PaddleDetection FAQ(常见问题) 第一期

最新推荐文章于 2023-04-06 11:34:24 发布
最新推荐文章于 2023-04-06 11:34:24 发布
阅读量565 收藏 2
点赞数 1
文章标签： 深度学习 神经网络
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_44931912/article/details/118358823
版权
本文整理了PaddleDetection使用过程中的常见问题，包括单GPU训练loss异常、自定义数据集配置、PP-YOLOv2模型训练验证挂起、reader理解和类别控制等，提供了详细的解决方案和配置建议。
摘要由CSDN通过智能技术生成
欢迎大家使用PaddleDetection，针对目前大家使用PaddleDetection过程中遇到的问题，我们将高频出现的情况整理成了FAQ(常见问题)

传送门：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.1/docs/tutorials/FAQ.md

Github地址为：https://github.com/PaddlePaddle/PaddleDetection 欢迎大家试用，点star支持~

Q: 为什么我使用单GPU训练loss会出NaN?
A: 配置文件中原始学习率是适配多GPU训练(8x GPU)，若使用单GPU训练，须对应调整学习率（例如，除以8）。

以faster_rcnn_r50 为例,在静态图下计算规则表如下所示，它们是等价的，表中变化节点即为piecewise decay里的boundaries:

GPU数 batch size/卡 学习率 最大轮数 变化节点
最低0.47元/天 解锁文章
qq_44931912
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PaddleDetection算法分析(5)
tegddhdrhdd的博客
11-29 2390
2021SC@SDUSC Python 2.7.1 PaddlePaddle >=1.5 CUDA 9.0 cuDNN >=7.4 NCCL 2.1.2 通用设置 所有模型均在COCO17数据集中训练和测试。 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。 对于RCNN和RetinaNet系列模型，训练阶段仅使用水平翻转作为数据增强，测试阶段不使用数据增强。 推理时间(fps): 推理时间是在一张Tesla V100的GPU上通过'tools/eval.py'
PaddleDetection算法分析（3）
tegddhdrhdd的博客
10-24 773
2021SC@SDUSC
PaddleDectection代码解析之尝试简化infer.py
qq_48085469的博客
12-24 1667
2021SC@SDUSC PaddleDetection库是在PaddlePaddle基础上，将常见的目标检测模型集中到一起，方便训练和预测的代码库。便于快速上手使用。 经过阅读PaddleDetection的整个项目结构以及大部分代码, 我发现infer.py这个文件是可以进行优化的, 于是在阅读了源码之后我希望不止于理解这么简单,而是着手对infer.py文件进行优化。 但是，一旦涉及到对代码的优化，或者想要摘出代码某模块使用时，对代码内部行为的掌握就十分重要。而且该库的封装使用了python..
PaddleDetection代码解析之Transformer encoder源码实现分析（下）
qq_48085469的博客
12-24 586
2021SC@SDUSC 接我的上一篇博客：PaddleDetection代码解析之Transformer encoder源码实现分析（上）。 依旧是对代码的解释在下面代码的注释中： MultiHeadAttentionLayer 几个维度： self._emb_size = config['hidden_size'] # 768 d_key=self._emb_size // self._n_head, d_value=self._emb_size // self._n_head..
PaddleDetection训练参数配置详解（已验证）
Vertira的博客
02-10 8391
PaddleDetection为目标检测库，提供了多种预训练模型和模型配置文件，根据任务需求选择现有的配置文件调整参数即可： YoloV3的优势 ， 1.YOLO网络：单步的目标检测算法，适合目标的实时检测，推算速度较快。丧失部分精度，将图片端到端的进行目标检测，也引入了rcnn的Anchor框体系大幅提升mAP。因为没有进行区域采样，所以对全局信息有较好的表现，前两代网络在小目标检测上表现稍差（一般定义为像素尺寸小于32 * 32的目标或是长宽远小于原图像尺寸的0.1的目标）。但不妨碍成熟的YOLO.
网络通信产品FAQ常见问题培训.ppt
09-02
中低端网络产品常见故障排错，路由器，网关，交换接入, 无线AP AC课程介绍 故障排错整体思路 故障定位常用命令和工具 故障相关信息查看及分析 典型案例分析
工程安装FAQ（第6期）接入网硬件安装问题集锦（客户合作方
11-06
【标题】"工程安装FAQ（第6期）接入网硬件安装问题集锦（客户合作方" 这个标题揭示了文档的核心内容，它是一个专门针对工程安装过程中遇到问题的常见问答集锦，具体聚焦在接入网硬件的安装环节。"第6期"表明这是一...
TI WiFi FAQ 常见问题解答-综合文档
05-22
TI WiFi FAQ（Frequently Asked Questions）常见问题解答涵盖了在使用TI（Texas Instruments）WiFi解决方案时可能会遇到的各种技术问题。TI是一家知名的半导体公司，其在无线通信领域，特别是WiFi芯片组和模块方面...
TI-WiFi FAQ 常见问题解答.rar-综合文档
05-24
TI-WiFi FAQ常见问题...综上所述，TI-WiFi FAQ常见问题解答.pdf是一个全面的资源，它为用户和开发者在使用TI Wi-Fi产品时提供了详尽的指南，有助于解决从硬件安装到软件开发的各种难题，确保产品能稳定、安全地运行。
PaddleDetection训练自己的数据集遇到的问题及解决办法
weixin_40596293的博客
10-09 8435
PaddleDetection训练自己的数据集遇到的问题及解决办法 1.使用labelImg标注工具标注自己的数据集得到.xml文件 2.自动创建train.txt、val.txt，这两个文件中储存训练集、验证集 图像的路径信息和对应的xml文件 参考https://blog.csdn.net/yzl819819/article/details/104336990的博客 import os import random train_precent=0.7 xml="VOC2012/Annotations"
PaddleDetection训练自己数据集，出现keyerror：‘类别’
gray_valley的博客
04-08 2521
PaddleDetection训练自己数据集，出现keyerror：‘类别’ YOLOv3配置文件 ![原yolov3_reader.yml文件中，在dataset配置中没有label_list配置](https://img-blog.csdnimg.cn/20210408114843179.PNG?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dyYXl
paddle ocr 训练预测模型和推理模型识别结果不一致
陆安的博客
11-18 2316
注掉./tools/infer/predict_rec.py 的
paddleDetection训练自己的数据集遇到的问题及解决方法
嗝~~~~的博客
02-14 1192
自定义voc数据集： 报错：ValueError: not enough values to unpack (expected 3, got 2) 原因一：valid.txt和train.txt需要有两个参数 错误示范： 正确示范： 原因2：文件最后有多余的空行 报错：keyerror 原因：xml的关键字多了空格 报错：‘gbk’ codec can’t decode byte 0xb3 in position 114: illegal multibyte sequen 原因：label_list.
PaddleDetection 训练自己的数据集（一）
最新发布
STHHAVEDONE的博客
04-06 586
主要记录自己调试paddlepaddle的试错心得，这篇文章主要简述大概流程，如果后续有时间的话将详细更新。
关于PaddleDetection训练模型时的一个错误
YIZHI_W的博客
04-16 5111
这里写自定义目录标题问题概述起因：修改config文件排查原因解决方案一点思考 问题概述 在使用PaddleDetection训练模型修改训练图片输入大小时遇到了如下的错误 ValueError: (InvalidArgument) The 2-th dimension of input[0] and input[1] is expected to be equal.But received input[0]'s shape = [1, 256, 20, 20], input[1]'s shape = [
PointNet_sem_seg制作npy数据集文件
cuiy24的博客
07-05 2467
代码中利用collect_indoor3d_data.py制作npy数据集 collect_indoor3d_data.py anno_path包含了272个训练数据的相对路径 import os import sys BASE_DIR = os.path.dirname(os.path.abspath(__file__)) ROOT_DIR = os.path.dirname(BASE_DIR) sys.path.append(BASE_DIR) import indoor3d_util anno_p
PaddleDetection配置文件注释
靡不有初 鲜克有终
04-16 3816
1、YOLOv4 architecture: YOLOv4 use_gpu: true max_iters: 140000 #可以理解为训练总次数，即迭代次数，一共喂网络多少次batch_size的数据 log_iter: 200 #打印日志log的间隔 save_dir: output snapshot_iter: 2000 #保存测试精度的间隔 metric: VOC pretrain_weights: https://paddlemodels.bj..
PaddleDetection的学习笔记
墨门
03-31 4436
1 PaddleDetection介绍 PaddleDetection是由百度推出的目标检测开源模型库； 2 模型训练/评估/预测 infer.py —— 模型预测 # 预测 python tools/infer.py -c configs/faster_rcnn_r50_1x.yml --infer_img=demo/000000570688.jpg 2 运行分析 2.1 图像预测 我们可以使用如下的命令来预测图像中的物体目标 # 用PP-YOLO算法在COCO数据集上预训练模型预测一张图片 pytho
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