【已解决】bash: /home/visionx/EXT-3/qfy/anaconda3/envs/mist/bin/pip: /home/visionx/an灵活使用pip install -e .

文章讲述了作者在迁移项目环境时遇到taming包导入失败的问题,尝试了多种方法如使用不同Python解释器和虚拟环境,最终通过将虚拟环境移动到anaconda3/envs并激活,然后在该环境中使用pipinstall-e.解决了问题。

问题描述

        今天在进行环境迁移的时候遇到这样一个问题

Traceback (most recent call last):
  File "mist_v3.py", line 342, in <module>
    config = init(epsilon=epsilon, steps=steps, mode=mode, rate=rate)
  File "mist_v3.py", line 184, in init
    model = load_model_from_config(config, ckpt_path).to(device)
  File "mist_v3.py", line 53, in load_model_from_config
    model = instantiate_from_config(config.model)
  File "/home/visionx/EXT-3/qfy/project/mist/ldm/util.py", line 85, in instantiate_from_config
    return get_obj_from_str(config["target"])(**config.get("params", dict()))
  File "/home/visionx/EXT-3/qfy/project/mist/ldm/util.py", line 93, in get_obj_from_str
    return getattr(importlib.import_module(module, package=None), cls)
  File "/home/visionx/EXT-3/qfy/anaconda3/envs/mist/lib/python3.8/importlib/__init__.py", line 127, in import_module
    return _bootstrap._gcd_import(name[level:], package, level)
  File "<frozen importlib._bootstrap>", line 1014, in _gcd_import
  File "<frozen importlib._bootstrap>", line 991, in _find_and_load
  File "<frozen importlib._bootstrap>", line 975, in _find_and_load_unlocked
  File "<frozen importlib._bootstrap>", line 671, in _load_unlocked
  File "<frozen importlib._bootstrap_external>", line 783, in exec_module
  File "<frozen importlib._bootstrap>", line 219, in _call_with_frames_removed
  File "/home/visionx/EXT-3/qfy/project/mist/ldm/models/diffusion/ddpmAttack.py", line 23, in <module>
    from ldm.models.autoencoder import VQModelInterface, IdentityFirstStage, AutoencoderKL
  File "/home/visionx/EXT-3/qfy/project/mist/ldm/models/autoencoder.py", line 6, in <module>
    from taming.modules.vqvae.quantize import VectorQuantizer2 as VectorQuantizer
ModuleNotFoundError: No module named 'taming'

        这是要安一下taming这个包的,而安装办法要通过源代码来实现,所以第一步是git clone下来源代码然后通过pip install -e .来进行安装 ,这个操作还是比较熟悉的,因为之前diffuser安装的时候也是同样的套路,二者有一个共通的地方,就是源码包需要包含setup.py文件,否则是无法通过pip install -e .来实现安装为库文件,供程序使用的。

        但是这次,我使用pip install -e .安装的时候却出现了下面这个错误:

bash: /home/visionx/EXT-3/qfy/anaconda3/envs/mist/bin/pip: /home/visionx/anaconda3/envs/mist/bin/python: bad interpreter: No such file or directory

        查了一下可以通过这种办法解决:

        我不太清楚下面这个python路径是谁的,于是我先用base环境下的替代,没有成功。

        甚至还是出现这个报错: 

bash: /home/visionx/EXT-3/qfy/anaconda3/envs/mist/bin/pip: /home/visionx/anaconda3/envs/mist/bin/python: bad interpreter: No such file or directory

        那可能base环境下的pip也不行?于是我又找了一个虚拟环境ldm的python解释器 来替代上图中红框蓝字部分,没有报“/home/visionx/anaconda3/envs/mist/bin/python: bad interpreter: No such file or directory”错,但是呢,又报了这个错:

***……  

File "/home/visionx/EXT-3/qfy/project/mist/ldm/models/diffusion/ddpmAttack.py", line 23, in <module>
    from ldm.models.autoencoder import VQModelInterface, IdentityFirstStage, AutoencoderKL
  File "/home/visionx/EXT-3/qfy/project/mist/ldm/models/autoencoder.py", line 6, in <module>
    from taming.modules.vqvae.quantize import VectorQuantizer2 as VectorQuantizer
ModuleNotFoundError: No module named 'taming'

        这很明显是还不能,那是什么原因呢?我该怎么解决呢?

解决办法

        我想到了之前diffuser安装的时候

        第一步,把需要安装taming的虚拟环境mist迁移到anaconda3/envs目录下
cp -r mist/ /home/visionx/ananconda3/envs

        这样的话可以用conda activate 进行激活,操作也更方便

        第二步,激活mist虚拟环境
conda activate mist
        第三步,进入到taming_transformers文件目录中,并执行pip操作
pip install -e .

        执行完之后,再执行所需要的python文件就可以了,比如

python mist_v3.py
        第四步:补充

        如果一开始执行了这几条命令的话

which pip
/home/visionx/anaconda3/envs/mist/bin/pip

which python
/home/visionx/anaconda3/envs/mist/bin/python

vim /home/visionx/anaconda3/envs/mist/bin/pip

         那需要把修改的内容改回原样,比如我的

vim /home/visionx/anaconda3/envs/mist/bin/pip

        完活!

完结撒花 

        未来并不是无限可能,有她和没她两种罢了

         

内容概要:本文提出了一种基于瞬态三角哈里斯鹰算法(TTHHO)的多无人机协同集群在三维空间中的避障路径规划方法,旨在通过优化路径长度、飞行高度、威胁规避和转弯角度等关键因素,实现以最低综合成本为目标的全局路径规划。该方法结合智能优化算法与多智能体协同机制,在复杂三维环境中有效解决动态障碍物规避与飞行安全性问题,并通过Matlab平台进行算法编码实现与仿真实验,验证了其在路径最优性、收敛速度和避障能力方面的优越性能。研究涵盖了三维空间建模、目标函数构建、约束条件处理及多无人机协同策略设计,提升了无人机系统在实际应用场景中的自主导航与智能化决策水平。; 适合人群:具备一定编程基础,熟练掌握Matlab仿真环境,从事无人机路径规划、智能优化算法、多智能体协同控制等相关方向研究的科研人员、工程技术人员及研究生。; 使用场景及目标:① 实现多无人机在复杂三维环境下的协同避障路径规划,确保飞行安全与任务效率;② 研究基于哈里斯鹰算法及其改进版本(如TTHHO)的智能优化机制在路径规划中的应用;③ 推动多目标优化(路径最短、能耗最低、威胁最小、飞行平稳)下无人机自主导航系统的开发与落地; 阅读建议:此资源以Matlab代码实现为核心支撑,建议读者深入理解TTHHO算法原理的基础上,结合文中提供的仿真模型进行代码调试与参数调优,进一步探索不同环境设置和约束条件下算法的适应性与鲁棒性,鼓励通过扩展威胁模型或引入通信延迟等现实因素开展深化研究。
内容概要:本文档聚焦于“三相并网逆变器虚拟阻抗+统一有源阻尼策略SVPWM+SPWM调制仿真”这一核心技术主题,系统研究了在三相并网逆变系统中引入虚拟阻抗与统一有源阻尼的控制策略,旨在提升系统在弱电网条件下的稳定性、动态响应能力及并网电能质量。通过Simulink仿真平台,详细构建了包含SVPWM(空间矢量脉宽调制)与SPWM(正弦脉宽调制)两种主流调制方式的控制系统模型,深入对比分析了不同调制策略对系统性能的影响,并验证了所提出策略在抑制LC谐振、降低电流畸变、增强系统鲁棒性方面的有效性。文档还整合了大量电力电子与新能源领域的相关仿真研究案例,涵盖光伏逆变、储能控制、微电网调度、VSG控制等多个方向,展现出丰富的技术内涵和扎实的工程应用背景。; 适合人群:适用于具备电力电子技术、自动控制理论及新能源发电系统等相关专业知识背景的科研人员、电气工程类研究生以及从事并网逆变器、微电网控制、电力系统仿真等方向的工程技术人员。; 使用场景及目标:① 深入理解并掌握虚拟阻抗与统一有源阻尼技术在三相并网逆变器中的设计原理与实现方法;② 对比分析SVPWM与SPWM调制策略在系统稳定性、谐波抑制和动态性能上的差异;③ 基于Simulink平台进行逆变器并网控制算法的建模、仿真与验证,服务于高水平科研项目、学位论文撰写或实际工程项目开发。; 阅读建议:建议读者结合文档中提及的Simulink仿真模型及相关代码资源,亲自动手搭建和调试核心控制回路,重点关注虚拟阻抗的参数整定、电流内环与电压外环的协同控制结构、以及SVPWM/SPWM调制模块的具体实现细节,从而深化对系统稳定机理和高性能控制策略的理解。
内容概要:抠图王是一款基于AI技术的智能图片处理工具,核心功能包括一键智能抠图、制作商品白底图、处理人像抠图、移除图片水印、生成标准证件照、修复老照片画质、输出透明PNG图、去彩边净化边缘以及批量处理商品图等。软件通过先进的深度学习模型精准识别主体边缘,实现高效、精准的图像分割与后续处理。 适用人群:本软件广泛适用于电商卖家、摄影师、平面设计师、社交媒体运营者、普通家庭用户以及需要经常处理图片的办公人员。无论是专业设计还是日常修图,都能从中获得便利。 使用场景及目标:典型使用场景包括电商卖家快速制作统一风格的商品图和详情页主图;摄影爱好者移除照片中的路人或杂物,获得干净的人像作品;家庭用户修复泛黄模糊的老照片,保留珍贵回忆;个人用户制作证件照或社交头像,去除图片中的水印等。通过一键式操作,大幅缩短图像处理时间,提升工作效率,使用户无需具备专业技能即可获得专业效果。 其他说明:软件支持Windows操作系统,提供绿色免安装版本,下载后即可直接运行。核心图像处理过程在本地内存中完成,不长期保存图片文件,保护用户隐私。部分功能需要联网进行AI推理,但用户数据不会上传至服务器,确保安全。软件界面简洁,操作直观,适合各类用户快速上手。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值