scale层报错

最新推荐文章于 2022-08-03 16:07:13 发布
最新推荐文章于 2022-08-03 16:07:13 发布
阅读量621 收藏
点赞数
文章标签： caffe scale
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/kai1001/article/details/103710301
版权

简单记录一下遇到的坑

用caffe训练网络的时候遇到了一个大坑，我原先训有一个模型A，然后增加A网络的中后段的通道数从而得到B网络，也就是说B有一半的结构跟A相同，网络层的名称完全相同。
我在训练B网络时，用A的权重对B网络进行初始化，结果一训就崩。。。错误提示为“scale_layer.cpp:123] Check failed: bottom[0]->shape(axis_ + i) == scale->shape(i) (256 vs. 96) dimension mismatch between bottom[0]->shape(1) and scale->shape(0)”，说Scale层数据尺寸对不上，后来定位到崩溃的是BN中的scale层
最终问题是，A、B网络中有相同名称、不同通道数的scale层，用A权重对B做初始化，会把A中后段的scale通道数赋值给B的scale，进而造成B网络前向运算时Scale和BatchNorm层的通道数不一致，无法正常运行。如果直接训练B网络，而不使用A权重对其初始化，则可以正常训练。
不过还有一个问题没有想明白，如果是上述原因，BatchNorm层也应该会报错，实际上却未见BatchNorm的报错

kai1001
关注
TensorRT：Scale Layer
微风❤水墨
08-21 494
运行googlenet，遇到的问题：Pytorch和C++版本RT的结果不一致。 pytorch结果： C++版本RT结果： 按理说应该是一样的，怎么会不一样呢？肯定是自己的问题，所以查一下问题所在。 其实问题就出现在这行代码上： 如果pretrained=True，torchvision.models不仅会创建网络，load权重，还会做图像的预处理（这个我以前竟然不知道。。） 如果pretrained=False，torchvision.models只会创建网络，权重需要自..
pytorch resnet 全连接层linear报错：RuntimeError: mat1 dim 1 must match mat2 dim 0
Hello Word!
05-18 6822
Traceback (most recent call last): File "/home/user1/pjs/frvt_pytorch/batch_run/2branch_alter_1update_2pfc_MMD_ori_auto/recognition/arcface_torch/tools/visualize.py", line 276, in <module> mask = grad_cam(input, target_index) File "/home/user
学习OPengl过程中glm库中的scale(2.0f, 2.0f ,2.0f)报错
alexhu2010q的博客
06-07 1785
进行OpenGL的学习的时候，写下如下程序时报错 glm::mat4 myScalingMatrix = glm::scale(2.0f, 2.0f ,2.0f); 我和教程上面写的一模一样，但是还是出错了，经过一番资料查阅，发现改成这种写法就能通过了。 glm::mat4 ScalingMatrix = glm::scale(ScalingMatrix,glm::vec3 (2.0f, 2...
Caffe_Scale层解析
auu41657的博客
11-09 1473
Caffe Scale层解析 前段时间做了caffe的batchnormalization层的解析，由于整体的BN层实现在Caffe是分段实现的，因此今天抽时间总结下Scale层次，也会后续两个层做合并做下铺垫。 基本公式梳理 Scale层主要完成 \(top = alpha*bottom+ beta\)的过程，则层中主要有两个参数\(alpha\)与\(beta\), 求导会比较简单...
caffe中的bn层和scale层
hjxu2016的博客
08-18 1万+
Normalization是数据标准化（归一化，规范化），Batch 可以理解为批量，加起来就是批量标准化。 先说Batch是怎么确定的。在CNN中，Batch就是训练网络所设定的图片数量batch_size。 Normalization过程，引用论文中的解释： 输入：输入数据x1..xm（这些数据是准备进入激活函数的数据） 计算过程中可以看到, 1.求数据均值； 2.求数据方差； 3.数据进行...
R语言画热图
qq_27390023的博客
01-12 2616
R语言画热图的方法很多，要注意聚类的方法 （距离函数），数据是否归一化，是否含有异常值等。 1. 生成演示数据 exprs_matrix = matrix(rnorm(200), 20) colnames(exprs_matrix) <- paste0("sample",1:10) rownames(exprs_matrix) <- paste0("gene",1:20) head(exprs_matrix) # 加上样品信息 sample_anno <- data.frame(
pytorch embedding层报错index out of range in self
热门推荐
qq_32743513的博客
11-22 2万+
使用pytorch时，数据过embedding层时报错： Traceback (most recent call last): File "C:/Users/gaosiqi/PycharmProjects/DeepFM/main.py", line 68, in <module> out = model(train_data) File "C:\Anaconda3\envs\tensorflow\lib\site-packages\torch\nn\modules\module.
nn.embedding层报错index out of range in self详解
weixin_42912710的博客
03-07 1万+
nn.embedding层报错index out of range in self详解报错详情报错代码报错原因修改后代码结果显示参考文章 报错详情 --------------------------------------------------------------------------- IndexError Traceback (most recent call last) <ipython-input-383-d67388d2
模型参数加载中遇到的一些问题（BN层）
Tikyon的博客
08-03 849
加载模型参数中BN层遇到的一些问题。
timescale的理解
IC小白_calvin
07-12 1万+
timescale使用， timescale优先极
R语言绘图 | 绘制热图
weixin_40640700的博客
08-07 4879
每次想要绘制热图都需要重新翻找网络的资源，也怪我自己比较菜了。于是，从重视经验的储存的角度来看，是时候要好好的整理一下了。 1。首先准备数据。 这个数据也很简单，就是一个方方正正的data.frame。如下图所示。其实，热图说白了，就是把数值的大小给通过颜色的深浅，更加直观的“表达”出来。因此，这也是图像的价值。 2。加载pheatmap包。 使用pheatmap画热图是我这么多年来，一直用的。之前也用过ggplot2，好像太麻烦，就没有继续用了。 library(pheatmap) pheatm.
解决Latex表格宽度溢出的问题
cheer6up的博客
10-07 6125
转载链接：https://blog.csdn.net/qq_33435825/article/details/106454300 在网上找了好久，都是使用\setlength{\tabcolsep}{7mm}{XXXX}\resizebox{\textwidth}{15mm}{XXXX} 这两种方法，然而都没有解决我的问题，最后使用\scalebox解决问题 因为论文中是双栏，然后表格只占一栏，所以用其他方法一直不行。最后用这种方式可以。 \begin{table} \centering ...
Caffe模型调试中的错误总结
BockSong的博客
08-16 1609
错误：Cannot copy param 0 weights from layer '...'; shape mismatch 即model和prototxt定义的模型不一样。通常是fine-tune时图片尺寸有了调整，或者改了网络结构想要train时去掉weight参数即可。   错误：Check failed: error == cudaSuccess (2 vs. 0) out of ...
R语言中 scale函数用法
hac_kill_you的博客
09-26 1万+
scale() 函数 1. 用法 scale(x, center = TRUE, scale = TRUE) # x 是样本数据 (r语言中定义为 数字矩阵) # center 中心化(这里指的是减去样本数据x的平均值) # scale 标准化 (这里指的是除以样本数据x的方差) 备注: 之前一直听别人说scale（标准化）是除以什么根方差 ，不太懂，所以自己就验证了一下。 结论1： 在同时使用center =T 和 scale =T 的情况下，根方差的值就等于方差 结论2： 在只使用cente
scale in R
weixin_33721344的博客
03-28 443
scale在计算时, 主要是分母的选择和center , scale配置有关. 默认两个都是TRUE. scale(x, center = TRUE, scale = TRUE) scale(x,scale=F,center=T) 计算结果等价于 x-mean(x) scale(x,scale=T,center=F)计算结果等价于 x/sqr...
smooth_L1_loss_layer.cpp:28] Check failed: bottom[0]->channels() == bottom[1]->channels() (12 vs. 84
qq_36219202的博客
06-07 5556
用faster RCNN训练自己的数据时候遇到的问题，具体为使用vgg16的end_2_end训练 这种问题一般都是train.prototxt的类别数没有改好导致的 在的vgg16的end_2_end下的train.prototxt需要改的是 data层的num_classes: n (自己要训练的类别+1，1代表背景) 以及 roi_data层的num_classes:n cls_s
[Caffe]:关于Check failed: shape[i] >= 0 (-2 vs. 0)错误
cham_3
11-21 6801
错误发现及分析当使用caffe训练网络的时候，出现如题错误，我们可以分析下日志，日志如下： 我们可以看出，在错误发生前生成的Top shape:64 2048 4 4 。也就是feature size是4 × 4的。然后再看看pool5对应的pooling layer的设置： 发现pooling的核大小被设置成7，这就是问题的所在了。解决方案 改变输入图像的大小，可以使feature m
TensorRT多输出层的使用
猫猫与橙子的博客
10-23 3474
最近在对TensorRT接口库进行封装（基于VGG16 - refinedet SSD和yolo V2），但是出现一个很奇怪的问题，就是在执行VGG16-refindet SSD时，大批量跑图时，图片跑一部分后（图片数量是定植，通常跑到1460张图片后就出不来结果了），后面的图片出不来结果，同时相应的运行时间从正常的50ms降到了10几ms至30ms不等。 无法找到问题原因，初步猜测有两个原因：...
Discrete value supplied to continuous scale报错
最新发布
05-17
这个报错通常发生在使用 ggplot2 包进行数据可视化时，是因为你在连续变量的地方使用了离散值，或者在离散变量的地方使用了连续值。 解决方法一般有两种： 1. 确认变量类型：首先需要确认你要绘制的变量的数据类型，是连续型还是离散型。然后在 ggplot 函数中相应的 aes 函数中指定对应的 scale，比如使用 `scale_continuous()` 或者 `scale_discrete()`。 2. 调整图层：如果确认数据类型无误，还可以尝试调整图层顺序，比如将数据点图层放在其他图层上方。另外，也可以尝试使用 `geom_jitter()` 函数来将离散值稍微随机化，以避免出现重叠的情况。 如果以上方法都无法解决问题，可以提供相关代码和数据，更好地帮助你解决问题。
评论
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