pytorch
文章平均质量分 71
如雾如电
剑花,烟雨,江南
展开
-
pytorch错误记录:TypeError: Cannot handle this data type: (1, 1, 64), |u1
pytorch错误记录原创 2022-10-21 13:48:20 · 1799 阅读 · 2 评论 -
labeme错误记录
运行labelme过程中遇到的错误原创 2022-10-12 09:32:04 · 557 阅读 · 2 评论 -
PointRend使用记录
PointRend使用原创 2022-04-17 15:20:01 · 4025 阅读 · 4 评论 -
Swin-Unet跑自己的数据集(Transformer用于语义分割)
Transformer用于语义分割原创 2022-03-21 13:29:55 · 30248 阅读 · 312 评论 -
EfficientDet训练自己的数据集
EfficientDet复现原创 2022-03-19 14:56:03 · 2244 阅读 · 1 评论 -
torch.flip旋转测试
import cv2import torchimport numpy as nppath = './test.jpg'img = cv2.imread(path)print(img.shape)image = img.transpose(2, 0, 1)image = np.expand_dims(image, axis=0)image = torch.Tensor(image)print(image.shape)flip1 = torch.flip(image, [0, 3]).原创 2021-12-29 11:28:21 · 3270 阅读 · 3 评论 -
Github复现之遥感影像变化检测框架
GitHub - likyoo/change_detection.pytorch: Deep learning models for change detection of remote sensing imageshttps://github.com/likyoo/change_detection.pytorch这个框架用起来很方便,下载以后基本不用改什么,直接就可以用,下面做个简要说明1.下载数据,我下载了LEVIR-CD做测试随便放哪里,放好了改下训练脚本的路径就可以了,解压了就可以用.原创 2021-12-19 16:41:10 · 10700 阅读 · 170 评论 -
基于GAN的图像生成(StyleGAN2)
测试链接:GitHub - NVlabs/stylegan2-ada-pytorch: StyleGAN2-ADA - Official PyTorch implementation作者说了这个项目在Windows和Linux上都可以跑,但是我Windows遇到一个错误根本解决不了,只能在Linux上跑,如果你在Windows上遇到了很难解决的问题并且花了一段时间了,那千万不要头铁继续了,就到Linux上跑下,没有Linux就把电脑划出一点空间装双系统,环境配置好了,在Linux上跑基本没有什么问题,.原创 2021-10-26 20:00:00 · 7927 阅读 · 33 评论 -
超分辨率重建测试(DASR)
测试链接:GitHub - LongguangWang/DASR: [CVPR 2021] Unsupervised Degradation Representation Learning for Blind Super-Resolutionhttps://github.com/LongguangWang/DASR0.环境windows10系统,python3.7.0,我这个是pytorch的虚拟环境,我这边基环境是CUDA11.1,python3.7.3,为了不破坏原有环境,建议你们也装虚拟环境.原创 2021-10-22 16:11:51 · 3412 阅读 · 37 评论 -
超分辨率重建测试(ESRGAN)
测试链接:GitHub - xinntao/BasicSR: Open Source Image and Video Restoration Toolbox for Super-resolution, Denoise, Deblurring, etc. Currently, it includes EDSR, RCAN, SRResNet, SRGAN, ESRGAN, EDVR, BasicVSR, SwinIR, ECBSR, etc. Also support StyleGAN2, DFDNet.原创 2021-10-20 09:11:55 · 10557 阅读 · 18 评论 -
Github语义分割框架(包含Unet,Unet++,MAnet等)
GitHub链接:原创 2021-06-05 19:57:50 · 7280 阅读 · 17 评论 -
Github复现之TransUnet更新
上一篇关于TransUnet的GitHub复现,大家反映效果不好,调参也不好调,我把模型单独拿出来,放到另外一个框架,供大家参考学习(上一篇链接:https://blog.csdn.net/qq_20373723/article/details/115548900)我这里训练了20个epoch,下面先给出效果正常的情况:原图预测结果整体代码结构:1.数据准备,文件名字请务必保持一致,不过你也可以去代码里改一级目录,红线的三个,其它不用管二级目录三级目录就是图像和标签,二者名字保持一原创 2021-05-24 16:16:18 · 45099 阅读 · 944 评论 -
Github复现之图像分类
GitHub链接:https://github.com/lxztju/pytorch_classification遥感分类数据集地址:http://www.lmars.whu.edu.cn/prof_web/zhongyanfei/e-code.html这个代码挺好用的,不需要改什么东西,下面简单说一下怎么用1.数据准备直接跑自己的数据吧,文件夹分为train、val、test一级目录如下,其它文件是自动产生的,等下会说二级目录,这里有12个类别,分别放在12个文件夹里,也就是每个类别放一个文原创 2021-05-21 13:34:21 · 2744 阅读 · 10 评论 -
Github复现之视频异常检测(Future Frame Prediction for Anomaly Detection)
Future Frame Prediction for Anomaly Detection – A New Baseline论文链接:https://arxiv.org/pdf/1712.09867.pdf论文里面提供了GitHub链接但是似乎有些问题,直接转到另外一个https://github.com/feiyuhuahuo/Anomaly_Prediction这个是经过测试了,可以正常使用,用公共数据集效果还行,用在自己的数据集还在测试,但是初步试了下,是可以用一下的先描述下这个论文的应用场原创 2021-04-30 15:54:51 · 5962 阅读 · 61 评论 -
Github复现之TransUNet(Transformer用于语义分割)
Transformer最近应该算是一个发文章的新扩展点了,下面给出了三个网络的结构分别是TransFuse,TransUNet,SETR。很明显,结构里那个Transformer层都是类似的,感觉只要用一下那个层,包装一下,发文章会比纯做卷积网络创新相对轻松些,目前我只用了TransUNet,也没有怎么训练,还没法给出实际效果的好坏评价,后续会多做实验,评估这些网路用于实际时究竟怎样,接下来就先完成一下TransUNet的复现。TransFuse论文链接:https://arxiv.org/abs/21原创 2021-04-09 14:55:28 · 44737 阅读 · 221 评论 -
Github复现之deeplab v3+(用自己的遥感数据集训练)
原始链接:https://github.com/jfzhang95/pytorch-deeplab-xception1.数据准备images文件夹和labels文件夹内的图像和标签名是一一对应的,名字是一样的,标签的具体内容应该是0,1,2,3这样代表类别的数据。文件夹名字最好和我的都一样,因为代码里有的地方写了文件名。2.数据相关代码(1)数据读入,创建对应的脚本放进对应的位置dataloaders/datasets/own_data.pyimport osimport cv2impo原创 2021-04-06 11:59:31 · 6341 阅读 · 49 评论 -
TypeError: forward() missing 1 required positional argument: ‘x‘
File ".\seg_v2\framework.py", line 13, in __init__ self.net = net().cuda() File "C:\Users\Administrator\Anaconda3\lib\site-packages\torch\nn\modules\module.py", line 722, in _call_impl result = self.forward(*input, **kwargs)TypeError: forward()原创 2021-03-20 13:48:04 · 20665 阅读 · 8 评论 -
RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling `cublasCreate(handle)`
这个问题存在的其中一种可能就是模型的最后需要加sigmoid File ".\train.py", line 192, in train train_loss = solver.optimize() File "D:\wcs\seg_v2\framework.py", line 89, in optimize loss.backward() File "C:\Users\Administrator\Anaconda3\lib\site-packages\torch\tensor.p原创 2021-03-20 13:47:14 · 2019 阅读 · 4 评论 -
Target and input must have the same number of elements. target nelement (262144) != input nelement (
pytorch遇到的这个错误,其中存在的一种可能是类别数的问题,类别是1 ,模型里给classes的地方就给1File "C:\Users\Administrator\Anaconda3\lib\site-packages\torch\nn\modules\loss.py", line 529, in forward return F.binary_cross_entropy(input, target, weight=self.weight, reduction=self.reduction)原创 2021-03-20 13:45:23 · 899 阅读 · 0 评论 -
基于深度学习的显著性检测用于遥感影像地物提取(U-2-NET)
GitHub地址链接:https://github.com/NathanUA/U-2-Net这个显著性检测很好用,强烈推荐,建议二分类的任务都来试试,尤其对边缘细节要求比较高的任务。下面的效果要不是第一张图预测有瑕疵,我都以为预测代码是把标签复制了一下(+_+)这里的精度我就不评价了,肉眼看就已经能说明问题了原图标签预测结果:1.数据准备和传统的语义分割数据集存放目录是一致的,Image和Mask里面是名字一一对应(名字相同,后缀可以不同,代码里可以改后缀识别,jpg png这些都行)原创 2021-01-23 11:38:04 · 4558 阅读 · 57 评论 -
基于深度学习的显著性检测用于遥感影像地物提取(MINet)
这个跟前两个一样,显著性检测貌似无法解决我的问题,我发誓这是最后一个了,准备换个方向解决我的问题了,虽然我的目的没达到,但是这个的效果确实还行的,有需要的可以好好调整一下。使用链接:https://github.com/lartpang/MINet这个代码用起来还行,但是复杂一点,参数也有些多,效果还行原图标签预测结果评价结果:acc: 0.9055214352077908acc_cls: 0.8682510382904347iou: [0.88870665 0.6152585原创 2021-01-17 14:18:54 · 2315 阅读 · 5 评论 -
基于深度学习的显著性检测用于遥感影像地物提取(CPD)
这个跑起来也简单,可惜又不是我想找的,先记录下来,我的方向一定是错了,下一篇还是复现显著性检测,效果还挺好的,可以先去下一篇看看,这一篇主要是复现不麻烦,自己改应该也好改。使用链接:https://github.com/wuzhe71/CPD效果比上一篇的poolnet差不少,都是随便跑的,没有调参图像标签预测结果精度评定:acc: 0.7580808851453993acc_cls: 0.8396931347334586iou: [0.70454195 0.42825706]原创 2021-01-16 20:57:54 · 2032 阅读 · 6 评论 -
基于深度学习的显著性检测用于遥感影像地物提取初探(PoolNet)
最近试了很多显著检测的深度学习方法,仍然没有解决我想解决的问题,但是还是记录一下吧这里使用的GitHub链接:https://github.com/backseason/PoolNet这个复现起来还是挺简单的,效果感觉还行,希望有人可以用得着,反正我用不着哈哈...原创 2021-01-15 21:45:16 · 1734 阅读 · 12 评论 -
pytorch模型训练遇到RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling `cublasCreate(handle)
具体错误如下:RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling `cublasCreate(handle)`Exception raised from createCublasHandle at ..\aten\src\ATen\cuda\CublasHandlePool.cpp:8 (most recent call first):00007FF937A175A200007FF937A17540 c10.dll!c10原创 2020-12-29 21:13:52 · 6020 阅读 · 0 评论 -
kaggle可插拔tta应用记录
链接:https://www.kaggle.com/leighplt/pytorch-tta-flip-left-righttta 见过不少了,今天发现一个python的代码技巧记录一下import osimport numpy as npimport matplotlib.pyplot as pltimport pandas as pdimport torchfrom torch import nnfrom torch.nn import functional as Ffrom tor原创 2020-12-02 21:56:05 · 525 阅读 · 0 评论 -
pytorch多GPU的正确使用方式
假如你有多个GPU(>2),此处假设你有8块,并且前4块已经使用了,那么怎么才能从第5块开始用呢?常见错误: raise AssertionError("Invalid device id")AssertionError: Invalid device idTHCudaCheck FAIL file=..\torch\csrc\cuda\Module.cpp line=59 error=101 : invaliddevice ordinalTraceback (most recen原创 2020-10-24 00:56:52 · 2592 阅读 · 0 评论 -
from torch._c import *
这个问题不要纠结,大概率是python3.6.0 安装torch1.2.0的时候报的,不要试图解决这个问题了,浪费时间还很难解决,直接换3.6.5(anaconda 5.2.0)torch 1.2.0 链接:https://pan.baidu.com/s/19eLQ6rnsYf-VUKuMax_N3A 提取码:hqaptorchvision 0.4.0链接:https://pan.baidu.com/s/1XiIcPCXsc5vPHhinsnrLpw 提取码:z12q...原创 2020-09-30 13:41:58 · 1935 阅读 · 2 评论 -
RuntimeError: Given groups=1, weight of size 16 1 3 3, expected input[2, 3, 512, 512] to have 1 chan
pytorch训练代码出现这个错误,这个意思就是图像通道不对,要求1通道,给了3通道,去代码里改下就好了,或者改图像通道。原创 2020-08-13 14:03:34 · 12812 阅读 · 8 评论 -
Github复现之tiramisu(提拉米苏,这里就是FCDenseNet)
链接:https://github.com/bfortuner/pytorch_tiramisu网络原本是多分类的,而且原始数据输入函数都是为CamVid这样的公开数据集定制的,要用自己的数据还是要花点时间的,我这里是改成了自己的数据输入且为二分类。环境CUDA10.0 CUDNN7.6.0 pytorch1.2.0(环境可以先不改,试试看能不能行,换环境太麻烦),显存12G提示:项目提供的网络有三种复杂度FCDenseNet57、FCDenseNet67、FCDenseNet103,详情见/mode原创 2020-06-01 13:32:02 · 2044 阅读 · 18 评论 -
Github复现之D-LinkNet(补全了验证部分代码,效果还行)
链接:https://github.com/zlkanata/DeepGlobe-Road-Extraction-Challenge多一嘴,这里面还带了unet,可以跑跑对比下别的unet哪个效果好喔这个项目原本就是做道路分割的,但是不止在道路上表现好,其他的地方也不错,我这里复现有点不一样的地方是为了跟其他网络对比,这里就不同原始的数据扩充部分了,直接读原始图像训练看效果,并且加了验证部分的代码,包括进度条(这个一定会是你喜欢的,哈哈好像并没有推荐重点,不过这个真的不是你轻易能找到的答案)、验证los原创 2020-06-01 09:45:20 · 10689 阅读 · 324 评论 -
Github复现YOLO v3(包含常见错误)
GitHub链接:https://github.com/ultralytics/yolov3训练单类链接:https://github.com/ultralytics/yolov3/wiki/Example:-Train-Single-Class参考链接:https://blog.csdn.net/qq_44787464/article/details/99736670(其实参考这个就够了)我只是把这个过程中遇到的问题说一下我的环境是CUDA10.0,torch1.2.0,torchvision0.原创 2020-05-13 15:37:42 · 1553 阅读 · 0 评论 -
Github复现之SSD
之前有个关于解决SSD错误的博客,虽然针对错误贴出了解决方法还是有一群人没解决问题,有可能是不同的问题出现了相同的错误,那我这次直接自己重新复现一边吧,之前的找不到了,再贴下链接:https://github.com/amdegroot/ssd.pytorch其实这个项目的错误里面已经给出了你有可能遇到的重要错误,基本可以完成复现,我想可能有人没注意到,不要怪我啰嗦,我写这个是想让没用过GitHub的人也能复现的常见错误1:这个错误要改的地方比较多,我把你们可能遇到的错误都归为一个,修改的地方有3个原创 2020-05-12 00:53:09 · 1234 阅读 · 8 评论 -
入坑生成对抗网络(GAN)
看了以后感觉还行的关于生成对抗网络的一个GitHub项目,安利给大家链接:https://github.com/kwotsin/mimicry文档:https://mimicry.readthedocs.io/en/latest/guides/introduction.html这个项目时以python包的形式发布了的,直接可以用pip安装pip install torch-mimicry安...原创 2020-04-05 18:03:55 · 572 阅读 · 0 评论 -
深度学习GitHub复现常见错误之参数num_workers引发的错误:“BrokenPipeError: [Errno 32] Broken pipe”
简单记录下这个错误,不止遇到一次了,还好我记得怎么回事,错误如下:C:\ProgramData\Anaconda3\lib\site-packages\h5py\__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is depre...原创 2020-04-05 14:15:37 · 3338 阅读 · 4 评论 -
UNET家族网络之CE-Net(github复现)
使用完毕在此整理一下代码,这里就只对有改动的地方贴一下啊,其他的直接去github上下载一下吧https://github.com/Guzaiwang/CE-Net数据输入文件data.py,其实没改动只是不做扩充加载了原始数据,下面会把改动的地方标为斜体,都在偏后,直接往下翻就是了。另外数据存放结构很简单如下所示:标签就在labels里面了,和图像一一对应且同名。"""Based...原创 2020-01-11 14:54:53 · 6265 阅读 · 70 评论 -
RuntimeError: Error(s) in loading state_dict for (Missing key(s) in state_dict: "firstconv.weight)
错误记录太长了,解决在最下面D:\xxx\xxx\complete_project\xxxxx>python3 predict.pyTraceback (most recent call last): File "predict.py", line 220, in <module> test_ce_net_vessel() File "predict.py"...原创 2020-01-09 13:32:47 · 3627 阅读 · 0 评论 -
EOFError: Ran out of input
在windows下用pytorch 训练模型遇到的具体错误如下:Traceback (most recent call last): File "train.py", line 49, in <module> data_loader_iter = iter(data_loader) File "D:\anaconda3\lib\site-packages\torch...原创 2018-12-26 10:58:53 · 31499 阅读 · 39 评论