解决macOS上运行ml-depth-pro项目时的Half精度错误
2025-06-13 17:43:37作者:苗圣禹Peter
问题背景
在使用苹果开源的ml-depth-pro项目进行深度估计时,部分macOS用户遇到了一个与数据类型相关的运行时错误。具体表现为当尝试在配备M1/M2芯片或AMD显卡的Mac电脑上运行深度估计模型时,程序会抛出"RuntimeError: 'compute_indices_weights_linear' not implemented for 'Half'"的错误信息。
错误分析
这个错误的核心在于PyTorch在macOS平台上对半精度浮点数(Half precision, float16)的支持不完整。具体来说:
- 项目默认使用torch.half(半精度)来提升推理速度并减少内存占用
- 但在macOS的Metal Performance Shaders(MPS)后端中,某些操作(特别是上采样插值操作)尚未完全支持半精度计算
- 当模型执行到需要双线性上采样的步骤时,系统找不到对应的半精度实现
解决方案
方法一:强制使用单精度浮点数
最直接的解决方案是将模型的计算精度从半精度(float16)改为单精度(float32)。这可以通过修改项目中的run.py文件实现:
- 定位到depth_pro/cli/run.py文件
- 找到run(args)函数中定义精度的部分
- 将torch.half改为torch.float32
这种修改虽然会略微增加内存使用量,但能确保所有操作都能正常执行。
方法二:调整MPS内存分配策略
在macOS上运行大型模型时,还可能需要调整MPS的内存分配策略:
export PYTORCH_MPS_HIGH_WATERMARK_RATIO=0.0
或者使用更保守的设置:
export PYTORCH_MPS_HIGH_WATERMARK_RATIO=0.7
这个环境变量控制了MPS后端的内存分配行为,设置为0.0表示不设上限,而0.7表示使用70%的可用内存作为上限。
技术细节
-
精度选择的影响:
- float16:内存占用减半,理论计算速度更快,但数值范围小,容易溢出
- float32:传统单精度,数值稳定,但内存占用和计算量更大
-
MPS后端限制:
- macOS 13.0以下版本对某些上采样操作的支持不完整
- 部分操作在MPS后端会回退到CPU执行,影响性能
-
性能考量:
- 在配备强大GPU的Mac上,使用float32通常不会造成明显性能下降
- 内存充足的设备上,float32是更安全的选择
最佳实践建议
- 对于开发环境,优先使用float32确保稳定性
- 在生产部署时,可以在支持的硬件上尝试float16以获得更好性能
- 定期检查PyTorch的MPS后端更新,苹果正在不断完善对半精度的支持
- 对于大型模型,合理设置PYTORCH_MPS_HIGH_WATERMARK_RATIO以避免内存问题
通过以上调整,用户可以在macOS平台上顺利运行ml-depth-pro项目,获得准确的深度估计结果。随着PyTorch对MPS后端支持的不断完善,未来这些限制有望得到进一步缓解。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0285Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
535
62

React Native鸿蒙化仓库
C++
198
279

Ascend Extension for PyTorch
Python
48
81

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
950
556

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
385
19

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1 K
397