whlook

看代码，好像还不支持cpu runtime?  看来目前只能在cuda环境下编译运行，之前没安装cuda home，准备再试一下

> 我也遇到了同样的问题，好像跟cuda环境变量相关，但我确定我是配置好了gpu运行的。我是Windows系统，是不是不支持在windows上这样做？ 检查一下CUDA_HOME，以及看看setup.py里相关分支，可能没有走nvcc

> > 我也遇到了同样的问题，好像跟cuda环境变量相关，但我确定我是配置好了gpu运行的。我是Windows系统，是不是不支持在windows上这样做？ > > 成功了吗 > cpu暂时没法用，必须要配置cuda home，然后在pip install -e .才行，我ok了

> Same problem, how to solve it? similar issue and the way to fix it: https://github.com/google/yapf/issues/1204

> 感谢你的反馈。我想具体了解一下，你希望提供“no amp wrap”版本的 AmpOptimizerWrapper，那 autocast 的操作你打算在哪里完成？ 我最初的想法是如果使用去掉autocast的AmpOptimizerWrapper，那么可以在自己的代码里手动使用torch.autocast等操作，不过这样对用户来说可能也不是很方便，目前看可能还是with autocast(enabled=False):更可行一些

> 你可以尝试使用 `with autocast(enabled=False):` 在里面的代码临时关闭 autocast 抱歉重新提起这个问题。目前发现使用with autocast(enabled=False):不是一个合适的解决方法。因为这个会导致内存突然上升，这个背离了使用amp的理由。所以为了兼顾amp使用，并且保证在训练代码中使用no_grad的操作不会破坏训练效果，我建议在mmengine中的amp包装上修改一下默认参数(cache_enabled=False)，默认为True: 

> > 你可以尝试使用 `with autocast(enabled=False):` 在里面的代码临时关闭 autocast > > 抱歉重新提起这个问题。目前发现使用with autocast(enabled=False):不是一个合适的解决方法。因为这个会导致内存突然上升，这个背离了使用amp的理由。所以为了兼顾amp使用，并且保证在训练代码中使用no_grad的操作不会破坏训练效果，我建议在mmengine中的amp包装上修改一下默认参数(cache_enabled=False)，默认为True:  更新，mmengine也可以不改，在自己模型的代码里按需关闭cache也可以。顺便提醒路人了，这个还是挺隐蔽的坑