RTX 3090运行Scene-Graph-Benchmark.pytorch(KaihuaTang)的环境配置与调试实战

1. 环境准备：从零开始的3090战场

最近在折腾视觉关系检测（Scene Graph Generation，简称SGG）这个方向，想复现一下KaihuaTang大佬开源的经典工作 Scene-Graph-Benchmark.pytorch。我手头正好有一张RTX 3090，想着24GB的显存跑这种大模型应该挺舒服的。结果呢，从环境配置到成功跑起来，整个过程可以说是“一步一坑”，但踩坑的过程也是学习的过程。这篇文章就是把我折腾的详细过程、遇到的问题和解决方案都记录下来，如果你也打算在3090上跑这个项目，希望能帮你省下大把的调试时间。

首先明确一下，这个项目是一个基于PyTorch的场景图生成基准测试框架，它集成了检测、分类和关系预测，代码结构清晰，是研究SGG的绝佳起点。但它的依赖环境，特别是PyTorch、CUDA和APEX的版本搭配，在RTX 30系显卡上有点“挑食”。我的目标很简单：在Ubuntu系统下，用RTX 3090，从零开始把环境搭好，把数据集准备好，最后能顺利跑起训练和测试。下面，我就带你走一遍这个实战流程。

我的基础硬件和驱动环境是这样的：RTX 3090显卡，系统是Ubuntu 20.04 LTS。在开始之前，你需要先确认好你的NVIDIA驱动版本和系统CUDA版本。打开终端，输入 nvidia-smi，你会在右上角看到类似“CUDA Version: 11.4”的字样，这个是你的驱动支持的最高CUDA版本，不是系统里安装的运行时版本。再输入 nvcc -V，这个才是你实际安装的CUDA Toolkit版本。我一开始就犯了个错，以为 nvidia-smi 显示的11.4就是我的CUDA版本，结果后面安装PyTorch时对不上号，折腾了好久。我的服务器上实际安装的是CUDA 11.1。

提示：强烈建议在开始前，用 nvcc -V 和 nvidia-smi 两个命令都看一下，记下你的CUDA运行时版本（比如11.1）和驱动支持的版本（比如11.4）。后续安装PyTorch时，要匹配的是运行时版本。

接下来是创建一个干净的Conda虚拟环境，这是保证环境不冲突的最佳实践。我强烈建议使用国内的镜像源来加速下载，比如清华源。你可以一次性把常用的频道都加上，这样后续安装包会快很多。下面是我用的命令，你可以直接复制执行：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

设置好源之后，就可以创建环境了。这里有个关键点：Python版本不要选太高。项目代码比较经典，对Python 3.8+的支持可能会有一些隐藏的兼容性问题。我实测下来，Python 3.7是最稳妥的选择。执行下面的命令来创建名为 scene_graph_benchmark 的环境：

conda create --name scene_graph_benchmark python=3.7

创建完成后，激活这个环境：conda activate scene_graph_benchmark。从现在开始，我们所有的操作都在这个虚拟环境里进行，这样即使搞乱了，删掉环境重来也很方便，不会污染系统环境。

1.1 PyTorch与CUDA版本的“相爱相杀”

环境建好了，重头戏就是安装PyTorch。这是踩坑最密集的区域。我的CUDA是11.1，按照PyTorch官网的匹配逻辑，我第一反应是安装 pytorch==1.8.0 搭配 cudatoolkit=11.1。命令如下：

conda install p