使用Faster-RCNN进行指定GPU训练(续)
时间:2022-07-23
本文章向大家介绍使用Faster-RCNN进行指定GPU训练(续),主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。
- 今天接着昨天的实验继续跑“多GPU训练” python trainval_net.py --dataset pascal_voc --net res101 --bs 24 --nw 8 --lr $LEARING_RATE --lr_decay_step $DECAY_STEP --cuda --mGPUs # (pascal_voc.py self._classes 类别修改)
- 训练自己的数据集(步骤与之前样例中相同)
- 训练完成后对数据集进行处理,发现有些图片因为亮度不够或模糊而识别有误。下一步考虑怎么提高图片的清晰度,使识别率提高。
- 目前有个想法:
- 计算图片清晰度,如果清晰度不在某个范围的话,进行第二步操作;
- 调整图片的亮度和对比度,然后再进行清晰度计算。若清晰度达到要求,则输出;否则,继续调整,直到符合要求。
问题
- 问题一:“多GPU训练”中出现
ctx.input_sizes = tuple(map(lambda i: i.size(ctx.dim), inputs)) RuntimeError: dimension specified as 0 but tensor has no dimensions
错误- 解决:在faster-rcnn.pytorch中的issue: multi gpu train errors!可以看到这个问题出现的比较多,其中有两条解决方案:
- the pytorch 1.0 branch works fine with multi GPU training(pytorch 1.0分支可以正常进行多GPU训练)。但因为太麻烦,我没有尝试。
- 在
faster-rcnn.pytorch/lib/model/faster_rcnn/faster_rcnn.py
中加入以下几行(经测试可行): rpn_loss_cls = torch.Tensor([0]).cuda() + rpn_loss_cls rpn_loss_bbox = torch.Tensor([0]).cuda() + rpn_loss_bbox RCNN_loss_cls = torch.Tensor([0]).cuda() + RCNN_loss_cls RCNN_loss_bbox = torch.Tensor([0]).cuda() + RCNN_loss_bbox
- 解决:在faster-rcnn.pytorch中的issue: multi gpu train errors!可以看到这个问题出现的比较多,其中有两条解决方案:
- 问题二:
assert (boxes[:, 2] >= boxes[:, 0]).all() AssertionError
- 解决:将
datasets/pascal_voc.py
中的如下代码的"-1"删掉 bbox = obj.find('bndbox') # Make pixel indexes 0-based x1 = float(bbox.find('xmin').text) - 1 y1 = float(bbox.find('ymin').text) - 1 x2 = float(bbox.find('xmax').text) - 1 y2 = float(bbox.find('ymax').text) - 1
- 解决:将
- 问题三:
raise ValueError("bg_num_rois = 0 and fg_num_rois = 0, this should not happen!")
- 解决: 玄学解决,按照ValueError: bg_num_rois = 0 and fg_num_rois = 0, this should not happen! 中的方法都试了一遍,莫名其妙的就跑通了。。。
- mysql主从同步(2)-问题梳理
- 老丁独家!前方高能,与“程序崩溃”的第一次邂逅!
- 微信可接收火车购票、退票及改签等通知啦!别忘了,春运火车票下周开售!
- 如何用SPSS分析问卷?用SPSS分析调查问卷数据的方法
- 【5】基于Log4Net的日志系统
- VMware vSphere虚拟化-VMware ESXi 5.5组件安装过程记录
- 淘宝iOS端圣诞节雪花实现分析
- 【6】页面数据和控件的自动交换机制
- silverlight版的图片轮换广告
- Centos下PPTP环境部署记录
- 电商小程序的场景使用和营销手段
- 你真的很熟分布式和事务吗?
- Linux下monit进程管理操作梳理
- 运维中的日志切割操作梳理(Logrotate/python/shell脚本实现)
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 猿进化系列13——一文搞懂MVC相关框架套路
- 猿进化系列16——实战之一学会SQL开发正确姿势
- 猿进化系列17——实战之一文学会前后端分离套路
- 基于Java的模拟写字板的设计与实现
- 猿思考系列2——一文搞懂同步并发套路
- 猿思考系列3——一文搞懂单例和思考的套路
- 猿思考系列3——一文学会思考的正确姿势
- 猿思考系列4——一文学会java的斗转星移动
- 猿思考系列5——一文明白java和微商那点儿事儿
- 猿思考系列8——缓存的套路也就这些
- 猿思考系列9——一文获取隐藏逻辑挖掘办法
- 猿蜕变系列1——春天的故事
- 猿蜕变系列2——一文搞懂spring的花式DI
- 猿蜕变系列3——SpringMVC之初体验
- 猿蜕变4——一文获取web框架正确学习套路