记录使用pytorch训练crnn

工程来源:

https://github.com/WenmuZhou/PytorchOCR?tab=readme-ov-file#train

基本数据准备和配置和paddleOCR是一样的;记录一下使用时遇到的问题。

1.环境

我使用的是:172.31.50.201:5000/algorithm/pytorch-1.11.0-cuda11.3-cudnn8-devel-arcface:v2

然后陆续按照要求安装了库:

#pip install imgaug -i https://pypi.tuna.tsinghua.edu.cn/simple
#pip install pyclipper -i https://pypi.tuna.tsinghua.edu.cn/simple
#pip install lmdb -i https://pypi.tuna.tsinghua.edu.cn/simple
#pip install rapidfuzz -i https://pypi.tuna.tsinghua.edu.cn/simple

2.训练时遇到的问题:训练一开始就NAN,使用小数据集时,acc一直为0:

解决办法是修改了CTCloss初始化:

在class CTCLoss(nn.Module)中

self.loss_func = nn.CTCLoss(blank=0, reduction='none',zero_infinity=True)

遇到问题时给的一些好的参考:

 

[深度学习][pytorch][原创]crnn在高版本pytorch上训练loss为nan解决办法_crnn中train loss: nan-CSDN博客 关于pytorch自带的CTCloss使用时的注意事项_pytorch ctc-CSDN博客

https://zhuanlan.zhihu.com/p/67415439

然后就没有报错了

3.加载预训练模型代码修改

def load_pretrained_params(model, pretrained_model):
    # checkpoint = torch.load(pretrained_model, map_location=torch.device('cpu'))
    # model.load_state_dict(checkpoint['state_dict'], strict=False)
    backbone_dict = model.state_dict()
    pretrained_dict = torch.load(pretrained_model, map_location=torch.device('cpu'))
    pretrained_dict_backbone_ = {}
    for k, v in pretrained_dict['state_dict'].items():
        k_ = k.replace('module.', '')
        if k_ in backbone_dict and backbone_dict[k_].size() == v.size():
            pretrained_dict_backbone_[k_] = v
        else:
            print(k_, backbone_dict[k_].size(), v.size())


    backbone_dict.update(pretrained_dict_backbone_)
    model.load_state_dict(backbone_dict)

 

 

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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

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

猫猫与橙子

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