使用torchvision 中的roi_pool/roi_align函数时报错

最新推荐文章于 2024-07-22 18:37:00 发布
最新推荐文章于 2024-07-22 18:37:00 发布
阅读量4.5k 收藏 4
点赞数 1
分类专栏： pytorch 文章标签： torch torchvision
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_43820848/article/details/103475149
版权
在使用torchvision的roi_pool或roi_align函数时遇到GPU计算错误。问题在于输入的image和boxes变量不应在GPU上进行计算，将其转至CPU即可避免错误。
摘要由CSDN通过智能技术生成

使用torchvision 中的roi_pool/roi_align函数时报错

Traceback (most recent call last):
  File "/home/wkj/cj/roi/try.py", line 39, in <module>
    pooled_regions = torchvision.ops.roi_align(image.cuda(),[boxes.cuda()], output_size=(3, 3), spatial_scale=0.19)
  File "/home/wkj/anaconda3/envs/roi/lib/python3.6/site-packages/torchvision/ops/roi_align.py", line 69, in roi_align
    return _RoIAlignFunction.apply(input, rois, output_size, spatial_scale, sampling_ratio)
  File "/home/wkj/anaconda3/envs/roi/lib/python3.6/site-packages/torchvision/ops/roi_align.py", line 24, in forward
    output_size[0], output_size[1], sampling_ratio)
RuntimeError: CUDA error: no kernel image is available for execution on the device (ROIAlign_forward_cuda at /tmp/pip-req-build-8d3_7_rq/torchvision/csrc/cuda/ROIAlign_cuda.cu:354)
frame #0: c10::Error::Error(c10::SourceLocation, std::__cxx11::basic_string<char, std
最低0.47元/天 解锁文章
weixin_43820848
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
ROI Align 代码解析个人心得（仅供参考）
qq_43088746的博客
08-15 3599
关于ROI Align的算法原理讲解，博客有很多，但是暂时没发现有讲解源码的，笔者最近使用Faster rcnn代码时就想仔细了解一下roi align的代码。于是就读了一下其代码，代码由C语言写的，也不是非常难理解，在这里贴一下自己对代码的理解，若有错误，欢迎大家批评指正。 void ROIAlignForwardCpu(const float* bottom_data, const float...
error: ROIAlign_cuda.cu(275): error: no instance of function template “THCCeilDiv“ matches
L-Dreams的博客
08-17 2142
解决ROIAlign_cuda.cu和ROIPool_cuda.cu编译错误（遇到的两个问题） 报错1： D:/python/frankmocap-master/frankmocap-master/detectors/hand_object_detector/lib/model/csrc/cuda/ROIAlign_cuda.cu(275): error: no instance of function template "THCCeilDiv" matches the argument list
彻底解决NotImplementedError: Could not run ‘torchvision::nms‘ with arguments from the ‘CUDA‘ backend.
最新发布
xiaohuoma7620的专栏
07-22 277
这样就不会出现torchvision::nms 和 torchvision::roi_align等问题了，一劳永逸。把上面的版本号替换为自己想要的版本，注意-f参数之后的网址中的cu118替换为自己的cuda版本。安装的是torchvision torchaudio。
pytorch torchvision.ops.roi_align 示例
无左无右的博客
11-26 1049
import torchvision import torch input_ = torch.rand(3, 128, 24, 96) #[b,c,h,w] bbox = [[0,0.1,0.15,0.4,0.6], [0,0.1,0.15,0.4,0.6], [1,0.01,0.15,0.4,0.6], [1,0.1,0.25,0.7,0.6], [2,0.01,0.14,...
【torchvision】roi_align、roi_pool使用说明
qq_40690815的博客
07-26 5305
【torchvision】roi_align、roi_pool 官网介绍 部分参数介绍内容： Arguments: input (Tensor[N, C, H, W]): input tensor boxes (Tensor[K, 5] or List[Tensor[L, 4]]): the box coordinates in (x1, y1, x2, y2) format where the regions will be taken from.
记录一个pytorch训练过程中的奇怪错误(解决) psroialign
slamdunkofkd的博客
03-01 1790
先写下错误原因和出现的时候，暂时没有解决，等到解决了来补充解决方案 ret = torch._C._nn.smooth_l1_loss(expanded_input, expanded_target, _Reduction.get_enum(reduction)) RuntimeError: reduce failed to synchronize: an illegal memory ac...
在函数‘ROIAlign_forward(at::Tensor const&, at::Tensor consst&, at::Tensor const&, double, long, long, l
weixin_43804210的博客
08-19 833
1.error CMakeFiles/example-app.dir/example-app.cpp.o：在函数‘ROIAlign_forward(at::Tensor const&, at::Tensor const&, double, long, long, long, bool)’中： example-app.cpp:(.text+0x1743)：对‘ROIAlign_forward_cuda(at::Tensor const&, at::Tensor const&,
torchvision教程（1）：utils中的两个函数make_grid和save_image
ouening的博客
05-26 5989
OS:Win10 pytorch:1.1.0 torchvison:0.3.0 python:3.7.3(Anaconda) 准备开始系统学习pytorch，先从torchvision入手研究。 torchvision安装目录结构 . |-- _C.cp37-win_amd64.pyd |-- __init__.p...
FasterRCNN源码解析（八）——ROIheads部分
prague6695的博客
03-25 4198
FasterRCNN源码解析（八）——ROIheads部分 文章目录FasterRCNN源码解析（八）——ROIheads部分一、TwoMLPHead二、FastRCNNPredictorroi_head正向传播过程 本节所对应的部分有 在我们的faster_rcnn_framework.py中的FasterRCNN类中，有实例化ROIheads部分 # 将roi pooling, box_head以及box_predictor结合在一起 roi_heads = RoIHeads(
实例分割--Mask RCNN详解（ROI Align / Loss Fun）
热门推荐
qinghuaci666的博客
07-03 5万+
1 总结架构与主要思想未完待续。。。
RoI变换器用于航空图像中的定向目标检测
Nan Xue, Yang Long, Gui-Song Xia∗, Qikai LuLIESMARS-CAPTAIN, Wuhan University, Wuhan, 430079, China{jian.ding, xuenan, longyang, guisong.xia, qikai lu}@whu.edu.cn28490学习RoI变换器用于航空图像中的...
ROIAlign源码详细解析
xiaoxu1025的专栏
12-25 3425
ROI Align 是在Mask-RCNN这篇论文里提出的一种区域特征聚集方式, 很好地解决了ROI Pooling操作中两次量化造成的区域不匹配(mis-alignment)的问题。 其中ROI Align用的是双线性插值(内插)来实现的，在分析源码前我们先来了解下什么是双线性插值。 插值定义：函数 y=f(x)在区间[a, b]上(n+1)个互异点xi(i=0,1,2...n)上的函数值y...
【ROI Align】Cuda版源码解读
咖啡味儿的咖啡
03-11 1418
1、ROI Align template &lt;typename T&gt; void ROIAlignForward_cpu_kernel( const int nthreads, const T* bottom_data, const T&amp; spatial_scale, const int channels, const int heig...
编译psroialign_cuda CHECK_CUDA(x); ‘CHECK_INPUT error: command 'gcc' failed with exit status 1
m0_37644085的博客
03-17 1613
psroialign_cuda.cpp: In function ‘int psroialign_backward_cuda(at::Tensor, at::Tensor, at::Tensor, at::Tensor, float, int, int)’: psroialign_cuda.cpp:25:80: error: ‘AT_CHECK’ was not declared in this...
pytorch torchvision.ops.roi_align
无左无右的博客
01-10 1814
pytorch的torchvision.ops.roi_align这个算子真的是坑我好多天啊！害我连续加班半个月！二阶段目标检测后面用roi_align来提取特征。 接口官方说明：https://pytorch.org/vision/stable/generated/torchvision.ops.roi_align.html?highlight=roi_align#torchvision.op...
Mask RCNN中的RoiAlign源码（caffe2）解读
yiyouxian的专栏
01-31 5286
RoiAlign原理就不介绍了，可参考这个链接，博主在里面介绍的已经非常清楚。 今天刚把对应的caffe2源码看了一遍，并添加了详细的注释，希望帮助大家理解，有问题欢迎指正，谢谢！#include "roi_align_op.h" #include "caffe2/utils/eigen_utils.h" #include "caffe2/utils/math.h" #ifdef CAFFE
RuntimeError: nms_impl: implementation for device cuda:0 not found.
seven_hells的博客
12-07 2374
nms_impl: implementation for device cuda:0 not found
ROI Align原理介绍
qq_36892712的博客
07-14 2339
是PyTorch的一个操作函数，用于在给定的RoIs（感兴趣区域）上执行空间变换网络。该操作函数可以被用于目标检测和物体识别等计算机视觉任务中，通常在RoI池化之前被执行。RoI Align（Region of Interest Align）是RoI池化的一种改进，它可以更加精确地对齐RoI中的特征，避免了RoI池化过程中的信息损失。具体来说，RoI Align操作首先将RoI区域划分为若干个小的网格，然后在每个网格内执行双线性插值，最终得到固定大小的特征图。
torchvision.ops.roi_align
06-28
### 回答1： torchvision.ops.roi_align是一个PyTorch中的操作，用于在给定的感兴趣区域（ROI）中对输入特征图进行池化操作。它可以用于目标检测和语义分割等任务中，以提取ROI中的特征。该操作使用双线性插值来对ROI进行对齐，并返回一个固定大小的输出特征图。 ### 回答2： torchvision.ops.roi_align是PyTorch中用于实现RoI(Region of Interest)对齐的操作。RoI对齐是目标检测中常用的一种操作，它能够将任意大小的RoI从特征图上对齐成固定大小的特征图，以便进行后续的分类或回归任务。RoI对齐的操作可以用于R-CNN、Fast R-CNN、Faster R-CNN等目标检测算法中。 具体来说，RoI对齐可以分为以下几个步骤： 1. 根据目标检测算法输出的RoI的坐标和特征图，从特征图中取出对应的RoI区域。 2. 将RoI区域划分为固定大小的n x n的小格子。 3. 对于每个小格子，计算其与RoI的偏移量。 4. 以每个小格子与RoI的偏移量为参数，对原始特征图进行双线性插值，计算每个小格子的特征值。 5. 将所有小格子的特征值按顺序排列成一个向量，作为RoI对齐后的特征。 torchvision.ops.roi_align实现了上述过程中的第4步和第5步。其中，它使用的是双线性插值方法，可以将原始特征图上的每个小格子映射到RoI区域上，并根据小格子与RoI的偏移量计算出对应的插值权重，最终得到每个小格子的特征值。RoI对齐后的特征可以直接输入到目标检测算法的分类或回归模块中进行后续处理。 总之，torchvision.ops.roi_align是实现RoI对齐的重要操作，它能够有效地提高目标检测算法的精度和效率。 ### 回答3： torchvision.ops.roi_align是一个基于PyTorch的ROI（Region Of Interest）对齐操作。ROI指定了像素级区域感兴趣的目标区域。ROI操作往往应用于物体检测、图像分割、语义分割等计算机视觉任务中，通过剪切对齐感兴趣的区域，提取出有用的特征和信息。 ROI对齐操作主要包括以下几个步骤：首先，根据给定的输入像素坐标和感兴趣区域的坐标，计算每个像素的原始坐标对应感兴趣区域中的位置；然后，根据计算得到的位置，进行双线性插值，得到对应位置的像素值；最后，对插值后的像素进行池化操作，得到特征图。 由于ROI对齐操作基于像素级的计算，其结果更加准确、稳定、可靠，比基于网格化的ROI池化效果要好得多。同时，ROI对齐操作可实现上述的计算过程并行化，可以保证效率和速度。 使用torchvision.ops.roi_align实现ROI对齐操作时，需要指定输入的特征图、ROI区域的大小、坐标和对齐的空间尺度等参数。对于输入特征图，可以是单通道或多通道的图像，也可以是任意维度的张量。对于ROI区域的大小和坐标，则需要根据具体计算图像的任务和数据集进行设置。而对于对齐的空间尺度，则是指定了ROI对齐后输出特征图的大小、宽度、高度等。 在实际的计算机视觉任务中，常用的ROI对齐算法包括Fast R-CNN、Mask R-CNN、Faster R-CNN等。因此，对于科学家和从事计算机视觉研究的工程师来说，掌握收集、处理、提取和分析感兴趣区域的技能是非常重要的，ROI对齐操作及其相关算法的理解和应用也是必不可少的。
评论 2
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