FasterRCNN 训练错误 about deep-learning-for-image-processing HOT 14 CLOSED

你这是GPU环境没有配置好，应该是cuda的问题

from deep-learning-for-image-processing.

你这是GPU环境没有配置好，应该是cuda的问题

我用的是系里服务器，cuda是conda装的匹配pytorch的版本，一般会有什么问题呢？

from deep-learning-for-image-processing.

GPU，GPU驱动、CUDA以及Pytorch版本都是有对应关系的，你自己可以在Nvidia官网查下，看下你的GPU的驱动是否支持你下载的CUDA版本

from deep-learning-for-image-processing.

from deep-learning-for-image-processing.

但我测试是没问题的哦，你用我视频中提供的pascal voc数据集跑过吗？

from deep-learning-for-image-processing.

您好，我改进了网络结构，但是不能用官方预训练的权重了，我是要自己做一个预权重吗？还是直接不管直接跑数据集呢？

from deep-learning-for-image-processing.

from deep-learning-for-image-processing.

from deep-learning-for-image-processing.

@jacklee-scau 如果改了网络结构，还要看你改了哪里，如果你改了backbone部分，那一般是要在imagenet上预训练一下，然后最好在coco数据集上进行预训练，最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。

from deep-learning-for-image-processing.

@Kyfafyd 那应该是你数据集的问题了，是否有漏标或者空的标注文件。还有标注文件是否符合pascal voc格式。

from deep-learning-for-image-processing.

@jacklee-scau 如果改了网络结构，还要看你改了哪里，如果你改了backbone部分，那一般是要在imagenet上预训练一下，然后最好在coco数据集上进行预训练，最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。

我现在是在up主你的yolov3_spp上增加了两个spp层 （原则上没有改动backbone部分即darknet53）所以我不需要去imagenet上预训练对吗？但是我的数据集很小，我需要基于coco上的预训练对吗？（由于coco数据集太大，我用voc数据集预训练）但是我预训练之后的权重明显不对，一应用在自己的小数据集上就报错，报错为size不一样，或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗（yolov3-spp-ultralytics-512.pt）？刚接触这个，可能表达不好。请见谅！

from deep-learning-for-image-processing.

@jacklee-scau 如果改了网络结构，还要看你改了哪里，如果你改了backbone部分，那一般是要在imagenet上预训练一下，然后最好在coco数据集上进行预训练，最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。

我现在是在up主你的yolov3_spp上增加了两个spp层 （原则上没有改动backbone部分即darknet53）所以我不需要去imagenet上预训练对吗？但是我的数据集很小，我需要基于coco上的预训练对吗？（由于coco数据集太大，我用voc数据集预训练）但是我预训练之后的权重明显不对，一应用在自己的小数据集上就报错，报错为size不一样，或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗（yolov3-spp-ultralytics-512.pt）？刚接触这个，可能表达不好。请见谅！

1）那你可以只载入darknet53的部分权重，数据集小的话，如果想达到更好的效果，在coco数据集上预训练是很有帮助的。
2）只是增加两个spp结构，效果其实没明显提升的，还不如直接使用原结构。
3）你预训练没问题，迁移自己数据集有问题，那就是你自己哪个参数设置有误了。

from deep-learning-for-image-processing.

@jacklee-scau 如果改了网络结构，还要看你改了哪里，如果你改了backbone部分，那一般是要在imagenet上预训练一下，然后最好在coco数据集上进行预训练，最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。

我现在是在up主你的yolov3_spp上增加了两个spp层 （原则上没有改动backbone部分即darknet53）所以我不需要去imagenet上预训练对吗？但是我的数据集很小，我需要基于coco上的预训练对吗？（由于coco数据集太大，我用voc数据集预训练）但是我预训练之后的权重明显不对，一应用在自己的小数据集上就报错，报错为size不一样，或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗（yolov3-spp-ultralytics-512.pt）？刚接触这个，可能表达不好。请见谅！

1）那你可以只载入darknet53的部分权重，数据集小的话，如果想达到更好的效果，在coco数据集上预训练是很有帮助的。
2）只是增加两个spp结构，效果其实没明显提升的，还不如直接使用原结构。
3）你预训练没问题，迁移自己数据集有问题，那就是你自己哪个参数设置有误了。

我改了网络（这次仅仅在最后一个预测特征层的前面加了两个卷积层）加载官方模型预训练的时候就报错了，因为模型的网络参数接受到我改动的部分 提示建值不对，不知道该如何修改，报错信息如下：

Traceback (most recent call last):
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 100, in train
ckpt["model"] = {k: v for k, v in ckpt["model"].items() if model.state_dict()[k].numel() == v.numel()}
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 100, in
ckpt["model"] = {k: v for k, v in ckpt["model"].items() if model.state_dict()[k].numel() == v.numel()}
KeyError: 'module_list.112.Conv2d.weight'

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 288, in
train(hyp)
File "/Users/lsx/PycharmProjects/GitProjects/yolov3_spp/train.py", line 105, in train
raise KeyError(s) from e
KeyError: "weights/yolov3-spp-ultralytics-512.pt is not compatible with cfg/my_yolov3.cfg. Specify --weights '' or specify a --cfg compatible with weights/yolov3-spp-ultralytics-512.pt. See ultralytics/yolov3#657"

from deep-learning-for-image-processing.

@jacklee-scau 如果改了网络结构，还要看你改了哪里，如果你改了backbone部分，那一般是要在imagenet上预训练一下，然后最好在coco数据集上进行预训练，最后在自己的数据集上做迁移学习。如果你数据量很大可以尝试直接在自己数据集上训练。但一般而言基于在coco上的预训练权重进行迁移学习效果会更好。

我现在是在up主你的yolov3_spp上增加了两个spp层 （原则上没有改动backbone部分即darknet53）所以我不需要去imagenet上预训练对吗？但是我的数据集很小，我需要基于coco上的预训练对吗？（由于coco数据集太大，我用voc数据集预训练）但是我预训练之后的权重明显不对，一应用在自己的小数据集上就报错，报错为size不一样，或者类别不一样。请问在coco或voc上做预训练的时候还需要官方原来的权重吗（yolov3-spp-ultralytics-512.pt）？刚接触这个，可能表达不好。请见谅！

1）那你可以只载入darknet53的部分权重，数据集小的话，如果想达到更好的效果，在coco数据集上预训练是很有帮助的。
2）只是增加两个spp结构，效果其实没明显提升的，还不如直接使用原结构。
3）你预训练没问题，迁移自己数据集有问题，那就是你自己哪个参数设置有误了。

由于这个问题比较涉及细节， up主我可以添加一下您的联系方式吗（[email protected]），把详细的截图发您看一下,谢谢您！

from deep-learning-for-image-processing.