Запуск модели ML на удаленном сервере выдает ошибку, локально работает нормально ⇐ Python

[Anonymous]

Я помогаю другу запускать/тренировать его модели на своем удаленном сервере, чтобы увеличить вычислительную мощность, но мы столкнулись с некоторыми проблемами. Вот ситуация:

• Код отлично работает на локальном компьютере моего друга.
• Когда я запускаю его на удаленном компьютере сервер, я постоянно получаю ту же ошибку.
• Я не знаком со структурой кода, так как это не моя работа.
• Настройка довольно проста просто, в основном с использованием torch, numpy, cv2 и нескольких других библиотек для расширения.
• Мое предположение может быть связано с разницей версий зависимостей!

Я внес некоторые изменения в один из скриптов, отвечающих за обработку данных, но ошибка осталась. Вот сообщение об ошибке для справки: введите здесь описание изображения

Код: Выделить всё

import os
import cv2
import torch
import numpy as np
import albumentations as A
import torchvision.transforms as transforms
from PIL import Image
from torch.utils.data import Dataset

channel_means = [0.598, 0.584, 0.565]
channel_stds  = [0.104, 0.103, 0.103]

def Bextraction(img):
img = img[0].numpy()
img1 = img.astype(np.uint8)
DIAMOND_KERNEL_5 = np.array(
[
[0, 0, 1, 0, 0],
[0, 1, 1, 1, 0],
[1, 1, 1, 1, 1],
[0, 1, 1, 1, 0],
[0, 0, 1, 0, 0],
], dtype=np.uint8)
img2 =  cv2.dilate(img1, DIAMOND_KERNEL_5).astype(img.dtype)
img3 = img2 - img
img3 = np.expand_dims(img3, axis = 0)
return torch.tensor(img3.copy())

class ImgToTensor(object):
def __call__(self, img):
tf = transforms.Compose([transforms.ToTensor(),
transforms.Normalize(channel_means, channel_stds)])
return tf(img)

class MaskToTensor(object):
def __call__(self, img):
return torch.from_numpy(img).long()

class Crack_loader(Dataset):
"""  dataset class for Crack datasets
"""

def __init__(self, img_dir, img_fnames, mask_dir, mask_fnames, isTrain=False, resize=False):
self.img_dir = img_dir
self.img_fnames = img_fnames

self.mask_dir = mask_dir
self.mask_fnames = mask_fnames

self.resize  = resize
self.isTrain = isTrain

self.aug = A.Compose([
A.augmentations.crops.transforms.RandomResizedCrop(256,256,p=0.5),
A.augmentations.MotionBlur(p=0.1),
A.augmentations.transforms.ColorJitter(),
A.augmentations.geometric.rotate.SafeRotate(),
A.HorizontalFlip(),
A.VerticalFlip(),
A.augmentations.geometric.rotate.RandomRotate90(p=0.5)
])

self.img_totensor  = ImgToTensor()

self.mask_totensor = MaskToTensor()

def __getitem__(self, i):
# read a image given a random integer index
fname = self.img_fnames[i]
fpath = os.path.join(self.img_dir, fname)
img = cv2.imread(fpath)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)                                    # H,W,3 np.uint8

mname = self.mask_fnames[i]
mpath = os.path.join(self.mask_dir, mname)
mask = cv2.imread(mpath, cv2.COLOR_BGR2GRAY)                                  # H,W, np.uint8

if self.isTrain:
img  = cv2.resize(img, (256, 256), interpolation=cv2.INTER_CUBIC)         # (256,256,3) np.uint8
mask = cv2.resize(mask, (256, 256), interpolation=cv2.INTER_CUBIC)        # (256,256) np.uint8

# image augmentation
transformed = self.aug(image=img, mask=mask)
img  = transformed['image']                                               # (256,256,3) np.uint8
mask = transformed['mask']                                                # (256,256) np.uint8

# binarize segmentation
_, mask = cv2.threshold(mask, 127, 1, cv2.THRESH_BINARY)

# totensor
img  = self.img_totensor(Image.fromarray(img.copy()))
mask = self.mask_totensor(mask.copy()).unsqueeze(0)

# extract boundary
boundary = Bextraction(mask)                                              # (1,256,256) torch.float32

return {'image': img,
'mask': mask,
'boundary': boundary}

else:
if self.resize:
img  = cv2.resize(img, (256, 256), interpolation=cv2.INTER_CUBIC)     # (256,256,3) np.uint8
mask = cv2.resize(mask, (256, 256), interpolation=cv2.INTER_CUBIC)    # (256,256) np.uint8
img  = self.img_totensor(Image.fromarray(img.copy()))

_, mask = cv2.threshold(mask, 127, 1, cv2.THRESH_BINARY)
mask = self.mask_totensor(mask.copy()).unsqueeze(0)

return {'image': img,
'mask': mask,
'img_path': fpath}

def __len__(self):
"""Return the total number of images in the dataset."""
return len(self.img_fnames)```

Я внес некоторые изменения в метод __getitem__, но ошибка осталась та же.

Подробнее здесь: https://stackoverflow.com/questions/790 ... ne-locally