基于水果分类器cnn深度学习的环境调试（1）

第一步 安装该工程的各种依赖库
1）conda环境中安装OpenCV
在conda环境中通过下面的命令一键式安装OpenCV
conda install -c menpo opencv
conda install scikit-learn
2）dataset下载（fruit-360）
https://www.kaggle.com/moltean/fruits/version/44

3）training文件夹的去空格整理
https://www.v2ex.com/t/338851

---

python load_dataset.py --dataset /Users/apple/Desktop/Workspace/fruit-classification-pytorch-master/fruits-360

问题1、
Trying to backward through the graph a second time, but the buffers have already been freed. Specify retain_graph=True when calling backward the first time.
知识点：backward(gradient=None, retain_variables=False)
该问题是指在默认情况下，网络在反向传播中不允许多个backward()。需要在第一个backward设置
retain_variables=True
一般情况下，嵌套gan网络会出现三个loss需要反馈。建议交替更新D网络和G网络。

问题2、
Assertion `cur_target >= 0 && cur_target < n_classes’ failed. at /pytorch/torch/lib/THNN/generic/ClassNLLCriterion.c:62
该问题是指output的种类多余target。
检查model里最后种类输出个数。

问题3、
类似于is_same_size received an invalid combination of arguments - got (torch.FloatTensor), but expected (torch.cuda.FloatTensor other)的问题。
该问题是指没有统一是否使用GPU。
由于Tensor、Net类很多，所以一定要规划好是否添加cuda()，如果有cuda，确认是否使用async=True（该处作用是http://blog.csdn.net/amds123/article/details/70144995）。建议代码保持整齐，方便检查。此外在Variable中常用：
requires_grad=True 需要更新
volatile=True 不需要更新
这两个参数都是为了提高反向传播的效率，排除子图（即不必要更新的变量）。两者都是有一个标记为True，那么输出的变量的为True，两者都是False，输出的变量才是False。volatile=True相当于requires_grad=False。

问题4、
nn criterions don’t compute the gradient w.r.t. targets - please mark these variables as volatile or not requiring gradients
该问题是指计算criterion的两个变量的形状不一样大小。
再次提示，由于应用他人的代码，尤其是model部分，注意修改。根据自己的需求相应删减或增加卷积层，对应好接口。

1
断言函数报错，要求目标类大于等于0并且小于等于输入的类别，但是不满足。
在分类训练中经常遇到这个问题，一般来说在我们网络中输出的种类数和你label设置的种类数量不同的时候就会出现这个错误。

7 Assertion `cur_target >= 0 && cur_target < n_classes’ failed.

我们在分类训练中经常遇到这个问题，一般来说在我们网络中输出的种类数和你label设置的种类数量不同的时候就会出现这个错误。

但是，Pytorch有个要求，在使用CrossEntropyLoss这个函数进行验证时label必须是以0开始的：

假如我这样:

self.classes = [0, 1, 2, 3]
我的种类有四类，分别是0.1.2.3，这样就没有什么问题，但是如果我写成：

self.classes = [1, 2, 3, 4]