MMdetection 报错集合

1 TypeError: Argument 'bb' has incorrect type (expected numpy.ndarray, got list)

分析：

报错原因是json文件里面的“segmentation”中的数据不对。“segmentation”:[[x,y,x,y,x,y.....x,y]] 是按顺序排列的点序列，点序列个数要求是偶数，同时点的个数至少要大于2个，因为要构成一个polygon，也就是说segmentation列表的长度必须是偶数且大于4。

解决方法：

遍历json文件中的所有"annotations"的"segmentation"，如果segmentation列表的长度不是偶数或者小于8（确保有4个点以上最好），就把这个annotation丢弃。

2 FileNotFoundError: [Errno 2] No such file or directory:  '/tmp/tmp06mpclev/tmp6hqrztqc.py' 

分析：

通常是配置文件有问题，比如数据集的配置文件coco_instance.py中的数据集路径错了，就会报此错误。

解决方法：

检测数据集，模型等的配置文件

3  RuntimeError: Default process group has not been initialized, please make sure to call init_process_

分析：

在跑基于mmdetection的 Swin-Transformer-Object-Detection 的代码时，报此错误。

因为模型用到了SyncBN，而SyncBN是一定要用多张GPU的，只用一张GPU就会报错。

解决办法：

将Swin-Transformer模型的配置文件，比如‘cascade_mask_rcnn_swin_base_patch4_window7_mstrain_480-800_giou_4conv1f_adamw_3x_coco.py’ 中的“SyncBN” 全部改为“BN”，或者使用两张以上GPU进行训练

4 RuntimeError: Attempting to deserialize object on CUDA device 7 but torch.cuda.device_count() is 1. Please use torch.load with map_location to map your storages to an existing device.

 分析：

在调用训练好的模型进行预测时报的错误，原因是原来的模型是在GUP7上面训练的，而现在只能找到一块GPU，即设备对不上

 解决办法：

方法一：

将mmdetection 的模型初始化函数的输入device改为cpu， 即：

init_detector(config_file, checkpoint_file, device='cpu'）

方法二：

修改源代码 mmdet\apis\inference.py 中的函数 init_detector()

函数加入一个参数 map_loc 方便以后修改，再将 代码里面的“map_loc = 'cpu' if device == 'cpu' else None ” 修改为 “map_loc = 'cpu' if device == 'cpu' else map_loc”, 即：

def init_detector(config, checkpoint=None, device='cuda:0', cfg_options=None, map_loc=None):
    ******
    map_loc = 'cpu' if device == 'cpu' else map_loc

    ******

然后调用函数的时候就可以修改map_loc，来改变使用的设备。

比如原来是在GPU7上面训练的，现在要在GPU0上面用：

model = init_detector(config_file, checkpoint_file, device='cuda:0', map_loc={'cuda:7':'cuda:0'})

5  ImportError: /lib64/libstdc++.so.6: version `CXXABI_1.3.9' not found (required by /data/liyq/Anaconda/lib/python3.8/site-packages/matplotlib/ft2font.cpython-38-x86_64-linux-gnu.so)

分析：

libstdc++.so.6版本过低

解决办法：

 命令行输入

vim  ~/.bash_profile

在文件中添加

LD_LIBRARY_PATH=/data/***/Anaconda/lib:$LD_LIBRARY_PATH   # (anaconda3 安装的位置)
export LD_LIBRARY_PATH

然后再在命令行输入

source  ~/.bash_profile