size mismatch for yolo_head2.1.bias: copying a param with shape torch.Size(【75】) from checkpoint...

凯哥英语视频
今天一个朋友用YOLO4预测图片报错:size mismatch for yolo_head2.1.bias: copying a param with shape torch.Size(【75】) from checkpoint, the shape in current model is torch.Size(【18】).

网上有说,是在dataloader环节出现了问题。在数据读取时一个判断写的越界了,如下所示

def make_dataset(dir, opt):
    images = []
    assert os.path.isdir(dir), '%s is not a valid directory' % dir
    fileList = sorted(os.walk(dir))    
    for root, _, fnames in fileList:
        for fname in fnames:
            if is_image_file(fname):
                path = os.path.join(root, fname)
                if ((opt.phase=='test') or (opt.phase=='train') and min(Image.open(path).size) >= 512):
                    images.append(path)        
    return images

当加载的图片小于512就会报错,把判断改小就解决了bug。
所以出现这个报错,就说明是训练数据没有加载成功,检查数据加载的相关程序。

然而以上并不能解决报错
然后我结合了VOC2007的数据集,发现应该是朋友训练图片尺寸问题(VOC2007基本都是500乘以(350-450)的长宽)。
1.首先对图片进行尺寸转换
import PIL.Image as Image
infile = 'images/train/202108315.jpg'
outfile = 'images/train/1202108315.jpg'
im = Image.open(infile)
"size mismatch for fc.weight" 是一个错误消息,通常在使用神经网络模型训练或应用过程中出现。这个错误表示在全连接层(fully connected layer)的权重矩阵(fc.weight)上发生了尺寸不匹配的问题。 全连接层是神经网络模型中常用的一种层,它的作用是将前一层的所有节点与当前层的所有节点进行完全连接。这里的权重矩阵表示了连接这些节点之间的强度(权重),它的尺寸决定了连接的方式和数量。 出现"size mismatch for fc.weight"错误通常是由于输入层和输出层之间的尺寸不匹配导致的。这可能是由于以下几个原因引起的: 1. 输入层和输出层的节点数量不匹配:如果输入层的节点数量与全连接层的权重矩阵的行数不一致,就会出现尺寸不匹配的错误。 2. 其他层的尺寸不匹配:全连接层的输入可能来自于神经网络模型的前一层或者其他的层。如果前一层或其他层的输出尺寸与当前层的权重矩阵的行数不一致,也会导致尺寸不匹配的错误。 解决这个错误通常需要检查网络模型的结构和参数设置。可以尝试以下方法进行排查: 1. 确保输入层和输出层节点数量匹配。 2. 检查前一层或其他层的输出尺寸是否与当前层的权重矩阵的行数匹配。 3. 检查其他可能导致尺寸不匹配的地方,例如数据预处理过程中是否有错误。 通过仔细检查和调试,可以找到并解决"size mismatch for fc.weight"错误,确保模型能够正常训练或应用。
评论 3
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

justwaityou1314

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