SSD验证自己的数据集（Pytorch）问题总结！！

训练好自己的数据集后，在运行eval.py时遇到了一些问题，现已解决。问题及解决方法如下：

1.RuntimeError: Legacy autograd function with non-static forward method is deprecated. Please use new-style autograd function with static forward method.

这个问题在这篇文章【调试】错误 RuntimeError: Legacy autograd function with non-static forward method is deprecated._y = net(xx)-CSDN博客里介绍的比较详细，主要是因为Detect类继承自Function类，在pytorch1.3及以后的版本需要规定forward方法为静态方法，所以在pytorch1.3以上的版本执行出错。为了避免重装新的pytorch版本，对代码进行了相应修改。文章中介绍的比较详细，且改正有效。

但是代码并不像文章中那样能够运行成功，而是遇到了下面这个问题⬇

2.UserWarning: An output with one or more elements was resized since it had shape [125], which does not match the required output shape [120]. 

问题出在box_utils.py中的

torch.index_select(x1, 0, idx, out=xx1)
torch.index_select(y1, 0, idx, out=yy1)
torch.index_select(x2, 0, idx, out=xx2)
torch.index_select(y2, 0, idx, out=yy2)

torch.index_select(input, dim, index, out=None)函数是PyTorch中的一个函数，用于在指定维度上选取指定索引位置的元素。其中，input是输入的Tensor，dim是要选取的维度，index是要选取的索引，out是输出的Tensor，可选参数。如果out没有被指定，那么函数会新建一个Tensor来存储结果。在这个例子中，torch.index_select(x1, 0, idx, out=xx1)的作用是在x1的第0维上选取idx中指定的索引位置的元素，并将结果存储在xx1中。

将其修改为：

# torch.index_select(x1, 0, idx, out=xx1)
# torch.index_select(y1, 0, idx, out=yy1)
# torch.index_select(x2, 0, idx, out=xx2)
# torch.index_select(y2, 0, idx, out=yy2)
xx1 = torch.index_select(x1, 0, idx)
yy1 = torch.index_select(y1, 0, idx)
xx2 = torch.index_select(x2, 0, idx)
yy2 = torch.index_select(y2, 0, idx)

问题解决。我猜测是因为该方法在新版本的pytorch中已经不再能够调整输出的大小，导致形状与所需输出的形状不匹配。如果不指定out，则会新建一个Tensor来存储结果，这样再赋值给xx1、yy1、xx2、yy2就不会再报错了。

3.FileNotFoundError: [Errno 2] No such file or directory: 'test.txt'

调试中发现是文件路径问题，打印以下两个文件路径，神奇的发现一个可以获取到路径一个获取不到

annopath = os.path.join(args.fire_root,  'Annotations', '%s.xml')
imgsetpath = os.path.join(args.fire_root, 'ImageSets', 'Main', '{:s}.txt')
print(imgsetpath.format('test')) #输出test.txt
print(annopath) #输出整个路径

原因可能是{:s}.txt导致路径无法拼接出来，将该行代码改为：

imgsetpath = os.path.join(args.fire_root, 'ImageSets', 'Main') + os.sep + '{:s}.txt'

人为引入一个路径分隔符，此时能够输出完整的路径了

4.AttributeError: module 'numpy' has no attribute 'bool'.

方法一：降低numpy版本

方法二：将np.bool改为np.bool_

difficult = np.array([x['difficult'] for x in R]).astype(np.bool_)

5.RuntimeWarning: invalid value encountered in divide
  rec = tp / float(npos)

这是由于在计算时可能出现了分母为0的情况，使用np.seterr()函数

np.seterr(divide="ignore", invalid="ignore")

6.DeprecationWarning: elementwise comparison failed; this will raise an error in the future.   if dets == []: 

将if dets == []：修改为if len(dets) == 0：

再次感谢评论区友友的热情帮助♥♥♥

7.当只有一个类别（fire）时发现输出文件如下图所示

 在fire.py中修改

#FIRE_CLASSES = ('fire')
FIRE_CLASSES = ('fire',)

在eval.py中修改

# from data import FIRE_CLASSES as labelmap
from data import FIRE_CLASSES

labelmap = list(FIRE_CLASSES)

这样输出的就为一类了