问题描述：

本来是要复现rtdetr的，ultralytics里面内置的一个rtdetr的代码复现了一遍之后，突然不知道为什么脑抽了，想着网上找找有没有rtdetr的官方论文代码，结果还真有，然后就踏上了一条不归路。。。。。。整整3天就为了解决这个问题

错误描述

在配好官方一模一样的环境后，直接pip install -r requirements -i 清华源 安装即可

数据集用的minicoco，和coco的类别等各方面都是一样的，所以只需要根据自己的显卡、显存等硬件设备改一下batch size 和num works就行，我改的是coco_detection.yaml里面的batch size 和num works，但是不管怎么改，都会报段错误或者死机

探索过程

我就很疑惑，一直在想为什么会出现这个问题，我群里xhs上到处找人问，好几个人说是环境配置问题。

我也想了想，总结出来几个点,可能出现的问题：

1、环境配的不对，cuda、pytorch的版本什么的对不上，而且环境也有pip和conda两种方式

2、由于我是刚接手了一个本地服务器，一张单卡的4090，有可能是硬件问题，因为在nvidia-smi -l -2指令的时候，显存并没有被拉爆（但实际就是显存被拉爆了。。后面详细说）

3、有可能是ubuntu系统问题，我在win上跑就可以，就是慢很多

问题解决

关于第一个问题，环境问题：我来来回回创建了好多虚拟环境，配的和官方都是一模一样的torch环境，依旧报错，我甚至用两种不同的方式pip和conda分别配了环境，分配run了代码，结果还是不行，又在win系统里面跑这个代码，发现能跑得起来，但是太慢了，第一个问题pass，肯定不是环境问题了

关于第二个问题：我用指令看其实显示的实时显存并没有被拉爆

关于第三个问题，这个没法解决，感觉进了死胡同，不过‘聪明’的我灵机一动，想着去租一个完全相同配置的服务器跑这个代码试试，哈哈，结果发现传递文件太慢了，后来还是不了了之了

就在我一筹莫展之际，我决定从这个错误着手，网上说报段错误的话，就在运行指令里面加一个，这个指令可以定位到错误位置给出更详细的错误信息

python -X faulthandler your_script.py

这里我试了一下，报出来的错误显示是dataloader有问题

我就全局搜索了一下num works，果不其然，rtdetr的官方pytorch代码，又嵌套了一层dataloader在里面，我根本没有注意到！！！而且这个dataloaer.yaml里面的num-works=4，我的电脑肯定带不起来，最终得出结论还是显存被拉爆了

那么也是我太粗心了，拿到代码太着急了，太想着把代码跑通复现，没有去debug代码，没有去一点一点的看代码段，导致了这个错误

血泪的教训，花了整整三天，发现还是最基础的问题😭，大家不要和我一样