fangweijiex的博客

【代码】绘制多个mmdetection的log.json日志文件。

【代码】R = [obj for obj in recs[imagename] if obj[‘name‘] == classname] KeyError: ‘******‘

【代码】Missing key(s) in state_dict。

RuntimeError: Error(s) in loading state_dict for xxxx:

【代码】yolox中关于NMS你需要知道的。

代码】YOLOX接以前训练的模型在训练。

代码】训练YOLOX。

代码】TabErrorinconsistentuseoftabsandspacesinindentation。

代码】修改参数为YOLOX训练VOC格式的数据集作准备。

代码】Conda环境复制。

验证YOLOX环境是否可用

python按行读取

结束训练

ModuleNotFoundError: No module named ‘yolox‘

将bbox换到图片上

ModuleNotFoundError: No module named ‘yolox‘

SyntaxError: Non-ASCII character '\xe7' in file to_COCO.py on line 12, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

查看当前显卡驱动支持的最高CUDA版本

pycocotools

使用多个窗口(pooling窗口，上图中蓝色，青绿，银灰的窗口， 我们先看最左边有16个蓝色小格子的图，它的意思是将从(conv_5)得到的特征映射分成16份，另外16X256中的256表示的是channel，即SPP对每一层都分成16份(不一定是等比分，原因看后面的内容就能理解了)。中间的4个绿色小格子和右边1个紫色大格子也同理，即将特征映射分别分成4X256和1X256份那么将特征映射分成若干等分是做什么用的呢？ 我们看SPP的名字就是到了，是做池化操作，一般选择MAX Pooling，即对每一份进

上图中是每个cuda版本对应的最低显卡驱动， 换句话说显卡驱动版本只要高于或等于对应的最低显卡驱动都可以。显卡的驱动版本可以通过命令查询：nvidia-smi

30 系列显卡是新一代架构，新驱动不支持 cuda 9 以及 cuda 10，所以必须安装 cuda 11最近在训练一个深度学习模型，要求的环境是python=3.7 + torch=1.3, 而torch1.3支持的cuda版本为9.2或10.2但是我所用的显卡为3090, 所以网上的解决办法都试遍了， 都解决不了服务器在载入模型的时候很慢后来无意中看到GeForce RTX 30系显卡目前是支持CUDA 11.1及以上版本...

该错误的问题在于cuda的版本与pytorch的版本不对应，导致cuda不能加速模型的训练同时执行失败在下载cuda时，我们需要在官网正确下载 pytorch与cuda的版本对应关系，在本机训练模型时，我的环境为cuda 11.4 ，pytorch 1.3.1，因此在服务器中重新安装 10.1 版本的cuda，成功运行。表现：cuda的版本与pytorch的版本不对应 最明显的表现就是运行程序时，显存没有变化，当正常加载数据与模型进入显存中时，显存会明显增加，而版本不对应时，显存没有明显变化，与此同时，

在python环境中运行程序的时候的时候，出现了以下错误ImportError: cannot import name ‘PILLOW_VERSION’ from ‘PIL’我的系统环境如下，环境：系统：ubuntu18python：3.7pytorch：1.3.1torchvision：0.4.2经过排查，发现torchvision需要Pillow模块的支持，从报错信息看，应该是Pillow的版本的问题，查看安装的Pillow为当前最新的版本7.0.0，通过安装Pillow以前的版本6.2

TypeError: can’t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.Traceback (most recent call last): File "train.py", line 436, in <module> train(hyp) # train normally File "train.py", line 334, in trai

Pytorch "cuda runtime error (38) : no CUDA-capable device is detected”报错解决首先检查显卡驱动版本号和cuda版本号是否兼容，结果兼容上网查询了一下解决方案，很多时候这个错误是Nvidia的驱动版本和CUDA不匹配导致的，但是我遇到的不是这种问题看看是不是设置的显卡号CUDA_VISIBLE_DEVICES设置错误os.environ["CUDA_VISIBLE_DEVICES"] = "0"例如：如果只有一块显卡

baseline字面意思是：参照物， 基准线拿某一个模型做baseline的意思是以这个模型做参考标准，来评估新的模型的效果好坏baseline 系统是怎么来的、性能如何，并没有一定的标准：如果你是机器学习的初学者，在做课程作业，那么你可能用「随机猜测」作为 baseline如果你是要在顶会发论文，那么很可能就需要用当前最好的系统（称为 state of the art）来作 baseline，否则审稿人就会质疑如果你的论文的论点是「我针对某系统作了改进，提升了性能」，那么 baseli

backbone这个单词原意指的是人的脊梁骨，后来引申为支柱，核心的意思在此处的意思是：主干网络主干网络大多时候指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用这些网络经常使用的是resnet VGG等，而不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的在用这些网络作为backbone的时候，都是直接加载官方已经训练好的模型参数，后面接着我们自己的网络。让网络的这两个部分同时进行训练，因为加载的backbone模型已经具有提取特征的