yolov3-spp是yolov3的一个版本,在yolo官网中给出了cfg和weights。
本文调试源码为ultralytics/yolov3,源码的解析放在之前的一篇yolov3-spp结构详解与源码解析(pytorch),这篇博客只记录在训练过程中出现的一些问题。
文章目录
bug1: ‘too many indices for tensor of dimension 1’
bug描述:
问题出在dataset.py
文件中,collate_fn
函数中有一句:
l[:, 0] = i
bug原因:
这一句为1个batch中的每张image的每一个label,赋值一个idx,即为对应的image,使得最后的label可以和image相对应。但是,有的image是没有对应的label的,而pytorch0.4会出现维度的问题,是因为会将这种空的tensor的维度挤压为1:
torch.Size([0])
解决:
def collate_fn(batch):
img, label, path, hw = list(zip(*batch)) # transposed
for i, l in enumerate(label):
try:
l[:, 0] = i # add target image index for build_targets()
except:
pass
return torch.stack(img, 0), torch.cat(label, 0), path, hw
补充:
在build_target.py
中,出现了类似的问题,这里是因为t是空的,即targets中没有标签,个人分析,原因是整个batch中所有image都没有对应的label。依旧用try-except粗暴解决:
# Indices
try:
b<