### Swin Transformer 在 Windows 环境下加载 DLL 文件时出现的 OSError 问题解决方案 #### 错误分析 在 Windows 编译 `mmcv-full` 或运行 PyTorch 项目时遇到 `OSError: [WinError 126]` 的原因通常是由于动态链接库 (DLL) 加载失败引起的。具体到此案例中，可能是以下原因之一导致： 1. **CUDA 版本不匹配**：PyTorch 安装时指定的 CUDA 工具包版本与实际使用的 NVIDIA 驱动程序或 GPU 不兼容[^2]。 2. **缺少必要的依赖项**：某些关键的 DLL 文件（如 `curand64_10.dll`, `torch_cuda_cpp.dll`）未被正确安装或路径配置有误[^1]。 3. **页面文件大小不足**：Windows 系统中的页面文件设置过小可能导致大型模型训练过程中内存分配失败，从而引发类似的错误提示。 --- #### 解决方案 ##### 方法一：验证并调整 CUDA 和 PyTorch 的版本一致性 确保所安装的 PyTorch 版本与其对应的 CUDA 工具链完全一致。当前环境中已知的信息如下： - 使用的是 CUDA 11.2； - 安装了 PyTorch 1.7.1 并绑定了 `cudatoolkit=11.0`。 然而，这种组合可能存在问题，因为官方推荐的 PyTorch 1.7.1 应搭配 CUDA 11.0 而非更高版本。建议重新创建虚拟环境，并严格遵循以下命令完成安装： ```bash conda create -n swin_new python=3.7 -y conda activate swin_new conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu110/torch1.7/index.html ``` 如果需要支持更高的 CUDA 版本，则应升级至更现代的 PyTorch 发布版，例如 PyTorch 1.9.x 支持 CUDA 11.1/11.2。 --- ##### 方法二：修复缺失的 DLL 文件 对于像 `curand64_10.dll` 这样的特定依赖项丢失情况，可以采取以下措施来解决问题： 1. 下载对应版本的 CUDA Toolkit 手册页上的独立组件； 2. 将这些 DLL 复制到 Python 环境目录下的 `Lib\site-packages\torch\lib` 中； 3. 修改系统的 PATH 变量以包含上述目标位置。 注意：操作前务必确认下载的工具集与现有硬件架构相适应。 --- ##### 方法三：优化系统资源管理 针对因页面文件容量限制而产生的 `[WinError 1455] 页面文件太小` 类型警告，可通过修改注册表参数增大可用交换空间范围。步骤概述如下： 1. 打开控制面板 -> 系统属性 -> 高级选项卡； 2. 切换到性能区域下方点击“设置”，再进入高级标签页找到虚拟内存部分； 3. 自定义初始值和最大值均设为物理 RAM 总量两倍左右即可满足大多数需求场景。 --- ##### 方法四：启用调试模式排查深层冲突 当常规手段无法定位确切故障源时，可借助 Dependency Walker 等第三方软件扫描整个执行流程期间涉及的所有外部模块调用关系图谱。通过这种方式能够直观发现潜在遗漏或者相互排斥的情况存在[^3]。 --- ### 示例代码片段 以下是基于 TorchToolbox 实现数据增强的一个简单例子供参考： ```python from torchtoolbox.transform import Cutout import torchvision.transforms as transforms transform = transforms.Compose([ transforms.Resize((224, 224)), Cutout(), transforms.ToTensor(), transforms.Normalize(mean=[0.5]*3, std=[0.5]*3), ]) ``` --- ####