深度学习-错误集锦

1. target = target.cuda(async=True)    AttributeError: 'list' object has no attribute 'cuda'

查看自己的target类型，原为['1','0','1','1']。这种列表试字符串型。而应该修改为torch.tensor类型。才能用于网络计算

简单改为：先改为numpy再转换为tensor，搞定！

label = torch.from_numpy(np.fromstring(label, dtype=int, sep=','))

2. RuntimeError: multi-target not supported at /opt/conda/conda-bld/pytorch_1549628766161/work/aten/src/THCUNN/generic/ClassNLLCriterion.cu:15

使用的CrossEntropyLoss()作为损失函数，因此prediction and label的尺寸正确的应分别为【batch，calss】=我的【4，2】// 【batch】=我的【4】，然而实际我的分别是我的【4，2】// 【4，1】。所以要修改label的尺寸

loss = self.criterion(output, target_var.squeeze())

一般出现这个错误都是尺寸不对。

3. tn, fp, fn, tp = confusion_matrix(target, pred).ravel()    ValueError: not enough values to unpack (expected 4, got 1)

 这个问题很难找，当tn, fp, fn, tp其中某项等于总数是，比如我的batch=4,当tn=4时，就会出现错误。

解决的方法只需加一个限定

 tn, fp, fn, tp = confusion_matrix(target, pred, labels=[0, 1]).ravel()

4. tensorboard打不开

查看是否已安装tensorflow/tensorboard/tensorboard_logger  若没有，pip 安装即可

打开时用命令

tensorboard --logdir=事件的上一极目录地址

例如：tensorboard --logdir=/home/luo/code/pneu_classification/save/densenet103_190218

或者遇到错误：FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecat

这是因为numpy版本问题，解决方案：https://blog.csdn.net/kobe_academy/article/details/99706595

5.pytorch test报错：out of memory

 训练和验证都没有超出显存*（一个batch以后才报），但测试的时候缺报：out of memory

因为在训练完一个batch后会释放内存：

 optimizer.zero_grad()
 loss.backward()
optimizer.step()

但是测试的时候没有这几行代码，就可能一个batch后还占着内存，解决方法是把循环代码包在

with torch.no_grad():里面

 with torch.no_grad():
        for i, (input, target) in enumerate(test_loader):
            input_var = torch.autograd.Variable(input)
            target = target.cuda(async=True)
            # compute output
            output = model(input_var)
            # torch to list
            y_true.extend(target.cpu().data.tolist())
            y_score.extend(output.cpu().data.tolist())
            # measure error and record loss
            err1, err2 = error(output.data, target, topk=(1, 2))
            top1.update(err1, input.size(0))
            top2.update(err2, input.size(0))
            metric = allmetrics(output.cpu().data, target.cpu().squeeze())
            for j in range(len(metric_arr)):
                metric_arr[j] += metric[j]

6.pytorch训练好的，网上预训练模型的加载

6.1  Missing key(s) in state_dict: "module.densenet121.features.denseblock1.denselayer1.norm1.weight"

      Unexpected key(s) in state_dict: "module.densenet121.features.denseblock1.denselayer1.norm.1.weight"

原因：因为加载的两个模型写法不一样，一个用了nn.sequential,一个没用。所以module的名称不一样，加载不进去

解决方法：1，通过正则修改

model = DenseNet121(14, Fasle).cuda()
model = torch.nn.DataParallel(model).cuda()
pathModel = './models/m-25012018-123527.pth.tar'
Checkpoint = torch.load(pathModel, map_location=lambda storage, loc: storage)
pattern = re.compile(r'^(.*denselayer\d+\.(?:norm|relu|conv))\.((?:[12])\.'
                         r'(?:weight|bias|running_mean|running_var))$')
for key in list(Checkpoint['state_dict'].keys()):
    res = pattern.match(key)
    if res:
        new_key = res.group(1) + res.group(2)
        Checkpoint['state_dict'][new_key] = Checkpoint['state_dict'][key]
        del Checkpoint['state_dict'][key]
model.load_state_dict(Checkpoint['state_dict'])

2. 添加一个strict=False

model = DenseNet121(14, False).cuda()
model = torch.nn.DataParallel(model).cuda()
pathModel = './models/m-25012018-123527.pth.tar'
Checkpoint = torch.load(pathModel, map_location=lambda storage, loc: storage)
model.load_state_dict(Checkpoint['state_dict'], strict=False)

两种方法都能正确加载自己训练好的模型，验证过，加载的值一样

6.2 Missing key(s) in state_dict: "densenet121.features.conv0.weight"

     Unexpected key(s) in state_dict: "module.densenet121.features.conv0.weight",

原因：模型训练时用的DataParallel,保存时会在模块前面加一个‘module’

解决办法：1 使加载的模型也包含‘module’

model = DenseNet121(14, True).cuda()
model = torch.nn.DataParallel(model).cuda()
model.load_state_dict(Checkpoint['state_dict'], strict=False)

2. 加载的模型不包含‘module’

model = DenseNet121(14, True).cuda()
new_state_dict = OrderedDict()
for k, v in pretrained_net_dict.items():
    name = k[7:] # remove `module.`
    new_state_dict[name] = v
model.load_state_dict(Checkpoint['state_dict'])

6.3 Missing key(s) in state_dict: "module.aspp1.convs.0.weight", "module.aspp1.convs.0.bias" 

注意：只有Missing key(s) ,而没有Unexpected key(s) in state_dict

原因：在模型的初始化方法里，添加了state_dict中没有方法，以至于加载模型的参数的时候在state_dict里找不到对应的参数。

例如，我这里新增了一个aspp1的方法，但是保存模型的时候我没有这个方法，所以就报错了

解决办法：把新增的内容注释掉就行了。

7.ImportError: libSM.so.6: cannot open shared object file: No such file or directory import cv2报错

解决办法：访问该博客即可解决

8.Expected one of cpu, cuda, mkldnn, opengl, opencl, ideep, hip, msnpu device type at start of device string: cuda：0

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

 从错误报告里知道，device是不能接“cuda:0”这个字符串的，只能接上面说的：cpu, cuda, mkldnn, opengl, opencl, ideep, hip

9.ModuleNotFoundError: No module named ‘spyder_kernels’

使用spyder编译器，切换Python环境时报错。解决办法：在该环境下直接安装 pip install spyder_kernels

10. RuntimeError: CUDA error: device-side assert triggered
Exception raised from operator() at /pytorch/aten/src/ATen/native/cuda/CUDAScalar.cu:32

报错如下：

大概意思就是loss计算的时候出现问题， 导致触发了cuda断言。

参考博客：https://blog.csdn.net/baoyongshuai1509/article/details/103314145/

错误：本项目是3分割，label应该是0， 1，2。但是看下图，检查label的时候有个label范围超出了，所以在计算loss的时候就会有问题

11. RuntimeError: Failed to process string with tex because latex could not be found

RuntimeError: Failed to process string with tex because dvipng could not be found

调用matplotlib绘图时发生错误，没有latex或者dvipng， pip安装就好了

pip install latex
sudo apt-get install dvipng
sudo apt-get install -y texlive texlive-latex-extra texlive-latex-recommended

具体请参考：https://blog.csdn.net/weixin_42419002/article/details/103997521