smooth_L1_loss_layer.cpp:28] Check failed: bottom[0]->channels() == bottom[1]->channels() (12 vs. 84

最新推荐文章于 2020-12-21 16:54:53 发布
最新推荐文章于 2020-12-21 16:54:53 发布
阅读量5.5k 收藏 4
点赞数 3
分类专栏： 深度学习 文章标签： faster RCNNcaffeobje
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/qq_36219202/article/details/72896203
版权

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_score层的num_output:n

bbox_preda层的num_output : 4*n

有问题欢迎交流

Hytz
关注
专栏目录
mseloss 与 smooth_l1_loss比较
jacke121的专栏
01-19 5981
测试代码： import torch import torch.nn.functional as F conf_mask = torch.FloatTensor([0.0, 10.0, 0.0, 1.0, 1.0]) conf_data = torch.FloatTensor([10.1, 0.9, 0.0, 10.2, 10.2]) loss_fn = torch.nn.MSELoss(...
CV2 err (-215:Assertion failed) !_src.empty() in function ‘cv::cvtColor‘解决办法
qq_42105477的博客
09-24 2809
python用cv2出现问题，问题如下： cv2.imshow("name", img) cv2.error: OpenCV(4.5.3) C:\Users\runneradmin\AppData\Local\Temp\pip-req-build-q3d_8t8e\opencv\modules\imgproc\src\color.cpp:182: error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor' 使用 img
Faster RCNN训练出现问题：smooth_L1_loss_layer.cpp:28] Check failed: bottom[0]->channels() == bottom[1]->cha
计算机视觉算法、工程、产品
10-30 2549
I1030 20:49:01.633868 24921 net.cpp:157] Top shape: 1 4096 (4096) I1030 20:49:01.633885 24921 net.cpp:165] Memory required for data: 280497656 I1030 20:49:01.633891 24921 layer_factory.hpp:77] Creatin
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 ...
caffe报错Check failed: outer_num_ * inner_num_ == bottom[1]->count() (524288 vs. 1024
lanyuxuan100的博客
04-20 6782
在使用FCN进行训练自己的数据时，导入数据启动训练后出现如下提示： 这个错误提示表示给的label维度不对。经调查发现是在到入标签数据时，有个类型转换 后面修改为： 于是就可以了。
SSD 算法detection_evaluate_layer解读
u012006474的博客
06-08 3650
代码位置 caffe/include/caffe/layers/detection_evaluate_layer.hpp#ifndef CAFFE_DETECTION_EVALUATE_LAYER_HPP_ #define CAFFE_DETECTION_EVALUATE_LAYER_HPP_#include <utility> #include <vector>#include "caffe/b
smooth_L1_loss_layer.cpp源码阅读
xymdsg的博客
10-31 1373
smooth_L1_loss_layer.cpp源码阅读
smoothl1函数_Python torch.nn.functional 模块，smooth_l1_loss() 实例源码 - 编程字典
weixin_39604819的博客
12-21 941
def forward(self, loc_preds, loc_targets, conf_preds, conf_targets):'''Compute loss between (loc_preds, loc_targets) and (conf_preds, conf_targets).Args:loc_preds: (tensor) predicted locations, sized ...
caffe深度学习【十一】训练错误：Check failed: registry.count(type) == 1 (0 vs. 1) Unknown layer type: Python (know
volcano_Lin 的博客
08-22 2610
早上想跑一下目标检测RON算法 https://github.com/taokong/RON   出现问题： 把数据什么的前期工作都准备好了，想要开始训练的时候出现如下问题： 文字如下： 意思是说未知的python层 I0822 09:32:26.120649 3367 layer_factory.hpp:77] Creating layer data-input F0822...
[Caffe]:Check failed: out_num_ * inner_num_ == bottom[1]->count()
cham_3
03-16 1884
错误当使用Caffe进行训练时，出现如图所示的错误。 在网上找答案，发现有人说调换label和data的顺序。 一直以为是调换数据层的顺序，然而，并不是。解决方法Softmax层会对输入做检测，判断第一个输入是不是网络层的输出，即NxC。 然后再判断该输出和标签label是否对应。网上所指的data是说分类层的输出。 对调顺序是值在SoftmaxWithLoss层进行！！！
caffe源码解读(7)－data_transformer.cpp
冬后晚晴的博客
01-30 2098
DataTransformer类主要负责对数据进行预处理，比如减去均值、进行crop，镜像mirror，强制设置为彩色图像force_color，强制设置为灰度图像force_gray以及像素值的缩放scale，此外该类还将Datum、const vector、cv::Mat&、vector 、Blob*类型的数据变换到目标大小的blob，负责对上述类型的数据推断其shape。 一.数据结
【CNN】理解卷积神经网络中的通道 channel
热门推荐
scxyz的博客
04-04 13万+
在深度学习的算法学习中，都会提到 channels 这个概念。在一般的深度学习框架的 conv2d 中，如 tensorflow 、mxnet ，channels 都是必填的一个参数。 channels 该如何理解？先看一看不同框架中的解释文档。 首先，是 tensorflow 中给出的，对于输入样本中 channels 的含义。一般的RGB图片，channels 数量是 3 （红、绿、蓝）...
学习faster-rcnn遇到的问题
lantuxin的博客
03-27 2822
1.参数scales问题 更改py-faster-rcnn/lib/rpn/generate_anchors.py中函数generate_anchors，其中参数scales出现的问题 Check failed: outer_num_ * inner_num_ == bottom[1]-&gt;count() (21546 vs. 35910) Number of labels must ...
[Caffe]: 关于concat layer
cham_3
02-28 7024
Concat layer在Deep Neural Network中，最主要的两种提高模型性能的优化方向就是使模型wider or deeper。 在使模型变宽时，常需要把多个分支合并起来作为后续层的输入。它就是今天要介绍的concat layer。按照惯例，我们先来看下concat layer的参数。message ConcatParameter { // The axis along whi
caffe卷积层代码注解
sinat_24674017的博客
07-06 338
base_conv_layer.cpp #include <algorithm> #include <vector> #include "caffe/filler.hpp" #include "caffe/layer.hpp" #include "caffe/util/im2col.hpp" #include "caffe/util/math_functions.hpp"...
【caffe解读】 caffe从数学公式到代码实现3-shape相关类
hacker_long的专栏
08-27 622
文章首发于微信公众号《与有三学AI》 [caffe解读] caffe从数学公式到代码实现3-shape相关类 接着上一篇说，本篇开始读layers下面的一些与blobshape有关的layer，比如flatten_layer.cpp等，具体包括的在下面； flatten_layer.cpp slice_layer.cpp split_layer.cpp tile_layer.cpp con...
Check failed: top_shape[j] == bottom[i]->shape(j) (1 vs. 2) All inputs must have the same shape, exc
Chris_zhangrx的博客
10-18 6429
在运行ShuffleNet的过程中碰到了如下报错 :I1018 19:26:19.104892 3548 net.cpp:84] Creating Layer resx13_concat I1018 19:26:19.104895 3548 net.cpp:406] resx13_concat <- resx13_match_conv I1018 19:26:19.104898 3548 ne
caffe下用个多模型对图片批量分类
gbbb1234的博客
03-06 3139
首先，根据网上教程 在caffe根目录下的 examples/cpp_classification/ 文件夹下面，有个classification.cpp文件，就是用来分类的。编译caffe后自动生成，放在/build/examples/cpp_classification/ 下面，接下来要调用classification.bin 问题1：我的服务器上没有自动生成classific
F.smooth_l1_loss简单使用的代码
最新发布
10-08
F.smooth_l1_loss通常用于计算机视觉领域中的目标检测任务，特别是在PyTorch库中，它是一个平滑L1损失函数，结合了线性和绝对值函数的优点。当输入差值很小的时候，它像绝对值函数一样计算误差，而在较大的差值下，它转换为线性，这有助于减少梯度消失的问题。 下面是一个简单的使用例子： ```python import torch from torch.nn import functional as F # 假设我们有预测值(pred)和真实值(target) pred = torch.tensor([[10., 5.], [15., 12.]]) # 预测框坐标 target = torch.tensor([[8., 4.], [13., 9.]]) # 真实坐标 # 计算Smooth L1 Loss loss = F.smooth_l1_loss(pred, target) print("Smooth L1 Loss:", loss.item()) ``` 在这个例子中，`smooth_l1_loss`函数接收两个张量作为输入，一个是预测值，另一个是目标值。函数返回的是每个样本上Smooth L1 Loss的平均值。
评论 1
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