解决记录 RuntimeError: CUDA error: device-side assert triggered

在使用北京超级云服务器训练YOLOV5目标检测模型时遇到CUDAerror,错误源于标签数据超出范围。检查发现标签范围和计数方式正确,但train文件夹缺少0.jpg图片及对应xml文件。补充0.jpg和其标签文件后,训练恢复正常。
摘要由CSDN通过智能技术生成

在使用北京超级云服务器进行训练YOLO V5 目标检测网络时,出现RuntimeError: CUDA error: device-side assert triggered这个问题。解决方法是:这种错误往往是因为你的标签数据里出现了超出标签范围的值,比如说你要做200个目标种类的识别,那么你的标签范围应该是0,1,2…199.一般我们采用从0开始的计数方式,但是如果你的标签数据里出现了诸如-1或200这样不再此范围中的数据时,便会报此错误。解决办法就是确认你的标签的范围,以及你产生标签的方式,是不是从1开始计数的。
但是我的标签的范围,产生标签的方式,是不是从1开始计数都是正确的。经过很多次尝试,我发现images文件夹下的train文件夹里的要训练的图片没有0.jpg这个文件,我把0.jpg加到train文件夹中,并把对应的xml文件也放到labels文件夹下的train文件夹中。 再次训练,没有报错。

  • 4
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
引用中提到,在进行4分类的时候,标签映射成了,而不是二分类的,导致报错:RuntimeError: CUDA error: device-side assert triggered。这个错误通常是由于标签超出了模型期望的范围所引起的。要解决这个问题,您可以尝试以下几个方法: 1. 检查标签的取值范围:确保您的标签在正确的范围内。即使是进行4分类,标签也应该是从0到3而不是从1到4。可以使用torch.unique()函数检查标签的取值范围,并确保其正确。 2. 检查数据加载方式:确保您的数据加载方式正确。比如引用中使用了torchvision.datasets.ImageFolder来构建数据集,需要确保文件夹结构和标签的对应关系正确。 3. 检查数据读取方式:如果您使用了自定义的数据读取函数,如引用中的load_fzdataset函数,确保您从train_data中读取数据的方式正确。要注意使用enumerate()函数来迭代数据时,inputs和labels应该分别表示输入数据和对应的标签。 4. 检查数据类型转换:确保将数据转换为Variable类型,并在模型中使用正确的数据类型。特别是在使用GPU时,确保将数据和模型移动到正确的设备上。 通过以上方法,您应该能够解决RuntimeError: CUDA error: device-side assert triggered的问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [完美解决-RuntimeError: CUDA error: device-side assert triggered](https://blog.csdn.net/jh035/article/details/127999415)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mr_LanGX

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值