Comments (14)
你这是GPU环境没有配置好,应该是cuda的问题
from deep-learning-for-image-processing.
你这是GPU环境没有配置好,应该是cuda的问题
我用的是系里服务器,cuda是conda装的匹配pytorch的版本,一般会有什么问题呢?
from deep-learning-for-image-processing.
GPU,GPU驱动、CUDA以及Pytorch版本都是有对应关系的,你自己可以在Nvidia官网查下,看下你的GPU的驱动是否支持你下载的CUDA版本
from deep-learning-for-image-processing.
from deep-learning-for-image-processing.
但我测试是没问题的哦,你用我视频中提供的pascal voc数据集跑过吗?
from deep-learning-for-image-processing.
您好,我改进了网络结构,但是不能用官方预训练的权重了,我是要自己做一个预权重吗?还是直接不管直接跑数据集呢?
from deep-learning-for-image-processing.
from deep-learning-for-image-processing.
from deep-learning-for-image-processing.
@jacklee-scau 如果改了网络结构,还要看你改了哪里,如果你改了backbone部分,那一般是要在imagenet上预训练一下,然后最好在coco数据集上进行预训练,最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。
from deep-learning-for-image-processing.
@Kyfafyd 那应该是你数据集的问题了,是否有漏标或者空的标注文件。还有标注文件是否符合pascal voc格式。
from deep-learning-for-image-processing.
@jacklee-scau 如果改了网络结构,还要看你改了哪里,如果你改了backbone部分,那一般是要在imagenet上预训练一下,然后最好在coco数据集上进行预训练,最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。
我现在是在up主你的yolov3_spp上增加了两个spp层 (原则上没有改动backbone部分即darknet53)所以我不需要去imagenet上预训练对吗?但是我的数据集很小,我需要基于coco上的预训练对吗?(由于coco数据集太大,我用voc数据集预训练)但是我预训练之后的权重明显不对,一应用在自己的小数据集上就报错,报错为size不一样,或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗(yolov3-spp-ultralytics-512.pt)?刚接触这个,可能表达不好。请见谅!
from deep-learning-for-image-processing.
@jacklee-scau 如果改了网络结构,还要看你改了哪里,如果你改了backbone部分,那一般是要在imagenet上预训练一下,然后最好在coco数据集上进行预训练,最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。
我现在是在up主你的yolov3_spp上增加了两个spp层 (原则上没有改动backbone部分即darknet53)所以我不需要去imagenet上预训练对吗?但是我的数据集很小,我需要基于coco上的预训练对吗?(由于coco数据集太大,我用voc数据集预训练)但是我预训练之后的权重明显不对,一应用在自己的小数据集上就报错,报错为size不一样,或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗(yolov3-spp-ultralytics-512.pt)?刚接触这个,可能表达不好。请见谅!
1)那你可以只载入darknet53的部分权重,数据集小的话,如果想达到更好的效果,在coco数据集上预训练是很有帮助的。
2)只是增加两个spp结构,效果其实没明显提升的,还不如直接使用原结构。
3)你预训练没问题,迁移自己数据集有问题,那就是你自己哪个参数设置有误了。
from deep-learning-for-image-processing.
@jacklee-scau 如果改了网络结构,还要看你改了哪里,如果你改了backbone部分,那一般是要在imagenet上预训练一下,然后最好在coco数据集上进行预训练,最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。
我现在是在up主你的yolov3_spp上增加了两个spp层 (原则上没有改动backbone部分即darknet53)所以我不需要去imagenet上预训练对吗?但是我的数据集很小,我需要基于coco上的预训练对吗?(由于coco数据集太大,我用voc数据集预训练)但是我预训练之后的权重明显不对,一应用在自己的小数据集上就报错,报错为size不一样,或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗(yolov3-spp-ultralytics-512.pt)?刚接触这个,可能表达不好。请见谅!
1)那你可以只载入darknet53的部分权重,数据集小的话,如果想达到更好的效果,在coco数据集上预训练是很有帮助的。
2)只是增加两个spp结构,效果其实没明显提升的,还不如直接使用原结构。
3)你预训练没问题,迁移自己数据集有问题,那就是你自己哪个参数设置有误了。
我改了网络(这次仅仅在最后一个预测特征层的前面加了两个卷积层)加载官方模型预训练的时候就报错了,因为模型的网络参数接受到我改动的部分 提示建值不对,不知道该如何修改,报错信息如下:
Traceback (most recent call last):
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 100, in train
ckpt["model"] = {k: v for k, v in ckpt["model"].items() if model.state_dict()[k].numel() == v.numel()}
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 100, in
ckpt["model"] = {k: v for k, v in ckpt["model"].items() if model.state_dict()[k].numel() == v.numel()}
KeyError: 'module_list.112.Conv2d.weight'
The above exception was the direct cause of the following exception:
Traceback (most recent call last):
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 288, in
train(hyp)
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 105, in train
raise KeyError(s) from e
KeyError: "weights/yolov3-spp-ultralytics-512.pt is not compatible with cfg/my_yolov3.cfg. Specify --weights '' or specify a --cfg compatible with weights/yolov3-spp-ultralytics-512.pt. See ultralytics/yolov3#657"
from deep-learning-for-image-processing.
@jacklee-scau 如果改了网络结构,还要看你改了哪里,如果你改了backbone部分,那一般是要在imagenet上预训练一下,然后最好在coco数据集上进行预训练,最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。
我现在是在up主你的yolov3_spp上增加了两个spp层 (原则上没有改动backbone部分即darknet53)所以我不需要去imagenet上预训练对吗?但是我的数据集很小,我需要基于coco上的预训练对吗?(由于coco数据集太大,我用voc数据集预训练)但是我预训练之后的权重明显不对,一应用在自己的小数据集上就报错,报错为size不一样,或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗(yolov3-spp-ultralytics-512.pt)?刚接触这个,可能表达不好。请见谅!
1)那你可以只载入darknet53的部分权重,数据集小的话,如果想达到更好的效果,在coco数据集上预训练是很有帮助的。
2)只是增加两个spp结构,效果其实没明显提升的,还不如直接使用原结构。
3)你预训练没问题,迁移自己数据集有问题,那就是你自己哪个参数设置有误了。
由于这个问题比较涉及细节, up主我可以添加一下您的联系方式吗([email protected]),把详细的截图发您看一下,谢谢您!
from deep-learning-for-image-processing.
Related Issues (20)
- 不理解这里的架构,是有问题吗
- swin_transformer export onnx : Process finished with exit code 136 (interrupted by signal 8: SIGFPE)
- FCN网络代码中,是否有pool3,pool4,pool5的特征融合过程呢
- 训练文件运行错误?
- 大佬vit那个项目的requirments.txt是啥呀,按照你readme中的要求下载了,遇到了很多版本不兼容的问题,球球了 HOT 1
- 在云上运行FCN网络的时候使用GPU进行训练会报这个错:FileNotFoundError: [Errno 2] No such file or directory srun: error: gpu03: task 0: Exited with exit code 1 HOT 5
- HRNet HOT 3
- HRNet相关问题
- 请教vit模型,百度网盘里面的权重是怎么得到的?自己重新训练的还是从官方实现的npz权重转换过来的? HOT 1
- VGG模型分类后训练找不到文件 HOT 1
- pytorch版本问题 HOT 1
- 如何完整的将Faster-rcnn导出为ONNX?
- 关于置信度的调整
- loss
- pytorch_object_detection /faster_rcnn的代码运行问题
- 打印P值
- 用MobileNetv2作为backbone训练Faster RCNN之后,进行Validation会报错 HOT 1
- IndexError: index 5 is out of bounds for axis 2 with size 5
- 混淆矩阵
- labels.append(self.class_dict[obj["name"]]) KeyError: 'rats '
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from deep-learning-for-image-processing.