AI学习：SPIN -win-安装SPIN-工具过程 SPIN win 电脑安装=accoda 环境-第五篇：代码修复]

[AI学习：SPIN -win-安装SPIN-工具过程 SPIN win 电脑安装=accoda 环境-第五篇：代码修复]）

• 1-概述
• • （1）概述
  • （2）操作流程-解决问题
  • • [1-问题：NameError: name 'SMPLWrapper' is not defined](#1-问题：NameError: name 'SMPLWrapper' is not defined)
    • • 1-原因分析：
      • 2-解决方式：
    • [2-问题：einsum(): subscript i has size 300 for operand 1 which does not broadcast with previously seen size 10](#2-问题：einsum(): subscript i has size 300 for operand 1 which does not broadcast with previously seen size 10)
    • • 1-原因分析：
      • 2-解决方式：
    • [3-问题：RuntimeError: Boolean value of Tensor with more than one value is ambiguous](#3-问题：RuntimeError: Boolean value of Tensor with more than one value is ambiguous)
    • • 1-原因分析：
      • 2-解决方式：
    • 4-模型问题：虽然成功生成obj的3D模型文件，但是模型文件不对。
    • • 1-原因分析：
  • （3）操作流程-重新梳理
  • • 1-安装PyOpenGL-accelerate
    • 2-安装numpy和chumpy
    • 3-重新尝试
    • 4-确认模型文件
    • 5-编写测试脚本
    • 5-编写测试脚本
    • 6-编写测试脚本
    • 7-问题解决
    • 8-重新生成
  • （4）操作流程-成功
  • （5）总结

1-概述

（1）概述

上篇已经说了，最近学习AI，看到了SPIN这个工具，可以将图片转换位3D模型，我们继续来尝试，并且将问题记录。

前篇文章：[AI学习：SPIN -win-安装SPIN-工具过程 SPIN win 电脑安装=accoda 环境-第四篇：代码修复]

我们之前布置了环境，之后往后遇到很多问题，今天来继续操作。

（2）操作流程-解决问题

1-问题：NameError: name 'SMPLWrapper' is not defined

1-原因分析：

说明在 demo_norender.py 里写了：

smpl = SMPLWrapper(model_folder='data/smpl', gender='NEUTRAL', num_betas=10, device=DEVICE)

项目里并没有 SMPLWrapper 这个类（而且变量名 model_folder 也未定义）。

SPIN 的正确用法是用我们自己的 utils/smpl.py 里的 SMPL 类（它内部调用 smplx.create(model_type='smpl', num_betas=10, ...)）。

---

2-解决方式：

在 demo_norender.py 顶部导入正确的类

from utils.smpl import SMPL
import os

SMPL_MODEL_DIR = os.path.join('data', 'smpl')   # 你的 pkl 就在 data/smpl 下
smpl = SMPL(model_path=SMPL_MODEL_DIR, batch_size=1, gender='neutral')  # gender 用小写
# 如果你的 utils/smpl.py 支持：SMPL(model_path, batch_size=1, gender='neutral', num_betas=10)
# smpl = SMPL(model_path=SMPL_MODEL_DIR, batch_size=1, gender='neutral', num_betas=10)

2-问题：einsum(): subscript i has size 300 for operand 1 which does not broadcast with previously seen size 10

1-原因分析：

还是同一个本质问题：传进 SMPL 的 betas 维度是 300，但当前 SMPL 只支持 10 个 shape 基（shapedirs=10），于是

einsum(): subscript i has size 300 for operand 1 which does not broadcast with previously seen size 10

其实还是同一个根因：传进 SMPL 的 betas 维度是 300，但当前 SMPL 的形状基（shapedirs）是 10，所以 einsum('bl,mkl->bmk', [betas, shapedirs]) 在维度 l 上对不齐：

报错里写的：subscript l has size 300 for operand 1 which does not broadcast with previously seen size 10

解释：第 1 个操作数（betas）在 l 维是 300，而之前已经见到的 l 维大小是 10（来自 shapedirs）。

也就是说现在是 betas=300、shapedirs=10，不是反过来。

2-解决方式：

把 betas 截到前 10 维再喂给 SMPL 就能过。

下面给出最小可改动的"保险写法"，直接贴到你 demo_norender.py 里模型前向之后、调用 smpl(...) 之前：

with torch.no_grad():
    pred_rotmat, pred_betas, pred_cam = model(x.float())

# ---- 重要：对齐 betas 维度到 10 ----
print("pred_betas shape before:", tuple(pred_betas.shape))  # 调试用
if pred_betas.shape[-1] != 10:
    # 常见是 300，这里统一截取到前 10 维
    pred_betas = pred_betas[..., :10]
print("pred_betas shape after :", tuple(pred_betas.shape))

# 统一 dtype / device
pred_betas = pred_betas.to(dtype=torch.float32, device=DEVICE)

# 只用 betas 也可以先跑通
out = smpl(betas=pred_betas)

3-问题：RuntimeError: Boolean value of Tensor with more than one value is ambiguous

1-原因分析：

RuntimeError: Boolean value of Tensor with more than one value is ambiguous

File "utils/smpl.py", line 83, in __init__
sd = getattr(self._smpl, 'shapedirs', None) or getattr(self._smpl, 'shape_disps', None)

self._smpl.shapedirs 这个对象 不是 None，但它是一个 Tensor（shape_dirs 是 [6890,3,10] 的张量），而 Python 在执行 A or B 时，会尝试把 A 转成布尔值。

Tensor 有多个元素时不能转成 bool，于是抛出这个错误。

2-解决方式：

打开文件：

C:\Users\Admin\SPIN\utils\smpl.py

找到大约第 83 行：

sd = getattr(self._smpl, 'shapedirs', None) or getattr(self._smpl, 'shape_disps', None)

把它改成下面这样：

sd = getattr(self._smpl, 'shapedirs', None)
if sd is None:
    sd = getattr(self._smpl, 'shape_disps', None)

4-模型问题：虽然成功生成obj的3D模型文件，但是模型文件不对。

如下图，成功是成功生成了obj文件。

但是模型很是奇怪

1-原因分析：

过于依赖AI或者自己了解不深的时候，其实可以说对于这个模型可能不是很了解。

从这张图来看，姿态完全扭曲、上下颠倒，模型像是"摔在地上"的样子

---

（3）操作流程-重新梳理

1-安装PyOpenGL-accelerate

2-安装numpy和chumpy

安装 numpy1.23.5 和 chumpy0.70 是完全正确的------SPIN 官方推荐的兼容版本。

3-重新尝试

还是之前问题

这表示：shape_disps / shapedirs 的形状维度是 300，但betas 长度是 10。

换句话说，现在加载的是 SMPL-X（300 shape components） 的模型文件，但前向里用的是 SMPL（10 shape components） 的设置------于是 einsum('bl,mk->bmk', betas(...×10), shape_disps(...×300)) 就对不上了。

4-确认模型文件

5-编写测试脚本

import pickle, os
pkl_path = "models/smpl/SMPL_NEUTRAL.pkl"   # 注意不是 data/smpl
data = pickle.load(open(pkl_path, 'rb'), encoding='latin1')
print("shapedirs dim =", data['shapedirs'].shape[-1])

import pickle

# 注意这里要用 models/smpl，不是 data/smpl
pkl_path = "models/smpl/SMPL_NEUTRAL.pkl"

with open(pkl_path, 'rb') as f:
    data = pickle.load(f, encoding='latin1')

print("shapedirs dim =", data['shapedirs'].shape[-1])

5-编写测试脚本

正在用的解释器不是 Conda 里的那个（python3 可能指向别的 Python / Windows Store 启动器），脚本其实没被期望的解释器执行。

脚本里路径不对（写的是 models/smpl/...，而 SPIN 正确路径在 data/smpl/...），但即便出错也应打印报错------所以更像是 #1。

6-编写测试脚本

(spin) C:\Users\Admin\SPIN>python3 test_shapedirs.py

(spin) C:\Users\Admin\SPIN>python3 test_shapedirs.py

(spin) C:\Users\Admin\SPIN>python3 test_shapedirs.py

(spin) C:\Users\Admin\SPIN>python3 test_shapedirs.py

(spin) C:\Users\Admin\SPIN>python test_shapedirs.py
[Check] trying to open: C:\Users\Admin\SPIN\models\smpl\SMPL_NEUTRAL.pkl
C:\Users\Admin\SPIN\test_shapedirs.py:9: DeprecationWarning: Please import `csc_matrix` from the `scipy.sparse` namespace; the `scipy.sparse.csc` namespace is deprecated and will be removed in SciPy 2.0.0.
  data = pickle.load(f, encoding='latin1')
[OK] shapedirs shape = (6890, 3, 300)   last dim = 300

现在用的 SMPL_NEUTRAL.pkl 是 SMPL-X 格式（或含 300 个 shape basis 的版本），shapedirs 最后一维是 300，而 SPIN 的模型是按 SMPL (10 维 betas) 训练的，所以才会一路触发

einsum(): subscript l has size 300 for operand 1 which does not broadcast with ... size 10

7-问题解决

Python 作用域/变量名问题：现在跑的是 demo.py，在这个脚本里保存结果时用了

np.savez(outfile + '_spin.npz',
         vertices=vertices,
         betas=betas,
         pose=pose,
         camera=camera)

当前的执行路径里，vertices 从未被赋值（因此报 NameError: name 'vertices' is not defined）。常见原因有两种：

改过/注释过上面计算 vertices 的那几行；

demo.py 里 vertices 只在某个分支（比如渲染路径）里被创建，而你走的是另一个分支（或之前报过别的错，导致没有执行到创建 vertices 的那行）。

8-重新生成

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

data = np.load("examples/im1010_spin.npz")
vertices = data["vertices"]

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(vertices[:,0], vertices[:,1], vertices[:,2], s=1)
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
plt.show()

（4）操作流程-成功

（5）总结

确实弄完后，有一段时间没有看来，中间细节大部都忘了，确实复现了论文，但确实记录做的不好，自己在这个过程种，跟随AI的脚步，但是AI在细节处理，其实不是那么好，自己有时感觉也是过于依赖AI。但是这个模型还是很有意思的。

同时这个SPIN学习也告一段落了。