huggingface学习|云服务器部署Grounded-Segment-Anything：bug总会一个一个一个一个又一个的解决的_grounded-segment-anything模型部署并运行

---

一、环境部署

（一）模型下载

1. 下载Grounded-Segment-Anything模型（如果git clone不下来可以直接官网上下压缩包然后解压，耗费的时间也不长）。

git clone https://github.com/IDEA-Research/Grounded-Segment-Anything.git
1

2. 下载了Grounded-Segment-Anything模型后会发现以下两个文件夹是空的，因此需要另行下载，可以自己手动去官网（VISAM、grounded-sam-osx）下载压缩包解压，并保存在Grounded-Segment-Anything文件夹中所对应的位置。
   

3. 模型权重下载：将以下模型权重下载后放在Grounded-Segment-Anything的文件夹下
   groundingdino_swint_ogc.pth
   sam_vit_h_4b8939.pth

（二）环境配置

1. 创建虚拟环境：

conda create -n env_grounded_segment_anything python==3.8.10
1

2. 进入虚拟环境：

conda activate env_grounded_segment_anything
1

3. 安装pytorch：
   （这里要特别注意torch和cuda的对应关系，pytorch官网）中有写，grounde-segment-anything模型的官方要求的cuda版本是11.3，但是我使用的学校的云服务器配置中cuda版本是12.0，不好换，查了issue里其他人说也是ok的就没有换。
   

pip install torch==2.1.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0 -f https://download.pytorch.org/whl/torch_stable.html
1

4. 手动设置环境变量，（在不适用docker，使用cuda构建本地GPU环境的情况下），如果之前cuda版本不是11.3的，记得自己换一下第三条代码。

export AM_I_DOCKER=False
export BUILD_WITH_CUDA=True
export CUDA_HOME=/path/to/cuda-11.3
1
2
3

（三）库的安装

pip install -r requirements.txt 
1

1. 安装segment_anything：

python -m pip install -e segment_anything
1

2. 安装GroundingDINO：
   gcc一定要是9.4.0版本的！！！（血的教训）（不然一直报错gcc）

python -m pip install -e GroundingDINO
1

python setup.py build
python setup.py install
1
2

3. 安装diffusers：

pip install --upgrade diffusers[torch]
1

4. 其他依赖项

pip install opencv-python pycocotools matplotlib onnxruntime onnx ipykernel
1

pip install --upgrade transformers
1

二、运行

（一） 运行grounding_dino_demo.py文件

python grounding_dino_demo.py
1

运行结果：（输出一个annotated_image.jpg）

（二）运行grounded_sam_demo.py文件

python grounded_sam_demo.py --config GroundingDINO/groundingdino/config/GroundingDINO_SwinT_OGC.py --grounded_checkpoint groundingdino_swint_ogc.pth --sam_checkpoint sam_vit_h_4b8939.pth --input_image assets/demo1.jpg --output_dir "outputs" --box_threshold 0.3 --text_threshold 0.25 --text_prompt "bear" --device "cuda"
1

运行结果：生成一个output文件夹，文件夹里包含grouded_sam_output.jpg（显示生成框图片）、mask.jpg（mask掩码图片）、raw_image.jpg（原始图片）和mask.json：

grouded_sam_output.jpg（显示生成框图片）：

mask.jpg（mask掩码图片）：

raw_image.jpg（原始图片）：

（三）运行grounded_sam_inpainting_demo.py 文件

python grounded_sam_inpainting_demo.py \
  --config GroundingDINO/groundingdino/config/GroundingDINO_SwinT_OGC.py \
  --grounded_checkpoint groundingdino_swint_ogc.pth \
  --sam_checkpoint sam_vit_h_4b8939.pth \
  --input_image assets/inpaint_demo.jpg \
  --output_dir "outputs" \
  --box_threshold 0.3 \
  --text_threshold 0.25 \
  --det_prompt "bench" \
  --inpaint_prompt "A sofa, high quality, detailed" \
  --device "cuda"
1
2
3
4
5
6
7
8
9
10
11

运行结果：生成一个output文件夹，文件夹里包含grouded_sam_output.jpg（显示生成框图片）、grounded_sam_inpainting_output.jpg（修复后图片）和raw_image.jpg（原始图片）：

grounded_sam_output.jpg（显示生成框图片）：

grounded_sam_inpainting_output.jpg：

raw_image.jpg（原始图片）：

三、遇到的问题和bug

（一）安装groundingdino库时报错command:‘gcc’ failed with exit status 1

这个问题困扰了好几天，最终得到的解决方案：

1. 没有装gcc，这个可以在终端输入gcc -v如果没有输出结果就说明没有，应该去安装
2. 装了gcc但是依旧报错，说明版本不对，试了很多次查了很多资料后发现gcc9.4.0是ok的（反正我是9.4.0才行）
3. gcc版本和g++版本不一致，这个就是直接重新装gcc9.4.0的同时就可以解决

由于我用的学校服务器，没有root权限，很多命令比如说sudo等就用不了，因此只能采用以下方式下载gcc9.4.0，实际上可以直接通过sudo等命令直接下载。

gcc9.4.0下载方式：

1. 下载gcc9.4.0的压缩包gcc-9.4.0.tar.gz：可以直接去官网下载，也可以使用代码：

conda install https://anaconda.org/brown-data-science/gcc/9.4.0/download/linux-64/gcc-9.4.0-0.tar.bz2
1

2. 解压

tar -xzf gcc-9.4.0.tar.gz
1

3. 进入gcc-9.4.0文件夹新建一个文件夹gcc-9.4.0-build（可以随便取名字），主要是用于安装 gcc

cd gcc-9.4.0
mkdir gcc-9.4.0-build  
​cd gcc-9.4.0-build
1
2
3

4. 在刚刚创建的文件夹gcc-9.4.0-build中执行以下命令，安装gcc

../configure --disable-checking --enable-languages=c,c++,fortran --disable-multilib --prefix=/path/to/install/gcc-9.4 --enable-threads=posix
1

5. 编译环境
   编译的时间特别长，快的话一两个小时，慢的话可能要三四个小时，（所以如果像我一样是在学校服务器上运行代码，尽量申请长点的时间）可以直接用make，也可以在后边加上j+数字，比如说make -j4，表示选择4个核心去编译，速度会快一些。

make
1

6. 安装

make install
1

7. 添加环境变量

输入以下代码进入bashrc的编辑模式

vim ~/.bashrc
1

按下a键后进入insert模式（进入insert模式后才能对文件内容进行修改），然后在该界面的最后几行复制粘贴以下代码，其中path就是之前设置的gcc-9.4.0-build的地址

export PATH=/public/home/mcao/usr/xy/source/gcc/bin:$PATH  
export LD_LIBRARY_PATH=/public/home/mcao/usr/xy/source/gcc/lib/:/public/home/mcao/usr/xy/source/gcc/lib64/:$LD_LIBRARY_PATH
1
2

输入完成后按ESC键，然后输入 :wq 后回车退出界面
最后输入以下代码使得配置的环境在这个终端生效

source ~/.bashrc
1

最后可以检查一下gcc版本：

gcc -v
1

（二）运行grounding_dino_demo.py文件时报错OSError：

OSError: We couldn’t connect to ‘https://huggingface.co’ to load this file, couldn’t find it in the cached files and it looks like bert-base-uncased is not the path to a directory containing a file named config.json.
Checkout your internet connection or see how to run the library in offline mode at ‘https://huggingface.co/docs/transformers/installation#offline-mode’.

解决方法一：（看到有人解决方式是设立代理服务器，但是我没成功）

import os
os.environ['HTTP_PROXY'] = 'http://127.0.0.1:7890'
os.environ['HTTPS_PROXY'] = 'http://127.0.0.1:7890'
1
2
3

解决方式二：手动下载模型到本地库，然后改代码

• 第一步： 在huggingface的bert-base-uncased库上下载包括 config.json, flax_model.msgpack, pytorch_model.bin, tf_model.h5, tokenizer.json, tokenizer_config.json, vocab.txt的文件：
  
• 第二步： 创建一个bert-base-uncased文件夹，把第一步中下载的文件放到创建的这个文件夹中， 记住创建的这个文件夹的位置，我是直接放在了Grounded-Segment-Anything的文件夹下（事实证明还是放在这里比较稳妥，因为放在别的地方后边代码不太好改）
• 第三步： 在Grounded-Segment-Anything/GroundingDINO/groundingdino/util/get_tokenlizer.py文件中将代码进行修改，具体修改方式：红框中注释了的代码是原始代码，注释后的代码下边的代码是我修改后的代码。（这里特别注意修改后的代码中的文件路径是相对于Grounded-Segment-Anything文件夹的相对路径，我之前一直理解成对于get_tokenlizer.py的相对路径，结果一直没成功，理解了之后成功解决问题）
  

（三）运行grounded_sam_inpainting_demo.py 文件时报错OSError：

OSError: Cannot load model runwayml/stable-diffusion-inpainting: model is not cached locally and an error occured while trying to fetch metadata from the Hub. Please check out the root cause in the stacktrace above.

解决方式和上边一样：手动下载模型到本地库，然后改代码
先把stable-diffusion-inpainting模型下载到Grounded-Segment-Anything目录中，然后修改grounded_sam_inpainting_demo.py中的代码，具体修改方式是将下图中第204行-206行被注释掉的代码修改为207行-209行的代码。

参考：
Grounded-Segment-Anything本地部署
语义分割——Grounded Segment Anything 环境配置和使用教程（已解决 name ‘_C’ is not defined 报错）
Grounded-Segment-Anything环境安装踩坑记录