(33)assert all(map(lambda i: i.is_cuda, inputs)) AssertionError

最新推荐文章于 2023-02-08 14:38:05 发布
VIP文章 最新推荐文章于 2023-02-08 14:38:05 发布
阅读量1k 收藏 2
点赞数 1
分类专栏： python编程/PyTorch 文章标签： 深度学习 cnn pytorch
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_40227656/article/details/122453540
版权

问题描述：在跑Faster R-CNN时，使用单GPU训练，计算mAP时，报错：

logs/logs_1/ep150-loss1.017-val_loss1.106.pth model, anchors, and classes loaded.
  0%|          | 0/4952 [00:00<?, ?it/s]Load model done.
Get predict result.
  0%|          | 0/4952 [00:00<?, ?it/s]
Traceback (most recent call last):
  File "/home/PycharmProjects/compare-programs/faster-rcnn-pytorch-master/get_map.py", line 76, in <module>
    frcnn.get_map_txt(image_id, image, class_names, map_out_path)
  File "/home/PycharmProjects/compare-programs/faster-rcnn-pytorch-master/frcnn.py", line 278, in get_map_txt
    roi_cls_locs, roi_scores, rois, _ = self.net(images)
  File "/home/.conda/envs/ultralytics_yolov3/lib/python3.7/site-packages/torch/nn/modules/module.py", line 722, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/home/.conda/envs/ultralytics_yolov3/lib/py
最低0.47元/天 解锁文章
weixin_40227656
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
CUDA：测试断言Assert函数的实例
希望我的博客，能帮上你解决学习中工作中所遇到的问题
12-21 353
CUDA：测试断言Assert函数的实例
assert all(map(lambda i: i.is_cuda, inputs)) AssertionError
qq_32780465的博客
05-23 1760
assert all(map(lambda i: i.is_cuda, inputs)) AssertionError 报错，原因是pytorch在服务器上跑使用了多个gpu,暂时不知道怎么用多个gpu,但是为了跑通加入了指定单一gpu的代码： import os os.environ[“CUDA_VISIBLE_DEVICES”] = “1” 之后就不再报错了 欢迎留言，提出如何使用多个gpu而不会报错的方法 ...
多卡训练报错：assert all(map(lambda i: i.is_cuda, inputs))
onion_rain的博客
07-08 1142
由于debug需要管理员权限。。未完待续。。。 起因 多卡训练模型时候出错： training...
AssertionError：assert all(map(lambda i: i.is_cuda, inputs))
Julia_up的博客
02-08 160
assert all(map(lambda i: i.is_cuda, inputs)) AssertionError：
报错：TVM运行报错：TVMError: AssertionError
qq_52946795的博客
05-11 753
Traceback (most recent call last): File "tune_relay_x86.py", line 248, in <module> tune_and_evaluate(tuning_option) File "tune_relay_x86.py", line 241, in tune_and_evaluate lib = relay.build_module.build(mod, target=target, params=params.
test-assert.rar_games_test assert
09-24
This is hairier than you d think, involving games with stdio and signals.
Array.prototype.map:符合Array.prototype.map规范的polyfill
05-01
array.prototype.map 符合ES5规范的Array.prototype.map填充程序/ polyfill / replacement可以使用到ES3。 该软件包实现了接口。 它可以在ES3支持的环境中工作并符合。 因为Array.prototype.map依赖于接收方（“ ...
laravel 5异常错误:FatalErrorException in Handler.php line 38的解决
10-19
主要给大家介绍了关于laravel 5异常错误:FatalErrorException in Handler.php line 38的解决方法，文中将解决方法介绍的非常详细，需要的朋友可以参考借鉴，下面随着小编来一起学习学习吧。
assert_matches:提供宏`assert_matches`来测试模式匹配
05-23
assert_matches 提供一个assert_matches宏，它测试值是否与给定的模式匹配，如果匹配失败，则会引起恐慌。#[macro_use] extern crate assert_matches;#[derive(Debug)]enum Foo { A ( i32 ), B ( i32 ),}let a = Foo...
assert:将Node.js assert.js移植到浏览器
05-10
assert.js 最新兼容版本： assert.js是浏览器的Node.js标准声明库的端口。 原始代码和测试来自Node.js，并已被修改为与浏览器兼容。 例如，您可以将其与一起使用，以同构方式（在服务器和客户端上）执行测试。 ...
(14)关于PyTorch训练深度学习模型CPU/GPU使用率低，训练速度慢这一问题的总结
热门推荐
weixin_40227656的博客
08-16 1万+
电脑配置双2080Ti+i7-10700K，使用mobilenet-yolov4-lite训练VOC数据集时，训练100epochs要五六个小时，检测cpu和gpu的使用发现利用率都很低，说明没有充分使用电脑优秀的性能，两个显卡的使用率都分别只有20%-50%，查阅一些资料总结如下： １、参考：【深度学习】踩坑日记：模型训练速度过慢，GPU利用率低 上面作者指出四个提速技巧： 减少日志IO操作频率 使用pin_memory和num_workers 使用半精度训练 更好的显卡，更轻的模型 其中，第
（９）训练时报错KeyError: ‘conv1.1.0.weight‘
weixin_40227656的博客
07-17 8772
将B_mobilenet_yolov4_lite的PANet改为原来的3x3卷积，命名为L_mobilenet-yolov4_VOC，即将B_yolov4的主干网络换为mobilenet，训练时报错： Traceback (most recent call last): File "/home/lidan/PycharmProjects/yolov4/L_mobilenet-yolov4_VOC_0717/train.py", line 221, in <module> pret
(39)CUDA out of memory. Tried to allocate 76.00 MiB (GPU 0； 10.76 GiB total capacity； 8.45 GiB ...
weixin_40227656的博客
03-19 7379
问题描述： 在两块2080Ti显卡上训练去雾算法FFANet(gps=3, blocks=19)，batch=2恰好能够正常训练，训练结束进行模型测试，每次读取一张图片进行模型推理，结果报错显存不够： RuntimeError: CUDA out of memory. Tried to allocate 76.00 MiB (GPU 0; 10.76 GiB total capacity; 8.60 GiB already allocated; 75.19 MiB free; 8.61 GiB res
(37)TypeError: clamp(): argument ‘input‘ (position 1) must be Tensor, not int
weixin_40227656的博客
02-20 6618
问题描述：AODNet在计算ssim时，需要从test_loader中将测试集清晰的图像和去雾后的图像输入给ssim方法进行计算，从test_loader中加载图像对的原始代码如下： for (img_orig, img_dehaze) in enumerate(test_loader): ssim_test = ssim(img_orig, img_dehaze) 报错： Traceback (most recent call last): File "/home/PycharmPro
(17)PyTorch中计算模型的参数量(params)和浮点运算量(FLOPs)
weixin_40227656的博客
08-24 3856
方法１．使用summary test.py正确代码如下： import torch from torchsummary import summary from nets.yolo4 import YoloBody if __name__ == "__main__": # 需要使用device来指定网络在GPU还是CPU运行 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model
(30)tensorboard ValueError: Duplicate plugins for name projector
weixin_40227656的博客
11-30 2897
问题描述：之前用的好好的，训练的时候打开tensorboard报错tensorboard ValueError: Duplicate plugins for name projector，完整错误如下： Traceback (most recent call last): File "/home/.conda/envs/ultralytics_yolov3/bin/tensorboard", line 8, in <module> sys.exit(run_main()) F
(36)RuntimeError: Given groups=4, weight of size [4, 1, 11, 11], expected input xxxxxxxxx
weixin_40227656的博客
02-20 2730
问题描述： 在测试AODNet去雾网络时，计算测试集的指标ssim和psnr，从test_loader中读取测试集的清晰图像和去雾之后的图像，作为ssim的输入进行计算，原文代码如下： for iter_test, (img_orig, img_dehaze) in enumerate(test_loader): ssim_test = ssim(img_orig, img_dehaze) 其中，test_loader的部分代码如下： def __getitem__(self, index)
#256个block memory_size = 256 #pid进程号 class Process: def __init__(self, pid, block, duration): self.__block = block self.__duration = duration self.__pid = pid self.__memory = None @property def pid(self): return self.__pid @property def block(self): return self.__block @property def duration(self): return self.__duration def set_memory(self, memory_start, memory_end): self.__memory = (memory_start, memory_end) def get_memory(self): return self.__memory class MemoryAllocator: def __init__(self, memory_size): self.__memory_blocks = [None] * memory_size def memory_view(self): '''return the array of the use of memory blocks.''' return tuple(self.__memory_blocks) def allocate_memory(self, block_start, length, process): for block_id in range(block_start, block_start+length): assert self.__memory_blocks[block_id] is None, 'tend to allocate occupied blocks' self.__memory_blocks[block_id] = process process.set_memory(block_start, length) def free_memory(self, process): assert process.get_memory() is not None, 'process should already hold memory blocks' block_start, length = process.get_memory() for block_id in range(block_start, block_start+length): assert self.__memory_blocks[block_id] == process, 'the orresponding memory blocks should be assigned to the process' self.__memory_blocks[block_id] = None
最新发布
06-11
assert start is not None, 'allocation failed' for i in range(start, start + length): self.__memory_blocks[i] = True process.set_memory(start, length) def free_memory(self, process): start = ...

“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 1
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