MIndspore同一批数据集推理结果不一致

最新推荐文章于 2022-11-22 14:02:59 发布
最新推荐文章于 2022-11-22 14:02:59 发布
阅读量214 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 自然语言处理
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/xi_xiyu/article/details/127744451
版权

使用mindspore对30*7 共210 个数据集进行测试，第一结果中错误率较大的如下：

对这些错误较大的数据集又跑了一遍，无任何其他改动，结果就变得正常了

请问这是什么原因导致的呢？是否是mindspore本身的bug，并且对单个数据进行测试的时候也有时会出现几次结果不一致的情况。

另外该代码是对一篇论文进行复现，模型完全基于原模型转化，但是结果不一致，比原论文略高了一点点，是否正常？

****************************************************解答*****************************************************

这种情况看起来很奇怪。我不清楚在这个领域（目标跟踪）是不是常见，但不好就此判断是mindspore

最低0.47元/天 解锁文章
xiao | yang
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MindSpore模型推理
吴建明wujianming_110117
01-25 492
MindSpore模型推理 如果想在应用中使用自定义的MindSpore Lite模型，需要告知推理器模型所在的位置。推理器加载模型的方式有以下三种： • 加载本地模型。 • 加载远程模型。 • 混合加载本地和远程模型。 加载模型 方式一：加载并初始化本地模型。 加载模型。 • Assets目录 a. MLCustomLocalModel localModel = new MLCustomLocalModel.Factory(“yourmodelname”) b. .setAssetPat
pytorch连续多次推理同样的数据，结果居然不一样？
cs_softwore的专栏
03-09 3669
深度学习中经常会用到反卷积操作，在使用pytorch时，发现如下问题，特做记录。 语句1：self.deconv1 = nn.ConvTranspose2d(in_channel, out_channel, kernel_size=4, stride=2, padding=1， output_padding=0， bias=False) 语句2：self.deconv1 = nn.Conv...
mindspore-modelzoo里面的faster_rcnn训练结果异常问题
weixin_45666880的博客
08-24 379
请基于 FasterRCNN在完整的coco数据集上训练得到的ckpt进行fine-tune. 不要修改train.py , 使能够加载完整的fasterrcnn的ckpt。模型：fasterrcnn：https://gitee.com/mindspore/models/tree/master/official/cv/faster_rcnn。相同的问题也出现在model zoo里面的maskrcnn，它也是基于fasterrcnn的基础进行开发的。
深入了解MindSpore训练推理框架设计
qq_31768873的博客
08-31 949
深入了解MindSpore训练测试流程构建
Mindspore 1.5rcGraph Mode训练速度慢，这是为什么？
Kenji_Shinji的博客
06-09 336
问题描述：【背景信息】整个Model是一个文字识别任务，包含CNN，Transformer，Loss只有一个CrossEntropy的分类loss。【问题描述】整个代码已经在PyNative模式下顺利运行，并且训练到了很高的性能。训练输入是batchsize=64的160x48的图片。输出类别数为7000左右。单卡单机，PyNative下训练，每个Batch平均需要3秒左右现在拿在PyNative模式下训练好的Model，load进来以后切换成GRAPH Mode继续finetune，发现精度几乎一致，没有
本数据包含一个多模态类比推理数据集MARS和一个多模态知识图谱数据集MarKG用来评估多模态模型的类比推理能力
02-18
类比推理是一种感知和利用两种情况或事件之间的关系相似性的能力，在人类认知中占有重要地位，并且在...本数据包含一个多模态类比推理数据集MARS和一个多模态知识图谱数据集MarKG用来评估多模态模型的类比推理能力。
斯坦福自然语言推理（SNLI）语料库-数据集
03-19
SNLI语料库（1.0版）是一个570k人工编写的英语句子对的集合，这些句子对经过手动标记以实现平衡分类，并带有enume，矛盾和中性标签，支持自然语言推理（NLI）的任务，也称为识别文本蕴涵（RTE）。可用于探索知识图谱...
WikiHop&MedHop跨文本推理机器阅读理解数据集
01-09
《WikiHop&MedHop跨文本推理机器阅读理解数据集详解》 在自然语言处理领域，机器阅读理解（Machine Reading Comprehension, MRC）是一项重要的任务，它要求模型能够理解文本，从中抽取答案，解决复杂的问题。而...
XNLI 自然语言推断数据集
04-09
自然语言处理（NLP）是计算机科学领域的一个关键分支，主要关注如何使...对于压缩包中的"xnli（自然语言推理）"文件，它可能包含了所有15种语言的数据子集，其中的中文部分将为研究者提供评估和训练模型的宝贵资源。
YOLOV5 实战项目：农场乌鸡目标检测数据集
最新发布
03-21
基于YOLOV5 对农场乌鸡目标检测数据集（1类别...训练过程中会生成验证集的混淆矩阵，PR曲线、F1曲线等等runs/detect目录下保存了网络推理训练集的全部结果，推理效果很好 更多yolov5改进介绍、或者如何训练，请参考： ...
使用MindSpore设置了随机种子，但ops.Randperm 输出不符合预期
weixin_45666880的博客
11-11 269
***************************************************解答*****************************************************我按照官网手册，指定了ms随机种子为固定值，并使用ops.Randperm获取指定长度的随机排列。选择了numpy 的 np.random.permutation接口，能够符合要求。请问我该如何修改代码使得mindspore的输出也符合预期？在固定了随机种子后，多次运行程序的结果应该是相同的。
【MindSpore产品】GPU下训练好的模型，直接推理结果nan，没有相关log指示错误
weixin_45666880的博客
06-19 532
问题描述：配置GPU ：context.set_context(device_target="GPU")得到下图nan推理结果我目前模型在CPU下训练，推理都没问题。在GPU环境一下可以正常训练，但是推理阶段出来的结果都是nan。与CPU 唯一不同的是‘CPU’改成‘GPU’： context.set_context(device_target="GPU")关键是也不报错，pycharm中 debug时在 模型的def construct里加断点，但是没用断不住，实在没招了，求助各位大佬~解答：1. 需要设
MindSpore踩坑——昇腾上的Cosine误差
skytttttt9394的博客
07-17 494
这两天遇到一个很经典的issue，为啥说经典呢，因为这是一个能够体现框架研发人员和算法工程师认知严重错位的典型案例。先放链接，有兴趣的同学可以去看下全过程。写模型的老师(maybe学生？)用了三个感叹号来表达内心的不爽。用于计算余弦函数的Cos算子，结果会有误差，正常情况下cos(pi)=-1.0，但是用MindSpore计算得到的结果多了一个-4e-6。一般情况下，如果在网络里用到Cos算子，其实影响也不大，但是。。。。这个时候影响就非常大了，入门常识问题，否则梯度更新会是反方向。了。...
MindSpore是一种适用于端边云场景的新型开源深度学习训练/推理框架
china365love的博客
11-22 1013
MindSpore是一种适用于端边云场景的新型开源深度学习训练/推理框架。MindSpore提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程师的开发体验，并为Ascend AI处理器提供原生支持，以及软硬件协同优化。同时，MindSpore作为全球AI开源社区，致力于进一步开发和丰富AI软硬件应用生态。欲了解更多详情，请查看我们的。
MindSpore初级教程-9.推理
朝闻道
02-24 771
推理 本节是初级教程的最后一节，为了更好地适配不同推理设备，因此推理分为 1）昇腾AI处理器推理和 2）移动设备推理。 昇腾AI处理器推理 1 概述 昇腾（Ascend）AI处理器是面向边缘场景的高能效高集成度AI处理器。可以实现图像、视频等多种数据分析与推理计算，可广泛用于智能监控、机器人、无人机、视频服务器等场景。本节我们来学习如何在昇腾AI处理器上使用MindSpore执行推理。 2 推理代码介绍 首先创建目录放置推理代码工程，model目录用于存放上述导出的MindIR模型文件，test
基于MindSpore Serving部署推理服务
qq_36893844的博客
12-13 732
概述 MindSpore Serving是一个轻量级、高性能的服务模块，旨在帮助MindSpore开发者在生产环境中高效部署在线推理服务。当用户使用MindSpore完成模型训练后，导出MindSpore模型，即可使用MindSpore Serving创建该模型的推理服务。 本文以一个简单的Add网络为例，演示MindSpore Serving如何使用。 环境准备 运行示例前，需确保已经正确安装了MindSpore Serving，并配置了环境变量 导出模型. 在export_model目录下，使用add_
【MindSpore】【MindIR】MindSpore如何进行MindIR推理呢
weixin_45666880的博客
07-15 294
看了官网教程，除了context.set_context(save_graphs=True)之外，不知道如何进行MindSpore的MindIR推理，希望大佬指教一下~导出的MindIR可以在Ascend310直接推理，也可以使用MindSporeServing服务进行推理。
Paper：《How to Get Reproducible Results with Keras如何获得可重复的结果—探究采用神经网络算法随机性—多次运行结果不一致的问题》的翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-18 4590
​ Paper：《How to Get Reproducible Results with Keras如何获得可重复的结果—探究采用神经网络算法随机性—多次运行结果不一致的问题》的翻译与解读 目录 理解和探究采用深度学习算法预测时导致每次运行结果不一致的问题 《How to Get Reproducible Results with Keras》的解读与翻译 相关文章 Python语言之随机：三种随机函数random.seed()、numpy.random.seed()、
【解决】每次加载已经训练好的模型，生成的向量会有不同
HWP
06-08 531
这是因为系统在每次加载已经训练好的模型之后，针对同样的语句会生成不用的向量。解决办法就是，在系统加载一次之后。通过for循环，依次输入自己的语句。这样的也是符合本实验的应用场景的。就是 仅加载一次模型，使用很多次！结果示意：.........
G1GPR9：对话中的语境化常识推理数据集
"G1GPR9是一个用于对话中语境化常识推理的二元对话数据集，包含了原因、后续事件、先决条件、动机和情绪反应等五种类型的推理任务。该数据集由5,672个对话的53,105个推断组成，旨在帮助理解和生成对话中的常识知识。...
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
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