预训练加载模型效果很差解决方法

最新推荐文章于 2024-04-20 00:11:59 发布
最新推荐文章于 2024-04-20 00:11:59 发布
阅读量964 收藏
点赞数
分类专栏： debug 文章标签： 计算机视觉 深度学习 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/my_warning/article/details/125430019
版权

背景：我使用之前训练的一个CPS分割模型，服务器上训练时精度有80%+，主要是分割人像、二分类。之后换了一个环境，在本地把pth转onnx，使用转的onnx文件进行推理发现效果很差，基本上啥都分割不出来。使用pth文件重新加载推理，效果一样，经过检查模型也完全一致，权重加载也没问题

到最后才发现，预处理步骤中少了归一化这一步

记录下自己的🐖b操作，决不再犯

如果你的模型输出结果十分异常，建议检查一下你是不是有和我一样🐖b操作

教训：要保证数据的预处理流程完全一致！！！！！！

亿丶Bug
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch加载部分预训练模型的参数实例
09-18
今天小编就为大家分享一篇Pytorch加载部分预训练模型的参数实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
预训练模型优缺点
热门推荐
qq_38897423的博客
12-16 1万+
此处预训练模型指分类模型，将预训练模型作为检测模型主干网络 优点： 1、开源模型多，可以直接用于目标检测 2、可以快速地得到最终模型，需要的训练数据少 缺点： 1、预训练模型大、参数多、模型结构灵活性差、难以改变网络结构，计算量大，限制应用场景 2、分类和检测任务损失函数和类别分布不同，优化空间存在差异 3、尽管微调可以减少不同目标类别分布差异性，差异太大时，微调效果不明显 ...
pygcn保存模型后加载模型，精度变差
蜂蜜柚子茶的博客
03-04 1255
最近在看pygcn的代码，用pytorch实现的GCN。 但是在保存模型以后，重新加载模型，测试，发现精度大大降低。经过一下午的查找，发现是在进行独热编码的时候，classes=set(labels)，这使得每次的classes中标签的顺序都不一样。 比如上图中是一次编码的顺序，但是由于set中的元素是无序的，下一次可能Theory就是0了。 #classes = set(labels) # 不按顺序 classes = list(set(labels)) classes.sort
DataWhale Task03&Task04&Task05
c_rush的博客
02-19 169
过拟合欠拟合及其解决方案 概念： 欠拟合（underfitting）：模型无法得到较低的训练误差。 过拟合（overfitting）：训练误差远小于它在测试数据集上的误差。 主要的影响因素是模型的复杂度和训练数据集的大小，通常模型复杂度低容易欠拟合，复杂度高容易过拟合；数据集小容易过拟合。 常用的解决方案： 从数据集角度：K折交叉验证，提高数据的利用率。 从模型复杂度角度：可以才用权重衰减正...
pytorch加载保存的模型，性能与训练时差很多
qq_41361384的博客
03-07 257
将层放在list中，使用model.state_dict()方法保存模型可能会出现，训练时准确率很高，用model.load_state_dict(torch.load(PATH))加载模型并测试可能准去率很低的问题。 性能差的原因是模型中使用了 list 作为容器存放了层，且使用 torch.save(model.state_dict(), PATH) 保存了模型，导致使用 model.load_state_dict(torch.load(PATH)) 方式加载模型时，模型不能正确识别 list 中的层
模型参数加载后继续训练或测试，准确率下降很多或者一直不变
j_starry的博客
11-14 4184
如果保存的模型加载后继续训练或测试时，准确率和预想的有较大差距，可以从以下几个方面去进行考虑
bug：训练好的模型测试结果很差
woshixuxiran的博客
11-03 1407
继续苦逼调bug
模型集成到Deepstream里后为何识别效果变差以及如何从Deepstream Infer Plugin里导出预处理过的用于模型推理的图片数据并使用TensorRT进行推理测试
XCCCCZ的博客
09-04 1229
在将模型集成到Deepstream Infer Plugin过程中可能会碰到这样那样的问题，其中一个困扰人的问题就是一个模型集成到Deepstream Infer Plugin后，模型推理时的精度下降，比不使用Deepstream而是直接使用python或者C++调用原始模型或者使用TensorRT API实现的模型的精度要差，两种方式使用同样的视频或图片和同样的模型engine文件，模型在Deepstream Infer Plugin里的表现要差一些，经过很多次的调查和实验，可以确定这个问题和...
【深度学习实战（10）】图像推理之预处理
最新发布
m0_51579041的博客
04-20 716
【深度学习实战（10）】图像推理之预处理
PPOCR -训练模型转推理模型遇到的问题
DreamingBetter的博客
04-25 1252
使用PPOCR命令行训练验证码单字位置检测+识别模型的情况下，这两个checkpoint训练模型测试图片均没出现问题，但转为inference推理模型的时候，问题来了。
PyTorch加载预训练模型实例(pretrained)
09-18
今天小编就为大家分享一篇PyTorch加载预训练模型实例(pretrained)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Tensorflow加载预训练模型和保存模型的实例
09-20
今天小编就为大家分享一篇Tensorflow加载预训练模型和保存模型的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Keras 实现加载预训练模型并冻结网络的层
12-17
在解决一个任务时，我会选择加载预训练模型并逐步fine-tune。比如，分类任务中，优异的深度学习网络有很多。 ResNet, VGG, Xception等等… 并且这些模型参数已经在imagenet数据集中训练的很好了，可以直接拿过来用。...
自然语言预训练模型知识增强方法综述
08-08
当前以BERT为代表的预训练模型在自然语言处理领域取得了显著的成功,但是由于预训练模型大多是在大规模非结构化的语料数据上训练出来的,因此可以通过引入外部知识在一定程度上弥补其在确定性和可解释性上的缺陷。
【机器学习】模型常用评估指标
Ulrich蚊子Blog
07-21 275
机器学习模型可以通过不同的评估指标对其进行评估，具体选用哪种方式，则由模型自身的特征，以及具体的需求来决定的。
模型融合
红豆的博客
11-26 490
一、有哪些模型融合方法 1. Voting/Averaging sklearn.ensemble.VotingClassifier sklearn.ensemble.VotingRegressor 在不改变模型的情况下，直接对各个不同的模型预测结果，进行投票或平均 这种融合的前提条件是模型之间相互独立，结果之间没有相关性。越相近的模型进行融合，融合效果也会越差。 可见模型之间差...
深度学习模型fintuning的效果反而变差的问题
普通攻击往后拉的博客
05-22 1566
在使用pytorch模型进行建模时，常常需要进行保存checkpoints，并在下次继续训练或者测试时使用，pytorch的保存和重载主要有两个方式： 1) 只保存参数 # 保存 torch.save(model.state_dict(), 'model.pth') # 加载 model = Model(*argv) model.load_state_dict(torch.load('model.pth')) 2) 模型全保存 # 保存 torch.save(model, 'model.pth') # 加
pytorch加载nn.DataParallel训练的模型出现的问题
景唯acr
09-15 4618
nn.DataParallel分布式训练后，如果直接使用torch.save(model.state_dict(), model_out_path)保存模型，等到再加载模型，可以将需要加载模型的网络也弄成分布式训练。 分布式训练时，最好使用torch.save(model.module.state_dict(), model_out_path)保存模型，这样等到需要测试网络时，加载模型时用model.load_state_dict(torch.load(PATH, map_location=device))
torch的模型保存和加载 各种细节各种坑 尤其是多GPU训练会出现各种问题
zhe_csdn的博客
09-18 5393
#保存和加载整个模型 torch.save(model_object, ‘model.pth’) model = torch.load(‘model.pth’) #仅保存和加载模型参数(推荐使用) torch.save(model_object.state_dict(), ‘params.pth’) model_object.load_state_dict(torch.load(‘params.p...
pytorch加载预训练模型
05-20
在PyTorch中，可以使用`torch.load()`函数来加载预训练模型。以下是一个加载预训练模型的示例代码： ```python import torch # 定义模型 model = YourModelClass() # 加载预训练模型参数 pretrained_dict = torch...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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