Stage 0 - Epoch 1 TypeError

[minsoo5403]

╭───────────────────── Traceback (most recent call last) ──────────────────────╮
│ /home/k/nerf2mesh/main.py:224 in │
│ │
│ 221 │ │ │ valid_loader = NeRFDataset(opt, device=device, type='val') │
│ 222 │ │ │ │
│ 223 │ │ │ trainer.metrics = [PSNRMeter(),] │
│ ❱ 224 │ │ │ trainer.train(train_loader, valid_loader, max_epoch) │
│ 225 │ │ │ │
│ 226 │ │ │ # last validation │
│ 227 │ │ │ trainer.metrics = [PSNRMeter(), SSIMMeter(), LPIPSMeter(de │
│ │
│ /home/k/nerf2mesh/nerf/utils.py:902 in train │
│ │
│ 899 │ │ for epoch in range(self.epoch + 1, max_epochs + 1): │
│ 900 │ │ │ self.epoch = epoch │
│ 901 │ │ │ │
│ ❱ 902 │ │ │ self.train_one_epoch(train_loader) │
│ 903 │ │ │ │
│ 904 │ │ │ if (self.epoch % self.save_interval == 0 or self.epoch == │
│ 905 │ │ │ │ self.save_checkpoint(full=True, best=False) │
│ │
│ /home/k/nerf2mesh/nerf/utils.py:1127 in train_one_epoch │
│ │
│ 1124 │ │ │ │
│ 1125 │ │ │ # update grid every 16 steps │
│ 1126 │ │ │ if self.model.cuda_ray and self.global_step % self.opt.up │
│ ❱ 1127 │ │ │ │ loss_grid = self.model.update_extra_state() │
│ 1128 │ │ │ else: │
│ 1129 │ │ │ │ loss_grid = None │
│ 1130 │
│ │
│ /home/k/nerf2mesh/nerf/renderer.py:972 in update_extra_state │
│ │
│ 969 │ │ │ │ │ │ │ │ cas_xyzs += (torch.rand_like(cas_xyzs │
│ 970 │ │ │ │ │ │ │ │ # query density │
│ 971 │ │ │ │ │ │ │ │ with torch.cuda.amp.autocast(enabled= │
│ ❱ 972 │ │ │ │ │ │ │ │ │ sigmas = self.density(cas_xyzs)[' │
│ 973 │ │ │ │ │ │ │ │ # assign │
│ 974 │ │ │ │ │ │ │ │ tmp_grid[cas, indices] = sigmas │
│ 975 │
│ │
│ /home/k/nerf2mesh/nerf/network.py:65 in density │
│ │
│ 62 │ def density(self, x): │
│ 63 │ │ │
│ 64 │ │ # sigma │
│ ❱ 65 │ │ h = self.encoder(x, bound=self.bound) │
│ 66 │ │ h = self.sigma_net(h) │
│ 67 │ │ │
│ 68 │ │ sigma = trunc_exp(h[..., 0]) │
│ │
│ /home/k/.local/lib/python3.10/site-packages/torch/nn/modules/module.py:1501 │
│ in _call_impl │
│ │
│ 1498 │ │ if not (self._backward_hooks or self._backward_pre_hooks or s │
│ 1499 │ │ │ │ or _global_backward_pre_hooks or _global_backward_hoo │
│ 1500 │ │ │ │ or _global_forward_hooks or _global_forward_pre_hooks │
│ ❱ 1501 │ │ │ return forward_call(*args, **kwargs) │
│ 1502 │ │ # Do not call functions when jit is used │
│ 1503 │ │ full_backward_hooks, non_full_backward_hooks = [], [] │
│ 1504 │ │ backward_pre_hooks = [] │
│ │
│ /home/k/nerf2mesh/gridencoder/grid.py:156 in forward │
│ │
│ 153 │ │ prefix_shape = list(inputs.shape[:-1]) │
│ 154 │ │ inputs = inputs.view(-1, self.input_dim) │
│ 155 │ │ │
│ ❱ 156 │ │ outputs = grid_encode(inputs, self.embeddings, self.offsets, s │
│ 157 │ │ outputs = outputs.view(prefix_shape + [self.output_dim]) │
│ 158 │ │ │
│ 159 │ │ #print('outputs', outputs.shape, outputs.dtype, outputs.min(). │
│ │
│ /home/k/.local/lib/python3.10/site-packages/torch/autograd/function.py:506 │
│ in apply │
│ │
│ 503 │ │ if not torch._C._are_functorch_transforms_active(): │
│ 504 │ │ │ # See NOTE: [functorch vjp and autograd interaction] │
│ 505 │ │ │ args = _functorch.utils.unwrap_dead_wrappers(args) │
│ ❱ 506 │ │ │ return super().apply(*args, **kwargs) # type: ignore[misc │
│ 507 │ │ │
│ 508 │ │ if cls.setup_context == _SingleLevelFunction.setup_context: │
│ 509 │ │ │ raise RuntimeError( │
│ │
│ /home/k/.local/lib/python3.10/site-packages/torch/cuda/amp/autocast_mode.py: │
│ 98 in decorate_fwd │
│ │
│ 95 │ │ args[0]._dtype = torch.get_autocast_gpu_dtype() │
│ 96 │ │ if cast_inputs is None: │
│ 97 │ │ │ args[0]._fwd_used_autocast = torch.is_autocast_enabled() │
│ ❱ 98 │ │ │ return fwd(*args, **kwargs) │
│ 99 │ │ else: │
│ 100 │ │ │ autocast_context = torch.is_autocast_enabled() │
│ 101 │ │ │ args[0]._fwd_used_autocast = False │
│ │
│ /home/k/nerf2mesh/gridencoder/grid.py:54 in forward │
│ │
│ 51 │ │ else: │
│ 52 │ │ │ dy_dx = None │
│ 53 │ │ │
│ ❱ 54 │ │ _backend.grid_encode_forward(inputs, embeddings, offsets, outp │
│ 55 │ │ │
│ 56 │ │ # permute back to [B, L * C] │
│ 57 │ │ outputs = outputs.permute(1, 0, 2).reshape(B, L * C) │
╰──────────────────────────────────────────────────────────────────────────────╯
TypeError: grid_encode_forward(): incompatible function arguments. The following
argument types are supported:
1. (arg0: torch.Tensor, arg1: torch.Tensor, arg2: torch.Tensor, arg3:
torch.Tensor, arg4: int, arg5: int, arg6: int, arg7: int, arg8: int, arg9:
float, arg10: int, arg11: Optional[torch.Tensor], arg12: int, arg13: bool,
arg14: int) -> None

please, help ..