YOLACT++复现bug记录

最新推荐文章于 2024-04-01 11:11:21 发布
最新推荐文章于 2024-04-01 11:11:21 发布
阅读量2.5k 收藏 9
点赞数
分类专栏： pytorch 代码复现记录 文章标签： bug pytorch 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/echoamor/article/details/106593009
版权
博主在复现YOLACT++项目时遇到了版本不兼容的问题，通过创建conda虚拟环境并确保PyTorch、CUDA和CuDNN版本与源码要求一致，解决了初始错误。接着，在源码问题下找到解决方案，删除旧的构建文件后成功运行，避免了DCN库的安装错误。
摘要由CSDN通过智能技术生成

本帖专门记录一下复现YOLACT++过程中遇到的python问题，之前遇到的好多问题都忘记写下来，以后的代码复现过程都记录下来，避免以后踩同样的坑。。。

一.eval.py跑通记录

  1. RuntimeError: cuda runtime error (700) :an illegal memory access was encountered at /opt/conda/condabld/pytorch_1573049304260/work/aten/src/THC/generic/THCTensorMath.cu:22
解决：查了很久试过各种博客里的方法还是一直报错，最后怀疑是版本问题，重新在conda虚拟环境里用和源码完全一样的配置pytorch=1.0.1，重装了cuda10.0和cudnn，重装之后问题解决。
  1. Exception: DCN could not be imported. If you want to use YOLACT++ models, compile DCN. Check the README for instructions.

解决了第一个问题之后，就报错这个了。按照readme里面安装了DCN的，显示已经装成功了，但是重装了两次还是报错。
在这里插入图片描述

解决：在源码问题下面搜到了
最低0.47元/天 解锁文章
林深时见鹿echo
关注
专栏目录
yolact模型复现
dazhuangba的博客
10-19 786
yolact模型复现
实例分割-Yolact/Yolact++训练自己数据集
最新发布
mw的博客
08-02 443
本文主要用于记录实例分割模型yolact和yolact++的环境配置，以及成功训练自己数据集的整个过程~
【实例分割】用自己的数据复现yolact网络-含python源码
向上生长的程序媛的博客
04-01 1780
详解如何基于自己的数据集训练实例分割yolact模型。
RTX3080在Ubuntu 20.04复现yolact
astruggler的博客
12-01 2119
这篇博文大致介绍了如何复现yolact，但是高版本pytorch复现yolact++未能成功，主要是DCNv2出错，网上有许多教程是在Win10实现了高版本pytorch对DCNv2的配置，如果有兴趣的朋友们对操作系统没有要求的话可以在Windows试试，ubuntu在RTX30系列显卡可能比较难编译DCNv2，仅一家之言，背后本质的原因还是需要大佬解惑。
【实例分割】用自己数据集复现经典论文YOLACT
向上生长的程序媛的博客
11-13 524
用自己的数据集实现yolact实例分割，含python代码
yolact-gui
02-11
YOLACT-GUI 的GUI应用程序。 单击查看原始项目 安装（检查以获取更多详细信息） 克隆此仓库并输入 git clone https://github.com/jiancong0204/yolact-gui cd yolact-gui mkdir -p data/coco/images # Stores image dataset mkdir -p data/coco/annotations # Stores data annotations mkdir weights # Stores trained model 使用anaconda设置环境 # Create a new environment and activate it conda create -n youlact python=3.7 conda acti
Matlab代码纯原创，两阶段鲁棒优化调度文献+复现代码 复现《微电网两阶段鲁棒优化调度方法_刘一欣》
02-17
基于Matlab代码，完美复现了两阶段鲁棒优化文献《微电网两阶段鲁棒优化经济调度方法_刘一欣》。跟目前流传的版本不同，本人硕士方向为微网两阶段鲁棒优化调度，纯原创！内容构建了微网两阶段鲁棒调度模型，建立了min...
【点云】PointNet++代码复现调试
How are you doing ?
04-21 1795
论文链接：https://arxiv.org/abs/1706.02413 github 链接：https://github.com/charlesq34/pointnet2 0 环境准备 Python 2.7.17, CUDA 10.0, cuDNN 7.6.4, Tensorflow-gpu 1.15.0, Keras:2.2.4, Pytorch 1.3.1, Caffe 1.0, Chainer 6.5.0, Mxnet-cu100 1.5.1.post0, Darknet, .
YOLACT++算法详解
Accelerators_的博客
06-03 2442
YOLACT++是经典的单阶段实时实例分割算法，其目标是将掩模分支添加到现有的一阶段（one-stage）目标检测模型，其方式与Mask R-CNN对 Faster-CNN 操作相同，但没有明确的定位步骤（如，feature repooling）。为此，我们将实例分割的复杂任务分解为两个更简单的并行任务，这些任务可以组合以形成最终的掩码。第一个分支使用FCN生成一组图像大小的“原型掩码”（prototype masks），它们不依赖于任何一个实例。
Python-YOLACT一种用于实时实例分割的简单完全卷积模型
08-10
YOLACT 一种用于实时实例分割的简单，完全卷积模型
win10下调用OpenCV-Python和YOLACT模型进行实时检测
12-17
通过opencv-python调用摄像头, 传入YOLACT模型进行实时在线的目标检测和MASK标记. 详见博客 https://blog.csdn.net/Augurlee/article/details/103574125
YOLACT paper笔记
蓝羽飞鸟的博客
10-18 543
yolact paper阅读笔记
【YOLACT】代码解读
mjiansun的专栏
01-20 7461
源码：https://github.com/dbolya/yolact num_class是算上背景的类别，比如你的类别就一个person，那么记得此时的num_class应该为2，因为还需要算上背景啊。 YOLACT的网络结构及输出 YOLACT的backbone结构 其中_make_layer就是常规的resnet101中的_make_layer，具体是如何操作的可以查看源码ht...
yolact_ros出坑记录
weixin_43828675的博客
05-12 647
教程：https://github.com/Eruvae/yolact_ros 下载通信中的话题msg 创建虚拟环境 conda create -n yolact python=3.7.10 conda activate yolact 配置yolact环境 https://github.com/dbolya/yolact 运行效果如下所示： 在虚拟环境中安装需要的包 conda install rospkg conda install empy 创建一个工作空间 工作空间的目录下不能有中文名称
YOLACT 、 YOLACT++、YolactEdge小结
yx868yx的博客
02-10 7432
一、YOLACT 论文：https://arxiv.org/abs/1904.02689 yolact 源代码：https://github.com/dbolya/yolact yolact、yolact++ 本文的主要贡献： YOLACT是2019年发表在ICCV上面的一个实时实例分割的模型，它主要是通过两个并行的子网络来实现实例分割的。 (1)Prediction Head分支生成各个anchor的类别置信度、位置回归参数以及mask的掩码系数； (2)Protonet分支生成一组原型mask。然
【Yolact训练自己的数据集（踩坑总结）】
huawei_518的博客
04-26 1533
yolact训练自己的数据集前言一、问题１二、问题２1.RuntimeError: Expected a 'cuda' device type for generator but found 'cpu'：三、云端训练四、云端训练结束时出现的错误 前言 yolact训练自己的服装数据集，服装数据集采用labelme进行标注，采用labelme2COCO将生成的饿接送文件转换为COCO格式，随后参照https://blog.csdn.net/weixin_40802676/article/details/11
YOLACT++主要工作总结
silence56的博客
01-27 1174
YOLACT++主要工作总结 文章目录YOLACT++主要工作总结摘要文章主要工作可能存在的问题总结 摘要 论文：https://arxiv.org/abs/1912.06218 摘要：我们为实时（> 30 fps）实例分割提供了一个简单的全卷积模型，该模型在单个Titan Xp上评估的MS COCO上取得了SOTA结果，这比以前的任何最新的方法都快得多。此外，我们仅在一个GPU上训练后即可获得此结果。我们通过将实例分割分为两个并行的子任务来完成此任务：(1）生成一组原型(prototype) ma
pointnet++的复现
05-17
PointNet++是一个基于点云的深度学习模型，用于点云分类、语义分割和目标检测等任务。复现PointNet++需要以下步骤： 1.数据准备：从网上下载点云数据集，如ModelNet40、ShapeNet等，或者自己生成点云数据集。 2.数据处理：将点云数据转换成模型可接受的格式。可以使用Python的NumPy库或开源库plyfile。 3.模型搭建：根据PointNet++的网络结构，使用TensorFlow或PyTorch等深度学习框架搭建模型。 4.训练模型：使用训练数据集对模型进行训练，并对模型进行调优。 5.测试模型：使用测试数据集对模型进行测试，并评估模型的性能。 6.优化模型：根据测试结果对模型进行优化，如增加训练数据、调整超参数等。 在复现PointNet++时，可以参考已有的开源代码，如GitHub上的PointNet++实现。同时，也需要对PointNet++的论文进行仔细阅读和理解，以深入了解其网络结构和训练方法，从而更好地复现该模型。
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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