Check failed: top_shape[j] == bottom[i]-＞shape(j) (24 vs. 26) All inputs must have the same shape, e

最新推荐文章于 2024-04-22 14:38:32 发布
最新推荐文章于 2024-04-22 14:38:32 发布
阅读量229 收藏
点赞数
分类专栏： 异构加速 文章标签： caffe 深度学习 人工智能 转换模型
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/weixin_39589455/article/details/130561469
版权

1. 问题描述

yolov3-tiny中使用vitis-ai中转换为caffe模型的过程中出错：

concat_layer.cpp:42] Check failed: top_shape[j] == bottom[i]->shape(j)
(24 vs. 26) All inputs must have the same shape, except at
concat_axis.

在这里插入图片描述

2. 解决办法

找出的shape是208/8=26 不等于24，因此报错

找到出错不匹配的地方是：就是再网络的layer20-concat处。打开模型的cfg文件，将8去除掉就匹配了
在这里插入图片描述

别出BUG求求了
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Caffe 代码解读之全连接层concat layer
bailufeiyan的博客
03-13 2万+
今天，我们看一下caffe的拼接层，即将两个或多个layer进行拼接。 包括前向传播、反向传播、reshape，axis、CHECK_**、count函数等
kaggle使用深度学习的logistic回归方法实现疟疾细胞图像分类
最新发布
CDBmax的博客
04-22 668
import os这段代码是一个典型的Python导入语句集，涵盖了在进行机器学习和图像处理项目中常用的库和模块。numpy (np: 一个强大的数学库，提供高效的多维数组对象和大量操作这些数组的函数，是科学计算中广泛使用的工具。pandas (pd: 提供高性能、易用的数据结构和数据分析工具，非常适合用来处理结构化数据。os: 用于与操作系统进行交互，比如读取文件路径、管理目录。plt和seaborn (snsmatplotlib是Python中的一个绘图库，非常适合创建静态、动态和交互式的可视化。
caffe源码解读(4)－concate_layer.cpp以及slice_layer.cpp
冬后晚晴的博客
01-28 1274
一.Concate作用：实现多个输入数据的拼接 输入：x1,x2,…,xk 输出:y x1: N*C*H*W x2: N*C*H*W xk: N*C*H*W y: kN*C*H*W(concate_dim=0) y: N*kC*H*W(concate_dim=1) 参数：两个作用相同　①axis　②concate_dim(1)caffe.proto层参数定义message Conc
SSD(single shot multibox detector) default box的生成过程(prior_box_layer.cpp)
我是一个菜鸟，虚心学习的菜鸟。
07-15 3901
在SSD中，default box的生成是比较重要的一环，以下我将通过prior_box_layer.cpp函数来讲解default box的生成过程： #include #include #include #include #include "caffe/layers/prior_box_layer.hpp" namespace caffe { template
scale层报错
kai1001的专栏
12-26 572
简单记录一下遇到的坑 用caffe训练网络的时候遇到了一个大坑，我原先训有一个模型A，然后增加A网络的中后段的通道数从而得到B网络，也就是说B有一半的结构跟A相同，网络层的名称完全相同。 我在训练B网络时，用A的权重对B网络进行初始化，结果一训就崩。。。错误提示为“scale_layer.cpp:123] Check failed: bottom[0]->shape(axis_ + i) ...
使用py-Faster R-CNN 过程中遇到的错
Muzythoof的博客
03-30 5225
TypeError: ‘numpy.float64’ object cannot be interpreted as an index解决：sudo pip install -U numpy==1.11.0测试faster的时候出错：../lib/datasets/voc_eval.py", line 148, in voc_eval    BB = BB[sorted_ind, :]IndexE...
Check failed: top_shape[j] == bottom[i]->shape(j) (1 vs. 2) All inputs must have the same shape, exc
Chris_zhangrx的博客
10-18 6346
在运行ShuffleNet的过程中碰到了如下报错 :I1018 19:26:19.104892 3548 net.cpp:84] Creating Layer resx13_concat I1018 19:26:19.104895 3548 net.cpp:406] resx13_concat <- resx13_match_conv I1018 19:26:19.104898 3548 ne
caffe训练过程中出现的错误
chris_pei的博客
04-17 1389
前两天又在服务器上装了一遍caffe系统，遇到的错误。。。。真的想喷几口老血 决定将之后遇到的caffe训练过程中的错误记录下来，防止一遍一遍又一遍的百度，1、 Check failed: top_shape[j] == bottom[i]-&gt;shape(j) (1 vs. 2) All inputs must have the same shape, except at concat_axis.
caffe, Inception v2 Check failed: top_shape[j] == bottom[i]->shape(j)
noirblack的专栏
04-18 2567
使用Caffe 跑 Google 的Inception V2 对输入图片的shape有要求，某些shape输进去可能会报错。 Inception model中有从conv和pooling层concat的操作，而conv和pooling的output输出计算方式不完全一样。解决方案： 1. 按照原来prototxt输出图片 2. 把concat层前面stride为2的conv层替换stride为
Caffe源码精读 - 11 - Caffe Layers之concat_layer
tecsai的博客
10-10 374
Class_9Caffe Layers之concat层 概述 concat层的主要作用就是做特征融合。将两个及以上的特征图，在某一个数据轴（一般是通道轴）做拼接，起到组合特征的作用。 1. 操作 concat操作相对简单，只是简单地在同纬度进行拼接，并没有像eltwise层一样的运算操作。因此，在caffe中核心的处理就是拷贝（caffe_copy）。 举个栗子，有两个通道不同，但其他维度均相同的特征图A和B，shape分别是1*3*300*300和1*6*300*300。如果按照C轴进行con.
python合并矩阵报错all the input arrays must have same....和vstack() takes 1 positional arrays....
热门推荐
aic1999的博客
09-15 2万+
python中使用numpy合并矩阵a,b   报错 密集（dense）矩阵的合并不报错，然而稀疏矩阵（sparse）报错了，即在矩阵中，多数的元素为0。 ValueError: all the input arrays must have same number of dimensions 解决办法 纵向合并函数np.vstack((a,b))使用下面函数代替 np.row_st...
filebeat-6.6.1-linux-x86_64.tar.gz
02-22
filebeat.inputs: - type:log enabled: true paths: - /var/log/nginx/*.log # kibana相关设置,配置为kibana服务器地址 setup.kibana: host: "192.168.43.146:5601" # logstash的host地址及端口 output....
Python库 | switch_inputs-0.7.0-py3-none-any.whl
03-24
python库，解压后可用。 资源全名：switch_inputs-0.7.0-py3-none-any.whl
vue-formulate：:high_voltage:用Vue构建表单的最简单方法
02-06
什么是Vue公式化？ Vue Formulate是使用Vue构建表单的最简单方法。 请阅读以获取实时代码示例以及在您自己的项目中使用Vue Formulate的指南。 主要特点 :smiling_face_with_sunglasses: 开发者幸福 ...
superdirt-voltage::high_voltage::control_knobs::high_voltage: 潮汐周期的 CV 集成
05-30
超脏电压 一小组 SuperDirt 合成器和潮汐助手来控制模块化合成器。 无需 MIDI！ 音高，带有比例量化 -- change notes per octave on each cycle d1 $ pitch "0 10 8 1" #... -- sequence gate inputs d2 $ gate "0 1 0
[matlab]matcaffe在matlab2023a安装和配置过程
FL1623863129的博客
04-15 1512
将C:\Users\Administrator\Desktop\caffe-windows\build\install\matlab\+caffe\private\Release里面的caffe_.mexw64放到上一级目录中即。添加目录是C:\Users\Administrator\Desktop\caffe-windows\build\install\matlab\+caffe。放入C:\Users\Administrator\Desktop\caffe-windows\matlab\demo。
深度学习每周学习总结P5（运动鞋识别）
qq_33489955的博客
04-19 890
数据导入及处理部分：本次数据导入没有使用torchvision自带的数据集，需要将原始数据进行处理包括数据导入，数据类型转换。划分数据集：划定训练集测试集后，再使用torch.utils.data中的DataLoader()加载数据.注意：与之前不同的是，本次的数据集是已经划分好的。模型构建部分：有两个部分一个初始化部分（init()）列出了网络结构的所有层，比如卷积层池化层等。第二个部分是前向传播部分，定义了数据在各层的处理过程。
爆款博客：深入解析卷积神经网络在人脸识别中的应用——从理论到实践
youmashengyue的博客
04-22 379
在人工智能领域，人脸识别技术由于其广泛的应用前景和高度的实用性，已经成为研究的热点之一。通过本篇博客的介绍，你应该对卷积神经网络在人脸识别中的应用有了一个全面的了解。在这个项目中，我们使用Keras框架搭建了一个基于CNN的人脸识别模型，并在一个标记好的数据集上进行训练和测试。CNN在人脸识别中的应用，关键在于其强大的特征提取能力。通过实验，我们的模型达到了90%以上的准确率，有效地识别出了不同人物的面部图像。通过这样的深入分析和丰富的实例，这篇博文有望成为研究卷积神经网络和人脸识别技术的一篇爆款文章。
深度学习之基础模型——长短时记忆网络LSTM
m0_61787307的博客
04-22 654
这样做的原理在于，“短期记忆”和“新记忆”拼接起来形成的新张量，如果值比较小说明该记忆不重要，不重要就会被 sigmoid 赋予更接近于 0 的权重，反之则会赋予更接近于 1 的权重。LSTM 的初衷也是如此，通过一些手段使得重要的信息得以保留，而不重要的信息被抛弃，使得重要的信息所占“记忆”的“比重”变高。而“短期记忆线”，顾名思义，主要是汇集短期时间内的输入信息，并根据其重要程度，将重要的传给“长期记忆线”，而将不重要的抛弃，这样“长期记忆线”就能够更好地维持其所拥有的信息更加有效。
定义输入数据的shape input_shape = (None, 24) # 定义模型的输入层 inputs = Input(shape=input_shape) # 定义TCN网络的中间层，可以设置多个卷积层和池化层 tcn_layer = TCN(nb_filters=4, kernel_size=3, dilations=[1, 2, 4, 8, 16])(inputs) # 定义模型，将输入层和TCN网络的中间层连接起来 model = Model(inputs=inputs, outputs=tcn_layer) # 使用predict函数获取特征，将数据分成多个batch进行处理 batch_size = 32 num_samples = train11s.shape[0] features = [] for i in range(0, num_samples, batch_size): batch = train11s[i:i + batch_size] if i + batch_size > num_samples: batch_size = num_samples - i if batch_size == 1: feature_batch = model.predict(batch.reshape(1, *input_shape), batch_size=batch_size) else: feature_batch = model.predict(batch, batch_size=batch_size) features.append(feature_batch) features = np.concatenate(features, axis=0) print(features.shape)出现错误
06-11
if i + batch_size > num_samples: curr_batch_size = num_samples - i if curr_batch_size == 1: feature_batch = model.predict(batch.reshape(1, *input_shape), batch_size=curr_batch_size) else: ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

别出BUG求求了

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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