yolo训练报错：darknet: ./src/parser.c:360: parse_region: Assertion `l.outputs == params.inputs' failed.

最新推荐文章于 2023-05-31 15:31:40 发布
最新推荐文章于 2023-05-31 15:31:40 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： 错误
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_38969094/article/details/104790973
版权

错误：使用yolo系列训练数据时报错 darknet: ./src/parser.c:360: parse_region: Assertion `l.outputs == params.inputs' failed.

原因：修改cfg文件中的classes和filters时用错计算公式，yolov2中 filters = 5*(classes + 5) ，yolov3中filters = 3*(classes + 5)。

Absorbent
关注
专栏目录
【./a.out: error while loading shared libraries: libopencv_highgui.so.405: cannot open shared object】
weixin_47869094的博客
03-11 1144
这个错误表明系统无法找到名为 “libopencv_highgui.so.405” 的共享库文件。确保库文件所在的路径被包含在系统的动态链接库路径中。可以使用命令 find / -name “libopencv_highgui.so.405” 来查找该文件。首先，确认系统上是否存在名为 “libopencv_highgui.so.405” 的库文件。将libopencv_highgui.so.405换成自己缺少的库的名字即可。find: ‘/root’: 权限不够。
darknet yolov3总结
zzh_hn的专栏
07-13 990
darknet官网: https://pjreddie.com/ git: https://github.com/pjreddie/darknet yolov4: https://github.com/AlexeyAB/darknet 一 环境 ubuntu16.04 Driver Version: 440.44 NVIDIA的驱动 查看命令:nvidia-smi cuda 10.0 NVIDIA的运行框架 查看命令: nvcc -V cudnn 7.6.4 NVIDIA的加速库 查看命令: cat..
yolov3_Assertion `l.outputs == params.inputs‘ failed
qq_36968562的博客
04-12 1118
转载自stackflow 在config文件中，将[yolo] 前的[convolutional]中的filters改为3*（class+5）（yolov3），总共需要修改三处。
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.yolov3训练问题
皮卡丘的博客
08-17 6818
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed. 主要问题就是改cfg文件的时候filters 和classes 改错了，要注意v2的filters是5*（classes+5）,而v3是3*(classes+5) ...
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.
火腿肠的幸福生活
04-24 5958
训练yolo v2出现rt问题原因：查看.cfg文件是否有修改不正确的地方，尤其是   filters= ‘’。classes=‘’。这些地方，还有voc.data里面的classes=‘’。总之就是修改文件有不完全的地发，仔细查找吧...
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.yolov3D
Allyli0022的专栏
03-06 493
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed. cfg文件的filters 和classes 改正确，v2的filters是5*（classes+5）,v3的是3*(classes+5)。
CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. Aborted
wukai0909的博客
07-29 3550
wu@wu-X555LF:~/darknet$ ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 yolov3-voc layer filters size input output 0 conv 32 3 x...
YOLOv5-6.0报错Downloading https://ultraytics.com/assets/Arial.ttf to...
Interstellar
03-31 1410
yolov5.0环境下运行detect.py时，会出现Arial.ttf自动下载，由于无法下载问题而报错。
Tiny-yolo预训练模型darknet.conv.weights
10-30
Tiny-YOLO是一种轻量级的深度学习模型，属于YOLO（You Only Look Once）目标检测框架的一部分。YOLO是实时目标检测领域的开创性工作，以其高效和准确的特性受到广泛关注。Tiny-YOLO旨在进一步优化YOLO模型，减少计算...
The Dark Net
08-14
关于暗网的入门性介绍, 关于人文和科技的矛盾与相互促进约束讲的很有意思
yolov4_l.outputs == params.inputs
yanmie_xu的博客
05-31 366
yolov4扫描模型数据时报错‘l.outputs == params.inputs’，是因为cfg文件中修改不完整,对应的cfg文件中的[yolo]文件中的classes与[yolo]上方的[convolutional]中的filters参数对不上。
yolov3 darknet:parser.c:315: failed
weixin_34006965的博客
09-27 747
为什么80%的码农都做不了架构师？>>> ...
darknet训练自己数据遇到的麻烦
小弱鸡的博客
08-05 2675
按照这个教程为主，这个教程为辅，遇到的问题，解决记录一下： 1.解决Python报错–UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x80 in position 658: illegal multibyte sequence 原因：编码方式不一致 解决方案： 在open（）方法中加入encoding设置encoding='utf-8' file1=open("这里是你读取文件的路径","r",encoding='utf-8') 2.Err
darknet 训练流程
WSNjiang的博客
08-12 2467
1、darknet编译 git clone https://github.com/pjreddie/darknet.git cd darknet 修改Makefile GPU=1 #加GPU CUDNN=1 # OPENCV=0 #加opencv OPENMP=0 DEBUG=0 4、make 有时候make时候会报错，下面列举一些遇到的报错信息 1、 ./src/convolutional_kernels.cu -o obj/convolutional_kernels.o /bin/sh: 1
目标检测---YOLOV4
longing_aa的博客
01-27 3452
写在前面 首次认真写一篇文章，之所以开始动笔，因为自己在很多文章中受益匪浅，所以想自己也能写一些东西，一是巩固自己所学，再者也希望能够帮到别人。 就目标检测方向来说，很多算法大概的流程大家都懂，然而大概的流程却写不出实际的代码，本文希望能够更多关注一些细节，让大家了解yolov4的一些细节知识，本文算是在看了其它一些文章后自己简要复现了下整个yolov4框架写的一个总结。希望通过本文的解读，大家都能初步写出自己的YOLOv4代码。提前声明，本文仅基于自己的理解，难免疏漏、出错，如有不足希望大家指正，一起
基于YOLOv4配置文件和c/c++代码编写搭建所需模块
weixin_43812595的博客
05-08 1632
本文分享如何在yolov4的配置文件和底层代码编写，搭建所需的模块，由于本人理解和编程能力较弱，若错漏之处，欢迎各位大佬批评指正。 1. 浅谈Yolov4与代码框架 Yolov4是Alexey AB等人在yolov3基础上，结合当时许多优秀策略构建的一个简单且高效模型，在《YOLOv4: Optimal Speed and Accuracy of Object Detectio》一文作者是通过大量实验验证当时最新检测策略效果，可见yolov4是集大量精华于一身，因此不建议初学者上来直接啃...
【darknet源码】：解析cfg文件源码追踪
yuanCruise
08-03 1661
darknet源码中的cfg文件读取完之后还要解析，解析由函数parse_network_cfg(cfgfile)中的parse_xxx系列函数搞定。 主要流程为： 1.make_network:用于构建一个新网络 2.parse_net_options:解析[net]层的各个参数以及操作 3.parse_xxx（如：parse_convolutional）:解析cfg中的各个 [xxx]...
YOLO六ValueError: Error initializing torch.distributed using env:// rendezvous: environment variable RANK expected, but not set
最新发布
08-31
这个错误通常是由于没有正确设置环境变量导致的。YOLO中使用了分布式训练，需要设置环境变量来指定训练的节点和进程的信息。 要解决这个问题，你可以尝试以下几个步骤： 1. 确保你已经正确安装了PyTorch和torchvision，并且版本与YOLO要求的一致。 2. 检查你是否设置了必要的环境变量。在这个错误中，RANK是必需的环境变量，但是没有被正确设置。你可以通过运行以下命令来设置环境变量： ```shell export RANK=<your_rank> ``` 其中`<your_rank>`是你当前节点的排名，用于区分不同节点的训练进程。 3. 如果你正在使用多个节点进行分布式训练，还需要设置其他相关的环境变量，例如`MASTER_ADDR`和`MASTER_PORT`。你可以根据具体情况设置这些环境变量。例如： ```shell export MASTER_ADDR=<master_address> export MASTER_PORT=<master_port> ``` 其中`<master_address>`是主节点的IP地址或主机名，`<master_port>`是主节点监听的端口号。 4. 确保所有节点上的环境变量设置是一致的。 如果你仍然遇到问题，可以进一步检查你的设置是否正确，并确保网络连接正常。另外，你也可以尝试查看YOLO的文档或寻求相关论坛或社区的帮助，以获取更多针对该错误的解决方案。
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