os.environ.get('LOCAL_RANK')报错

当使用os.environ.get('LOCAL_RANK')时，如果'LOCAL_RANK'这个环境变量不存在，则会返回None而不会报错。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [os.environ模块环境变量详解](https://blog.csdn.net/happyjacob/article/details/109279118)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]

相关问题

File "E:\ZLF\edm-main\torch_utils\distributed.py", line 30, in init torch.cuda.set_device(int(os.environ.get('LOCAL_RANK', '0'))) File "D:\anoconda\envs\DG\lib\site-packages\torch\cuda\__init__.py", line 350, in set_device torch._C._cuda_setDevice(device) AttributeError: module 'torch._C' has no attribute '_cuda_setDevice'怎么改

这个错误似乎是由于 PyTorch 版本不兼容或安装方式不正确导致的。你可以尝试以下几种方法来解决这个问题：

1. 检查 PyTorch 版本是否正确，如果不正确，可以尝试升级到最新版本或更换兼容的版本。

2. 检查 PyTorch 是否正确安装，可以尝试重新安装 PyTorch。

3. 检查 CUDA 是否正确安装，可以尝试重新安装 CUDA。

4. 检查环境变量是否正确设置，可以尝试手动设置环境变量。

如果以上方法都不能解决问题，建议查看 PyTorch 的官方文档或向 PyTorch 社区寻求帮助。

try: import thop except ImportError: thop = None logger = logging.getLogger(__name__) @contextmanager def torch_distributed_zero_first(local_rank: int): if local_rank not in [-1, 0]: torch.distributed.barrier() yield if local_rank == 0: torch.distributed.barrier() def init_torch_seeds(seed=0): torch.manual_seed(seed) if seed == 0: cudnn.benchmark, cudnn.deterministic = False, True else: cudnn.benchmark, cudnn.deterministic = True, False def select_device(device='', batch_size=None): s = f'YOLOv5 🚀 {git_describe() or date_modified()} torch {torch.__version__} ' cpu = device.lower() == 'cpu' if cpu: os.environ['CUDA_VISIBLE_DEVICES'] = '-1' elif device: # non-cpu device requested os.environ['CUDA_VISIBLE_DEVICES'] = device assert torch.cuda.is_available(), f'CUDA unavailable, invalid device {device} requested' cuda = not cpu and torch.cuda.is_available() if cuda: n = torch.cuda.device_count() if n > 1 and batch_size: # check that batch_size is compatible with device_count assert batch_size % n == 0, f'batch-size {batch_size} not multiple of GPU count {n}' space = ' ' * len(s) for i, d in enumerate(device.split(',') if device else range(n)): p = torch.cuda.get_device_properties(i) s += f"{'' if i == 0 else space}CUDA:{d} ({p.name}, {p.total_memory / 1024 ** 2}MB)\n" s += 'CPU\n' logger.info(s.encode().decode('ascii', 'ignore') if platform.system() == 'Windows' else s) # emoji-safe return torch.device('cuda:0' if cuda else 'cpu') def time_synchronized(): if torch.cuda.is_available(): torch.cuda.synchronize() return time.time()

这段代码是一个Python脚本，包含了一些用于PyTorch训练的实用函数。具体来说，它包含了以下函数：

- import thop：导入PyTorch的模块thop，用于计算模型的FLOPs和参数数量。
- torch_distributed_zero_first：用于在分布式训练中同步所有进程的执行顺序。
- init_torch_seeds：用于初始化PyTorch的随机数种子。
- select_device：用于选择PyTorch的设备，可以选择CPU或GPU。
- time_synchronized：用于在CPU和GPU之间同步时间。

这些函数都是用于方便PyTorch训练的实用函数，可以大大简化代码编写。