实验问题汇总

1.报错：RuntimeError: Attempting to deserialize object on CUDA device 2 but torch.cuda.device_count() is 1
原因：在使用Pytorch加载模型时报错。加载的模型是用两个GPU训练的，而加载模型的电脑只有一个GPU，所以会出错。
解决：model = torch.load(model_path)
改为：model = torch.load(model_path, map_location=‘cuda:0’)
如果是4块到2块：就把map_location改为：map_location={‘cuda:1’: ‘cuda:0’}

2.BN层在迁移训练中的使用：

设置bn为norm_layer=misc_nn_ops.FrozenBatchNorm2d，冻结住bn的参数，这样做的好处有：

FrozenBatchNorm就是"weight" and “bias”, “running_mean”, "running_var”四个值固定住的BN

经典框架中一直使用的是FrozenBatchNorm2d。如Detectron，DETR, mmdetection？见

“weight” and “bias”, “running_mean”, "running_var”四个值是buf，通过register_buffer设置不更新。

为什么要使用FrozenBatchNorm
BN层在CNN网络中大量使用，但是BN依赖于均值和方差，如果batch_size太小，计算一个小batch_size的均值和方差，肯定没有计算大的batch_size的均值和方差稳定和有意义，这个时候，还不如不使用bn层，因此可以将bn层冻结。另外，我们使用的网络，几乎都是在imagenet上pre-trained，完全可以使用在imagenet上学习到的参数。

3.numpy.repeat(a, repeats, axis=None)
功能: 将矩阵A按照给定的axis将每个元素重复repeats次数
参数: a:输入矩阵， repeats:每个元素重复的次数， axis:需要重复的维度
返回值: 输出矩阵

4.添加上级目录到python路径：

export PYTHONPATH=$PYTHONPATH:/path

5.从github链接安装包时候网址报错

解决方式：从gitee网站使用镜像网址代替即可解决

6.报错：

OSError: broken data stream when reading image file
解决方式：

from PIL import Image, ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True