目生成脚手架设计源码

ApplicationPower项目生成脚手架设计源码:该项目基于Java开发,包含284个文件,主要使用Java和Shell语言。ApplicationPower是一个快速的项目生成脚手架,旨在帮助开发者快速搭建项目框架,包括创建项目结构、配置文件、开发环境等,提高开发效率。
recommend-type

基于MATLAB实现的OFDM经典同步算法之一Park算法仿真,附带Park算法经典文献+代码文档+使用说明文档.rar

CSDN IT狂飙上传的代码均可运行,功能ok的情况下才上传的,直接替换数据即可使用,小白也能轻松上手 【资源说明】 基于MATLAB实现的OFDM经典同步算法之一Park算法仿真,附带Park算法经典文献+代码文档+使用说明文档.rar 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2020b;若运行有误,根据提示GPT修改;若不会,私信博主(问题描述要详细); 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可后台私信博主; 4.1 期刊或参考文献复现 4.2 Matlab程序定制 4.3 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 5、欢迎下载,沟通交流,互相学习,共同进步!
recommend-type

基于MATLAB实现的imu和视觉里程计 kalman滤波器 进行融合+使用说明文档.rar

CSDN IT狂飙上传的代码均可运行,功能ok的情况下才上传的,直接替换数据即可使用,小白也能轻松上手 【资源说明】 基于MATLAB实现的imu和视觉里程计 kalman滤波器 进行融合+使用说明文档.rar 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2020b;若运行有误,根据提示GPT修改;若不会,私信博主(问题描述要详细); 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可后台私信博主; 4.1 期刊或参考文献复现 4.2 Matlab程序定制 4.3 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 5、欢迎下载,沟通交流,互相学习,共同进步!
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】MATLAB用遗传算法改进粒子群GA-PSO算法

![MATLAB智能算法合集](https://static.fuxi.netease.com/fuxi-official/web/20221101/83f465753fd49c41536a5640367d4340.jpg) # 2.1 遗传算法的原理和实现 遗传算法(GA)是一种受生物进化过程启发的优化算法。它通过模拟自然选择和遗传机制来搜索最优解。 **2.1.1 遗传算法的编码和解码** 编码是将问题空间中的解表示为二进制字符串或其他数据结构的过程。解码是将编码的解转换为问题空间中的实际解的过程。常见的编码方法包括二进制编码、实数编码和树形编码。 **2.1.2 遗传算法的交叉和
recommend-type

openstack的20种接口有哪些

以下是OpenStack的20种API接口: 1. Identity (Keystone) API 2. Compute (Nova) API 3. Networking (Neutron) API 4. Block Storage (Cinder) API 5. Object Storage (Swift) API 6. Image (Glance) API 7. Telemetry (Ceilometer) API 8. Orchestration (Heat) API 9. Database (Trove) API 10. Bare Metal (Ironic) API 11. DNS
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。