神经网络学习小记录-番外篇——常见问题汇总

2022-08-19 20:31:55 浏览数 (1)

大家好，又见面了，我是你们的朋友全栈君。

神经网络学习小记录-番外篇——常见问题汇总

  • 前言
  • 问题汇总
    • 1、下载问题
      • a、代码下载
      • b、 权值下载
      • c、 数据集下载
    • 2、环境配置问题
      • a、20系列所用的环境
      • b、30系列显卡环境配置
      • c、CPU环境配置
      • d、GPU利用问题与环境使用问题
      • e、DLL load failed: 找不到指定的模块
      • f、no module问题（no module name utils.utils、no module named ‘matplotlib’ ）
      • g、cuda安装失败问题
      • h、Ubuntu系统问题
      • i、VSCODE提示错误的问题
      • j、使用cpu进行训练与预测的问题
      • k、tqdm没有pos参数问题
      • l、提示decode(“utf-8”)的问题
      • m、提示TypeError: __array__() takes 1 positional argument but 2 were given错误
      • n、如何查看当前cuda和cudnn
      • o、为什么按照你的环境配置后还是不能使用
      • p、其它问题
    • 3、目标检测库问题汇总（人脸检测和分类库也可参考）
      • a、shape不匹配问题。
        • 1）、训练时shape不匹配问题。
        • 2）、预测时shape不匹配问题。
          • i、copying a param with shape torch.Size([75, 704, 1, 1]) from checkpoint
          • ii、Shapes are [1,1,1024,75] and [255,1024,1,1]. for ‘Assign_360’ (op: ‘Assign’) with input shapes: [1,1,1024,75], [255,1024,1,1].
      • b、显存不足问题（OOM、RuntimeError: CUDA out of memory）。
      • c、为什么要进行冻结训练与解冻训练，不进行行吗？
      • d、我的LOSS好大啊，有问题吗？（我的LOSS好小啊，有问题吗？）
      • e、为什么我训练出来的模型没有预测结果？
      • f、为什么我计算出来的map是0？
      • g、gbk编码错误（’gbk’ codec can’t decode byte）。
      • h、我的图片是xxx*xxx的分辨率的，可以用吗？
      • i、我想进行数据增强！怎么增强？
      • j、多GPU训练。
      • k、能不能训练灰度图？
      • l、断点续练问题。
      • m、我要训练其它的数据集，预训练权重能不能用？
      • n、网络如何从0开始训练？
      • o、为什么从0开始训练效果这么差（修改了网络主干，效果不好怎么办）？
      • p、你的权值都是哪里来的？
      • q、视频检测与摄像头检测
      • r、如何保存检测出的图片
      • s、遍历问题
      • t、路径问题（No such file or directory、StopIteration: [Errno 13] Permission denied: ‘XXXXXX’）
      • u、和原版比较问题，你怎么和原版不一样啊？
      • v、我的检测速度是xxx正常吗？我的检测速度还能增快吗？
      • w、预测图片不显示问题
      • x、算法评价问题（目标检测的map、PR曲线、Recall、Precision等）
      • y、coco数据集训练问题
      • z、UP，怎么优化模型啊？我想提升效果
      • aa、UP，有Focal LOSS的代码吗？怎么改啊？
      • ab、部署问题（ONNX、TensorRT等）
    • 4、语义分割库问题汇总
      • a、shape不匹配问题
        • 1）、训练时shape不匹配问题
        • 2）、预测时shape不匹配问题
          • i、copying a param with shape torch.Size([75, 704, 1, 1]) from checkpoint
          • ii、Shapes are [1,1,1024,75] and [255,1024,1,1]. for ‘Assign_360’ (op: ‘Assign’) with input shapes: [1,1,1024,75], [255,1024,1,1].
      • b、显存不足问题（OOM、RuntimeError: CUDA out of memory）。
      • c、为什么要进行冻结训练与解冻训练，不进行行吗？
      • d、我的LOSS好大啊，有问题吗？（我的LOSS好小啊，有问题吗？）
      • e、为什么我训练出来的模型没有预测结果？
      • f、为什么我计算出来的miou是0？
      • g、gbk编码错误（’gbk’ codec can’t decode byte）。
      • h、我的图片是xxx*xxx的分辨率的，可以用吗？
      • i、我想进行数据增强！怎么增强？
      • j、多GPU训练。
      • k、能不能训练灰度图？
      • l、断点续练问题。
      • m、我要训练其它的数据集，预训练权重能不能用？
      • n、网络如何从0开始训练？
      • o、为什么从0开始训练效果这么差（修改了网络主干，效果不好怎么办）？
      • p、你的权值都是哪里来的？
      • q、视频检测与摄像头检测
      • r、如何保存检测出的图片
      • s、遍历问题
      • t、路径问题（No such file or directory、StopIteration: [Errno 13] Permission denied: ‘XXXXXX’）
      • u、和原版比较问题，你怎么和原版不一样啊？
      • v、我的检测速度是xxx正常吗？我的检测速度还能增快吗？
      • w、预测图片不显示问题
      • x、算法评价问题（miou）
      • y、UP，怎么优化模型啊？我想提升效果
      • z、部署问题（ONNX、TensorRT等）
    • 5、交流群问题
    • 6、怎么学习的问题

前言

搞个问题汇总吧，不然一个一个解释也挺难的。

问题汇总

1、下载问题

a、代码下载

问：up主，可以给我发一份代码吗，代码在哪里下载啊？ 答：Github上的地址就在视频简介里。复制一下就能进去下载了。

问：up主，为什么我下载的代码提示压缩包损坏？ 答：重新去Github下载。

问：up主，为什么我下载的代码和你在视频以及博客上的代码不一样？ 答：我常常会对代码进行更新，最终以实际的代码为准。

b、 权值下载

问：up主，为什么我下载的代码里面，model_data下面没有.pth或者.h5文件？ 答：我一般会把权值上传到Github和百度网盘，在GITHUB的README里面就能找到。

c、 数据集下载

问：up主，XXXX数据集在哪里下载啊？ 答：一般数据集的下载地址我会放在README里面，基本上都有，没有的话请及时联系我添加，直接发github的issue即可。

2、环境配置问题

a、20系列所用的环境

pytorch代码对应的pytorch版本为1.2，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/106037141。

keras代码对应的tensorflow版本为1.13.2，keras版本是2.1.5，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/104702142。

tf2代码对应的tensorflow版本为2.2.0，无需安装keras，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/109161493。

问：你的代码某某某版本的tensorflow和pytorch能用嘛？ 答：最好按照我推荐的配置，配置教程也有！其它版本的我没有试过！可能出现问题但是一般问题不大。仅需要改少量代码即可。

b、30系列显卡环境配置

30系显卡由于框架更新不可使用上述环境配置教程。 当前我已经测试的可以用的30显卡配置如下： pytorch代码对应的pytorch版本为1.7.0，cuda为11.0，cudnn为8.0.5，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/120668551。

keras代码无法在win10下配置cuda11，在ubuntu下可以百度查询一下，配置tensorflow版本为1.15.4，keras版本是2.1.5或者2.3.1（少量函数接口不同，代码可能还需要少量调整。）

tf2代码对应的tensorflow版本为2.4.0，cuda为11.0，cudnn为8.0.5，博客地址对应为https://blog.csdn.net/weixin_44791964/article/details/120657664。

c、CPU环境配置

pytorch代码对应的pytorch-cpu版本为1.2，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/120655098

keras代码对应的tensorflow-cpu版本为1.13.2，keras版本是2.1.5，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/120653717。

tf2代码对应的tensorflow-cpu版本为2.2.0，无需安装keras，博客地址对应https://blog.csdn.net/weixin_44791964/article/details/120656291。

d、GPU利用问题与环境使用问题

问：为什么我安装了tensorflow-gpu但是却没用利用GPU进行训练呢？ 答：确认tensorflow-gpu已经装好，利用pip list查看tensorflow版本，然后查看任务管理器或者利用nvidia命令看看是否使用了gpu进行训练，任务管理器的话要看显存使用情况。

问：up主，我好像没有在用gpu进行训练啊，怎么看是不是用了GPU进行训练？ 答：查看是否使用GPU进行训练一般使用NVIDIA在命令行的查看命令。在windows电脑中打开cmd然后利用nvidia-smi指令查看GPU利用情况

如果要一定看任务管理器的话，请看性能部分GPU的显存是否利用，或者查看任务管理器的Cuda，而非Copy。

e、DLL load failed: 找不到指定的模块

问：出现如下错误

代码语言：javascript复制
Traceback (most recent call last):
  File "C:UsersfocusAnaconda3anaenvstensorflow-gpulibsite-packagestensorflowpythonpywrap_tensorflow.py", line 58, in <module>
 from tensorflow.python.pywrap_tensorflow_internal import *
File "C:UsersfocusAnaconda3anaenvstensorflow-gpulibsite-packagestensorflowpythonpywrap_tensorflow_internal.py", line 28, in <module>
pywrap_tensorflow_internal = swig_import_helper()
  File "C:UsersfocusAnaconda3anaenvstensorflow-gpulibsite-packagestensorflowpythonpywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
File "C:UsersfocusAnaconda3anaenvstensorflow-gpulibimp.py", line 243, in load_modulereturn load_dynamic(name, filename, file)
File "C:UsersfocusAnaconda3anaenvstensorflow-gpulibimp.py", line 343, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: 找不到指定的模块。

答：如果没重启过就重启一下，否则重新按照步骤安装，还无法解决则把你的GPU、CUDA、CUDNN、TF版本以及PYTORCH版本私聊告诉我。

f、no module问题（no module name utils.utils、no module named ‘matplotlib’ ）

问：为什么提示说no module name utils.utils（no module name nets.yolo、no module name nets.ssd等一系列问题）啊？ 答：utils并不需要用pip装，它就在我上传的仓库的根目录，出现这个问题的原因是根目录不对，查查相对目录和根目录的概念。查了基本上就明白了。

问：为什么提示说no module name matplotlib（no module name PIL，no module name cv2等等）？ 答：这个库没安装打开命令行安装就好。pip install matplotlib

问：为什么我已经用pip装了opencv（pillow、matplotlib等），还是提示no module name cv2？ 答：没有激活环境装，要激活对应的conda环境进行安装才可以正常使用

问：为什么提示说No module named ‘torch’ ？ 答：其实我也真的很想知道为什么会有这个问题……这个pytorch没装是什么情况？一般就俩情况，一个是真的没装，还有一个是装到其它环境了，当前激活的环境不是自己装的环境。

问：为什么提示说No module named ‘tensorflow’ ？ 答：同上。

g、cuda安装失败问题

一般cuda安装前需要安装Visual Studio，装个2017版本即可。

h、Ubuntu系统问题

所有代码在Ubuntu下可以使用，我两个系统都试过。

i、VSCODE提示错误的问题

问：为什么在VSCODE里面提示一大堆的错误啊？ 答：我也提示一大堆的错误，但是不影响，是VSCODE的问题，如果不想看错误的话就装Pycharm。 最好将设置里面的Python:Language Server，调整为Pylance。

j、使用cpu进行训练与预测的问题

对于keras和tf2的代码而言，如果想用cpu进行训练和预测，直接装cpu版本的tensorflow就可以了。

对于pytorch的代码而言，如果想用cpu进行训练和预测，需要将cuda=True修改成cuda=False。

k、tqdm没有pos参数问题

问：运行代码提示’tqdm’ object has no attribute ‘pos’。 答：重装tqdm，换个版本就可以了。

l、提示decode(“utf-8”)的问题

由于h5py库的更新，安装过程中会自动安装h5py=3.0.0以上的版本，会导致decode(“utf-8”)的错误！ 各位一定要在安装完tensorflow后利用命令装h5py=2.10.0！

代码语言：javascript复制
pip install h5py==2.10.0

m、提示TypeError: array() takes 1 positional argument but 2 were given错误

可以修改pillow版本解决。

代码语言：javascript复制
pip install pillow==8.2.0

n、如何查看当前cuda和cudnn

window下cuda版本查看方式如下： 1、打开cmd窗口。 2、输入nvcc -V。 3、Cuda compilation tools, release XXXXXXXX中的XXXXXXXX即cuda版本。

window下cudnn版本查看方式如下： 1、进入cuda安装目录，进入incude文件夹。 2、找到cudnn.h文件。 3、右键文本打开，下拉，看到#define处可获得cudnn版本。

代码语言：javascript复制
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 4
#define CUDNN_PATCHLEVEL 1

代表cudnn为7.4.1。

o、为什么按照你的环境配置后还是不能使用

问：up主，为什么我按照你的环境配置后还是不能使用？ 答：请把你的GPU、CUDA、CUDNN、TF版本以及PYTORCH版本B站私聊告诉我。

p、其它问题

问：为什么提示TypeError: cat() got an unexpected keyword argument ‘axis’，Traceback (most recent call last)，AttributeError: ‘Tensor’ object has no attribute ‘bool’？ 答：这是版本问题，建议使用torch1.2以上版本

其它有很多稀奇古怪的问题，很多是版本问题，建议按照我的视频教程安装Keras和tensorflow。比如装的是tensorflow2，就不用问我说为什么我没法运行Keras-yolo啥的。那是必然不行的。

3、目标检测库问题汇总（人脸检测和分类库也可参考）

a、shape不匹配问题。

1）、训练时shape不匹配问题。

问：up主，为什么运行train.py会提示shape不匹配啊？ 答：在keras环境中，因为你训练的种类和原始的种类不同，网络结构会变化，所以最尾部的shape会有少量不匹配。

2）、预测时shape不匹配问题。

问：为什么我运行predict.py会提示我说shape不匹配呀。

i、copying a param with shape torch.Size([75, 704, 1, 1]) from checkpoint

在Pytorch里面是这样的：

ii、Shapes are [1,1,1024,75] and [255,1024,1,1]. for ‘Assign_360’ (op: ‘Assign’) with input shapes: [1,1,1024,75], [255,1024,1,1].

在Keras里面是这样的：

答：原因主要有仨： 1、训练的classes_path没改，就开始训练了。 2、训练的model_path没改。 3、训练的classes_path没改。 请检查清楚了！确定自己所用的model_path和classes_path是对应的！训练的时候用到的num_classes或者classes_path也需要检查！

b、显存不足问题（OOM、RuntimeError: CUDA out of memory）。

问：为什么我运行train.py下面的命令行闪的贼快，还提示OOM啥的？ 答：这是在keras中出现的，爆显存了，可以改小batch_size，SSD的显存占用率是最小的，建议用SSD； 2G显存：SSD、YOLOV4-TINY 4G显存：YOLOV3 6G显存：YOLOV4、Retinanet、M2det、Efficientdet、Faster RCNN等 8G 显存：随便选吧。 需要注意的是，受到BatchNorm2d影响，batch_size不可为1，至少为2。

问：为什么提示 RuntimeError: CUDA out of memory. Tried to allocate 52.00 MiB (GPU 0; 15.90 GiB total capacity; 14.85 GiB already allocated; 51.88 MiB free; 15.07 GiB reserved in total by PyTorch)？ 答：这是pytorch中出现的，爆显存了，同上。

问：为什么我显存都没利用，就直接爆显存了？ 答：都爆显存了，自然就不利用了，模型没有开始训练。

c、为什么要进行冻结训练与解冻训练，不进行行吗？

问：为什么要冻结训练和解冻训练呀？ 答：可以不进行，本质上是为了保证性能不足的同学的训练，如果电脑性能完全不够，可以将Freeze_Epoch和UnFreeze_Epoch设置成一样，只进行冻结训练。

同时这也是迁移学习的思想，因为神经网络主干特征提取部分所提取到的特征是通用的，我们冻结起来训练可以加快训练效率，也可以防止权值被破坏。 在冻结阶段，模型的主干被冻结了，特征提取网络不发生改变。占用的显存较小，仅对网络进行微调。 在解冻阶段，模型的主干不被冻结了，特征提取网络会发生改变。占用的显存较大，网络所有的参数都会发生改变。

d、我的LOSS好大啊，有问题吗？（我的LOSS好小啊，有问题吗？）

问：为什么我的网络不收敛啊，LOSS是XXXX。 答：不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，我的yolo代码都没有归一化，所以LOSS值看起来比较高，LOSS的值不重要，重要的是是否在变小，预测是否有效果。

e、为什么我训练出来的模型没有预测结果？

问：为什么我的训练效果不好？预测了没有框（框不准）。 答： 考虑几个问题： 1、目标信息问题，查看2007_train.txt文件是否有目标信息，没有的话请修改voc_annotation.py。 2、数据集问题，小于500的自行考虑增加数据集，同时测试不同的模型，确认数据集是好的。 3、是否解冻训练，如果数据集分布与常规画面差距过大需要进一步解冻训练，调整主干，加强特征提取能力。 4、网络问题，比如SSD不适合小目标，因为先验框固定了。 5、训练时长问题，有些同学只训练了几代表示没有效果，按默认参数训练完。 6、确认自己是否按照步骤去做了，如果比如voc_annotation.py里面的classes是否修改了等。 7、不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，LOSS的值不重要，重要的是是否收敛。 8、是否修改了网络的主干，如果修改了没有预训练权重，网络不容易收敛，自然效果不好。

f、为什么我计算出来的map是0？

问：为什么我的训练效果不好？没有map？ 答： 首先尝试利用predict.py预测一下，如果有效果的话应该是get_map.py里面的classes_path设置错误。如果没有预测结果的话，解决方法同e问题，对下面几点进行检查： 1、目标信息问题，查看2007_train.txt文件是否有目标信息，没有的话请修改voc_annotation.py。 2、数据集问题，小于500的自行考虑增加数据集，同时测试不同的模型，确认数据集是好的。 3、是否解冻训练，如果数据集分布与常规画面差距过大需要进一步解冻训练，调整主干，加强特征提取能力。 4、网络问题，比如SSD不适合小目标，因为先验框固定了。 5、训练时长问题，有些同学只训练了几代表示没有效果，按默认参数训练完。 6、确认自己是否按照步骤去做了，如果比如voc_annotation.py里面的classes是否修改了等。 7、不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，LOSS的值不重要，重要的是是否收敛。 8、是否修改了网络的主干，如果修改了没有预训练权重，网络不容易收敛，自然效果不好。

g、gbk编码错误（‘gbk’ codec can’t decode byte）。

问：我怎么出现了gbk什么的编码错误啊：

代码语言：javascript复制
UnicodeDecodeError: 'gbk' codec can't decode byte 0xa6 in position 446: illegal multibyte sequence

答：标签和路径不要使用中文，如果一定要使用中文，请注意处理的时候编码的问题，改成打开文件的encoding方式改为utf-8。

h、我的图片是xxx*xxx的分辨率的，可以用吗？

问：我的图片是xxx*xxx的分辨率的，可以用吗！ 答：可以用，代码里面会自动进行resize与数据增强。

i、我想进行数据增强！怎么增强？

问：我想要进行数据增强！怎么做呢？ 答：可以用，代码里面会自动进行resize与数据增强。

j、多GPU训练。

问：怎么进行多GPU训练？ 答：pytorch的大多数代码可以直接使用gpu训练，keras的话直接百度就好了，实现并不复杂，我没有多卡没法详细测试，还需要各位同学自己努力了。

k、能不能训练灰度图？

问：能不能训练灰度图（预测灰度图）啊？ 答：我的大多数库会将灰度图转化成RGB进行训练和预测，如果遇到代码不能训练或者预测灰度图的情况，可以尝试一下在get_random_data里面将Image.open后的结果转换成RGB，预测的时候也这样试试。（仅供参考）

l、断点续练问题。

问：我已经训练过几个世代了，能不能从这个基础上继续开始训练 答：可以，你在训练前，和载入预训练权重一样载入训练过的权重就行了。一般训练好的权重会保存在logs文件夹里面，将model_path修改成你要开始的权值的路径即可。

m、我要训练其它的数据集，预训练权重能不能用？

问：如果我要训练其它的数据集，预训练权重要怎么办啊？ 答：数据的预训练权重对不同数据集是通用的，因为特征是通用的，预训练权重对于99%的情况都必须要用，不用的话权值太过随机，特征提取效果不明显，网络训练的结果也不会好。

n、网络如何从0开始训练？

问：我要怎么不使用预训练权重啊？ 答：看一看注释、大多数代码是model_path = ‘’，Freeze_Train = Fasle，如果设置model_path无用，那么把载入预训练权重的代码注释了就行。

o、为什么从0开始训练效果这么差（修改了网络主干，效果不好怎么办）？

问：为什么我不使用预训练权重效果这么差啊？ 答：因为随机初始化的权值不好，提取的特征不好，也就导致了模型训练的效果不好，voc07 12、coco voc07 12效果都不一样，预训练权重还是非常重要的。

问：up，我修改了网络，预训练权重还能用吗？ 答：修改了主干的话，如果不是用的现有的网络，基本上预训练权重是不能用的，要么就自己判断权值里卷积核的shape然后自己匹配，要么只能自己预训练去了；修改了后半部分的话，前半部分的主干部分的预训练权重还是可以用的，如果是pytorch代码的话，需要自己修改一下载入权值的方式，判断shape后载入，如果是keras代码，直接by_name=True,skip_mismatch=True即可。 权值匹配的方式可以参考如下：

代码语言：javascript复制
# 加快模型训练的效率
print('Loading weights into state dict...')
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model_dict = model.state_dict()
pretrained_dict = torch.load(model_path, map_location=device)
a = { 
   }
for k, v in pretrained_dict.items():
    try:    
        if np.shape(model_dict[k]) ==  np.shape(v):
            a[k]=v
    except:
        pass
model_dict.update(a)
model.load_state_dict(model_dict)
print('Finished!')

问：为什么从0开始训练效果这么差（我修改了网络主干，效果不好怎么办）？ 答：一般来讲，网络从0开始的训练效果会很差，因为权值太过随机，特征提取效果不明显，因此非常、非常、非常不建议大家从0开始训练！如果一定要从0开始，可以了解imagenet数据集，首先训练分类模型，获得网络的主干部分权值，分类模型的 主干部分 和该模型通用，基于此进行训练。 网络修改了主干之后也是同样的问题，随机的权值效果很差。

问：怎么在模型上从0开始训练？ 答：在算力不足与调参能力不足的情况下从0开始训练毫无意义。模型特征提取能力在随机初始化参数的情况下非常差。没有好的参数调节能力和算力，无法使得网络正常收敛。 如果一定要从0开始，那么训练的时候请注意几点：

  • 不载入预训练权重。
  • 不要进行冻结训练，注释冻结模型的代码。

问：为什么我不使用预训练权重效果这么差啊？ 答：因为随机初始化的权值不好，提取的特征不好，也就导致了模型训练的效果不好，voc07 12、coco voc07 12效果都不一样，预训练权重还是非常重要的。

p、你的权值都是哪里来的？

问：如果网络不能从0开始训练的话你的权值哪里来的？ 答：有些权值是官方转换过来的，有些权值是自己训练出来的，我用到的主干的imagenet的权值都是官方的。

q、视频检测与摄像头检测

问：怎么用摄像头检测呀？ 答：predict.py修改参数可以进行摄像头检测，也有视频详细解释了摄像头检测的思路。

问：怎么用视频检测呀？ 答：同上

r、如何保存检测出的图片

问：检测完的图片怎么保存？ 答：一般目标检测用的是Image，所以查询一下PIL库的Image如何进行保存。详细看看predict.py文件的注释。

问：怎么用视频保存呀？ 答：详细看看predict.py文件的注释。

s、遍历问题

问：如何对一个文件夹的图片进行遍历？ 答：一般使用os.listdir先找出文件夹里面的所有图片，然后根据predict.py文件里面的执行思路检测图片就行了，详细看看predict.py文件的注释。

问：如何对一个文件夹的图片进行遍历？并且保存。 答：遍历的话一般使用os.listdir先找出文件夹里面的所有图片，然后根据predict.py文件里面的执行思路检测图片就行了。保存的话一般目标检测用的是Image，所以查询一下PIL库的Image如何进行保存。如果有些库用的是cv2，那就是查一下cv2怎么保存图片。详细看看predict.py文件的注释。

t、路径问题（No such file or directory、StopIteration: [Errno 13] Permission denied: ‘XXXXXX’）

问：我怎么出现了这样的错误呀：

代码语言：javascript复制
FileNotFoundError: 【Errno 2】 No such file or directory
StopIteration: [Errno 13] Permission denied: 'D:\Study\Collection\Dataset\VOC07 12 test\VOCdevkit/VOC2007'
……………………………………
……………………………………

答：去检查一下文件夹路径，查看是否有对应文件；并且检查一下2007_train.txt，其中文件路径是否有错。 关于路径有几个重要的点： 文件夹名称中一定不要有空格。 注意相对路径和绝对路径。 多百度路径相关的知识。

所有的路径问题基本上都是根目录问题，好好查一下相对目录的概念！

u、和原版比较问题，你怎么和原版不一样啊？

问：原版的代码是XXX，为什么你的代码是XXX？ 答：是啊……这要不怎么说我不是原版呢……

问：你这个代码和原版比怎么样，可以达到原版的效果么？ 答：基本上可以达到，我都用voc数据测过，我没有好显卡，没有能力在coco上测试与训练。

问：你有没有实现yolov4所有的tricks，和原版差距多少？ 答：并没有实现全部的改进部分，由于YOLOV4使用的改进实在太多了，很难完全实现与列出来，这里只列出来了一些我比较感兴趣，而且非常有效的改进。论文中提到的SAM（注意力机制模块），作者自己的源码也没有使用。还有其它很多的tricks，不是所有的tricks都有提升，我也没法实现全部的tricks。至于和原版的比较，我没有能力训练coco数据集，根据使用过的同学反应差距不大。

v、我的检测速度是xxx正常吗？我的检测速度还能增快吗？

问：你这个FPS可以到达多少，可以到 XX FPS么？ 答：FPS和机子的配置有关，配置高就快，配置低就慢。

问：我的检测速度是xxx正常吗？我的检测速度还能增快吗？ 答：看配置，配置好速度就快，如果想要配置不变的情况下加快速度，就要修改网络了。

问：为什么我用服务器去测试yolov4（or others）的FPS只有十几？ 答：检查是否正确安装了tensorflow-gpu或者pytorch的gpu版本，如果已经正确安装，可以去利用time.time()的方法查看detect_image里面，哪一段代码耗时更长（不仅只有网络耗时长，其它处理部分也会耗时，如绘图等）。

问：为什么论文中说速度可以达到XX，但是这里却没有？ 答：检查是否正确安装了tensorflow-gpu或者pytorch的gpu版本，如果已经正确安装，可以去利用time.time()的方法查看detect_image里面，哪一段代码耗时更长（不仅只有网络耗时长，其它处理部分也会耗时，如绘图等）。有些论文还会使用多batch进行预测，我并没有去实现这个部分。

w、预测图片不显示问题

问：为什么你的代码在预测完成后不显示图片？只是在命令行告诉我有什么目标。 答：给系统安装一个图片查看器就行了。

x、算法评价问题（目标检测的map、PR曲线、Recall、Precision等）

问：怎么计算map？ 答：看map视频，都一个流程。

问：计算map的时候，get_map.py里面有一个MINOVERLAP是什么用的，是iou吗？ 答：是iou，它的作用是判断预测框和真实框的重合成度，如果重合程度大于MINOVERLAP，则预测正确。

问：为什么get_map.py里面的self.confidence（self.score）要设置的那么小？ 答：看一下map的视频的原理部分，要知道所有的结果然后再进行pr曲线的绘制。

问：能不能说说怎么绘制PR曲线啥的呀。 答：可以看mAP视频，结果里面有PR曲线。

问：怎么计算Recall、Precision指标。 答：这俩指标应该是相对于特定的置信度的，计算map的时候也会获得。

y、coco数据集训练问题

问：目标检测怎么训练COCO数据集啊？。 答：coco数据训练所需要的txt文件可以参考qqwweee的yolo3的库，格式都是一样的。

z、UP，怎么优化模型啊？我想提升效果

问：up，怎么修改模型啊，我想发个小论文！ 答：建议看看yolov3和yolov4的区别，然后看看yolov4的论文，作为一个大型调参现场非常有参考意义，使用了很多tricks。我能给的建议就是多看一些经典模型，然后拆解里面的亮点结构并使用。

aa、UP，有Focal LOSS的代码吗？怎么改啊？

问：up，YOLO系列使用Focal LOSS的代码你有吗，有提升吗？ 答：很多人试过，提升效果也不大（甚至变的更Low），它自己有自己的正负样本的平衡方式。改代码的事情，还是自己好好看看代码吧。

ab、部署问题（ONNX、TensorRT等）

我没有具体部署到手机等设备上过，所以很多部署问题我并不了解……

4、语义分割库问题汇总

a、shape不匹配问题

1）、训练时shape不匹配问题

问：up主，为什么运行train.py会提示shape不匹配啊？ 答：在keras环境中，因为你训练的种类和原始的种类不同，网络结构会变化，所以最尾部的shape会有少量不匹配。

2）、预测时shape不匹配问题

问：为什么我运行predict.py会提示我说shape不匹配呀。

i、copying a param with shape torch.Size([75, 704, 1, 1]) from checkpoint

在Pytorch里面是这样的：

ii、Shapes are [1,1,1024,75] and [255,1024,1,1]. for ‘Assign_360’ (op: ‘Assign’) with input shapes: [1,1,1024,75], [255,1024,1,1].

在Keras里面是这样的：

答：原因主要有二： 1、train.py里面的num_classes没改。 2、预测时num_classes没改。 3、预测时model_path没改。 请检查清楚！训练和预测的时候用到的num_classes都需要检查！

b、显存不足问题（OOM、RuntimeError: CUDA out of memory）。

问：为什么我运行train.py下面的命令行闪的贼快，还提示OOM啥的？ 答：这是在keras中出现的，爆显存了，可以改小batch_size。

需要注意的是，受到BatchNorm2d影响，batch_size不可为1，至少为2。

问：为什么提示 RuntimeError: CUDA out of memory. Tried to allocate 52.00 MiB (GPU 0; 15.90 GiB total capacity; 14.85 GiB already allocated; 51.88 MiB free; 15.07 GiB reserved in total by PyTorch)？ 答：这是pytorch中出现的，爆显存了，同上。

问：为什么我显存都没利用，就直接爆显存了？ 答：都爆显存了，自然就不利用了，模型没有开始训练。

c、为什么要进行冻结训练与解冻训练，不进行行吗？

问：为什么要冻结训练和解冻训练呀？ 答：可以不进行，本质上是为了保证性能不足的同学的训练，如果电脑性能完全不够，可以将Freeze_Epoch和UnFreeze_Epoch设置成一样，只进行冻结训练。

同时这也是迁移学习的思想，因为神经网络主干特征提取部分所提取到的特征是通用的，我们冻结起来训练可以加快训练效率，也可以防止权值被破坏。 在冻结阶段，模型的主干被冻结了，特征提取网络不发生改变。占用的显存较小，仅对网络进行微调。 在解冻阶段，模型的主干不被冻结了，特征提取网络会发生改变。占用的显存较大，网络所有的参数都会发生改变。

d、我的LOSS好大啊，有问题吗？（我的LOSS好小啊，有问题吗？）

问：为什么我的网络不收敛啊，LOSS是XXXX。 答：不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，我的yolo代码都没有归一化，所以LOSS值看起来比较高，LOSS的值不重要，重要的是是否在变小，预测是否有效果。

e、为什么我训练出来的模型没有预测结果？

问：为什么我的训练效果不好？预测了没有框（框不准）。 答： 考虑几个问题： 1、数据集问题，这是最重要的问题。小于500的自行考虑增加数据集；一定要检查数据集的标签，视频中详细解析了VOC数据集的格式，但并不是有输入图片有输出标签即可，还需要确认标签的每一个像素值是否为它对应的种类。很多同学的标签格式不对，最常见的错误格式就是标签的背景为黑，目标为白，此时目标的像素点值为255，无法正常训练，目标需要为1才行。 2、是否解冻训练，如果数据集分布与常规画面差距过大需要进一步解冻训练，调整主干，加强特征提取能力。 3、网络问题，可以尝试不同的网络。 4、训练时长问题，有些同学只训练了几代表示没有效果，按默认参数训练完。 5、确认自己是否按照步骤去做了。 6、不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，LOSS的值不重要，重要的是是否收敛。

问：为什么我的训练效果不好？对小目标预测不准确。 答：对于deeplab和pspnet而言，可以修改一下downsample_factor，当downsample_factor为16的时候下采样倍数过多，效果不太好，可以修改为8。

f、为什么我计算出来的miou是0？

问：为什么我的训练效果不好？计算出来的miou是0？。 答： 与e类似，考虑几个问题： 1、数据集问题，这是最重要的问题。小于500的自行考虑增加数据集；一定要检查数据集的标签，视频中详细解析了VOC数据集的格式，但并不是有输入图片有输出标签即可，还需要确认标签的每一个像素值是否为它对应的种类。很多同学的标签格式不对，最常见的错误格式就是标签的背景为黑，目标为白，此时目标的像素点值为255，无法正常训练，目标需要为1才行。 2、是否解冻训练，如果数据集分布与常规画面差距过大需要进一步解冻训练，调整主干，加强特征提取能力。 3、网络问题，可以尝试不同的网络。 4、训练时长问题，有些同学只训练了几代表示没有效果，按默认参数训练完。 5、确认自己是否按照步骤去做了。 6、不同网络的LOSS不同，LOSS只是一个参考指标，用于查看网络是否收敛，而非评价网络好坏，LOSS的值不重要，重要的是是否收敛。

g、gbk编码错误（‘gbk’ codec can’t decode byte）。

问：我怎么出现了gbk什么的编码错误啊：

代码语言：javascript复制
UnicodeDecodeError: 'gbk' codec can't decode byte 0xa6 in position 446: illegal multibyte sequence

答：标签和路径不要使用中文，如果一定要使用中文，请注意处理的时候编码的问题，改成打开文件的encoding方式改为utf-8。

h、我的图片是xxx*xxx的分辨率的，可以用吗？

问：我的图片是xxx*xxx的分辨率的，可以用吗！ 答：可以用，代码里面会自动进行resize与数据增强。

i、我想进行数据增强！怎么增强？

问：我想要进行数据增强！怎么做呢？ 答：可以用，代码里面会自动进行resize与数据增强。

j、多GPU训练。

问：怎么进行多GPU训练？ 答：pytorch的大多数代码可以直接使用gpu训练，keras的话直接百度就好了，实现并不复杂，我没有多卡没法详细测试，还需要各位同学自己努力了。

k、能不能训练灰度图？

问：能不能训练灰度图（预测灰度图）啊？ 答：我的大多数库会将灰度图转化成RGB进行训练和预测，如果遇到代码不能训练或者预测灰度图的情况，可以尝试一下在get_random_data里面将Image.open后的结果转换成RGB，预测的时候也这样试试。（仅供参考）

l、断点续练问题。

问：我已经训练过几个世代了，能不能从这个基础上继续开始训练 答：可以，你在训练前，和载入预训练权重一样载入训练过的权重就行了。一般训练好的权重会保存在logs文件夹里面，将model_path修改成你要开始的权值的路径即可。

m、我要训练其它的数据集，预训练权重能不能用？

问：如果我要训练其它的数据集，预训练权重要怎么办啊？ 答：数据的预训练权重对不同数据集是通用的，因为特征是通用的，预训练权重对于99%的情况都必须要用，不用的话权值太过随机，特征提取效果不明显，网络训练的结果也不会好。

n、网络如何从0开始训练？

问：我要怎么不使用预训练权重啊？ 答：看一看注释、大多数代码是model_path = ‘’，Freeze_Train = Fasle，如果设置model_path无用，那么把载入预训练权重的代码注释了就行。

o、为什么从0开始训练效果这么差（修改了网络主干，效果不好怎么办）？

问：为什么我不使用预训练权重效果这么差啊？ 答：因为随机初始化的权值不好，提取的特征不好，也就导致了模型训练的效果不好，预训练权重还是非常重要的。

问：up，我修改了网络，预训练权重还能用吗？ 答：修改了主干的话，如果不是用的现有的网络，基本上预训练权重是不能用的，要么就自己判断权值里卷积核的shape然后自己匹配，要么只能自己预训练去了；修改了后半部分的话，前半部分的主干部分的预训练权重还是可以用的，如果是pytorch代码的话，需要自己修改一下载入权值的方式，判断shape后载入，如果是keras代码，直接by_name=True,skip_mismatch=True即可。 权值匹配的方式可以参考如下：

代码语言：javascript复制
# 加快模型训练的效率
print('Loading weights into state dict...')
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model_dict = model.state_dict()
pretrained_dict = torch.load(model_path, map_location=device)
a = { 
   }
for k, v in pretrained_dict.items():
    try:    
        if np.shape(model_dict[k]) ==  np.shape(v):
            a[k]=v
    except:
        pass
model_dict.update(a)
model.load_state_dict(model_dict)
print('Finished!')

问：为什么从0开始训练效果这么差（我修改了网络主干，效果不好怎么办）？ 答：一般来讲，网络从0开始的训练效果会很差，因为权值太过随机，特征提取效果不明显，因此非常、非常、非常不建议大家从0开始训练！如果一定要从0开始，可以了解imagenet数据集，首先训练分类模型，获得网络的主干部分权值，分类模型的 主干部分 和该模型通用，基于此进行训练。 网络修改了主干之后也是同样的问题，随机的权值效果很差。

问：怎么在模型上从0开始训练？ 答：在算力不足与调参能力不足的情况下从0开始训练毫无意义。模型特征提取能力在随机初始化参数的情况下非常差。没有好的参数调节能力和算力，无法使得网络正常收敛。 如果一定要从0开始，那么训练的时候请注意几点：

  • 不载入预训练权重。
  • 不要进行冻结训练，注释冻结模型的代码。

问：为什么我不使用预训练权重效果这么差啊？ 答：因为随机初始化的权值不好，提取的特征不好，也就导致了模型训练的效果不好，voc07 12、coco voc07 12效果都不一样，预训练权重还是非常重要的。

p、你的权值都是哪里来的？

问：如果网络不能从0开始训练的话你的权值哪里来的？ 答：有些权值是官方转换过来的，有些权值是自己训练出来的，我用到的主干的imagenet的权值都是官方的。

q、视频检测与摄像头检测

问：怎么用摄像头检测呀？ 答：predict.py修改参数可以进行摄像头检测，也有视频详细解释了摄像头检测的思路。

问：怎么用视频检测呀？ 答：同上

r、如何保存检测出的图片

问：检测完的图片怎么保存？ 答：一般目标检测用的是Image，所以查询一下PIL库的Image如何进行保存。详细看看predict.py文件的注释。

问：怎么用视频保存呀？ 答：详细看看predict.py文件的注释。

s、遍历问题

问：如何对一个文件夹的图片进行遍历？ 答：一般使用os.listdir先找出文件夹里面的所有图片，然后根据predict.py文件里面的执行思路检测图片就行了，详细看看predict.py文件的注释。

问：如何对一个文件夹的图片进行遍历？并且保存。 答：遍历的话一般使用os.listdir先找出文件夹里面的所有图片，然后根据predict.py文件里面的执行思路检测图片就行了。保存的话一般目标检测用的是Image，所以查询一下PIL库的Image如何进行保存。如果有些库用的是cv2，那就是查一下cv2怎么保存图片。详细看看predict.py文件的注释。

t、路径问题（No such file or directory、StopIteration: [Errno 13] Permission denied: ‘XXXXXX’）

问：我怎么出现了这样的错误呀：

代码语言：javascript复制
FileNotFoundError: 【Errno 2】 No such file or directory
StopIteration: [Errno 13] Permission denied: 'D:\Study\Collection\Dataset\VOC07 12 test\VOCdevkit/VOC2007'
……………………………………
……………………………………

答：去检查一下文件夹路径，查看是否有对应文件；并且检查一下2007_train.txt，其中文件路径是否有错。 关于路径有几个重要的点： 文件夹名称中一定不要有空格。 注意相对路径和绝对路径。 多百度路径相关的知识。

所有的路径问题基本上都是根目录问题，好好查一下相对目录的概念！

u、和原版比较问题，你怎么和原版不一样啊？

问：原版的代码是XXX，为什么你的代码是XXX？ 答：是啊……这要不怎么说我不是原版呢……

问：你这个代码和原版比怎么样，可以达到原版的效果么？ 答：基本上可以达到，我都用voc数据测过，我没有好显卡，没有能力在coco上测试与训练。

v、我的检测速度是xxx正常吗？我的检测速度还能增快吗？

问：你这个FPS可以到达多少，可以到 XX FPS么？ 答：FPS和机子的配置有关，配置高就快，配置低就慢。

问：我的检测速度是xxx正常吗？我的检测速度还能增快吗？ 答：看配置，配置好速度就快，如果想要配置不变的情况下加快速度，就要修改网络了。

问：为什么论文中说速度可以达到XX，但是这里却没有？ 答：检查是否正确安装了tensorflow-gpu或者pytorch的gpu版本，如果已经正确安装，可以去利用time.time()的方法查看detect_image里面，哪一段代码耗时更长（不仅只有网络耗时长，其它处理部分也会耗时，如绘图等）。有些论文还会使用多batch进行预测，我并没有去实现这个部分。

w、预测图片不显示问题

问：为什么你的代码在预测完成后不显示图片？只是在命令行告诉我有什么目标。 答：给系统安装一个图片查看器就行了。

x、算法评价问题（miou）

问：怎么计算miou？ 答：参考视频里的miou测量部分。

问：怎么计算Recall、Precision指标。 答：现有的代码还无法获得，需要各位同学理解一下混淆矩阵的概念，然后自行计算一下。

y、UP，怎么优化模型啊？我想提升效果

问：up，怎么修改模型啊，我想发个小论文！ 答：建议目标检测中的yolov4论文，作为一个大型调参现场非常有参考意义，使用了很多tricks。我能给的建议就是多看一些经典模型，然后拆解里面的亮点结构并使用。

z、部署问题（ONNX、TensorRT等）

我没有具体部署到手机等设备上过，所以很多部署问题我并不了解……

5、交流群问题

问：up，有没有QQ群啥的呢？ 答：没有没有，我没有时间管理QQ群……

6、怎么学习的问题

问：up，你的学习路线怎么样的？我是个小白我要怎么学？ 答：这里有几点需要注意哈 1、我不是高手，很多东西我也不会，我的学习路线也不一定适用所有人。 2、我实验室不做深度学习，所以我很多东西都是自学，自己摸索，正确与否我也不知道。 3、我个人觉得学习更靠自学 学习路线的话，我是先学习了莫烦的python教程，从tensorflow、keras、pytorch入门，入门完之后学的SSD，YOLO，然后了解了很多经典的卷积网，后面就开始学很多不同的代码了，我的学习方法就是一行一行的看，了解整个代码的执行流程，特征层的shape变化等，花了很多时间也没有什么捷径，就是要花时间吧。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/136407.html原文链接：https://javaforall.cn

python 人脸识别 图像识别 pytorch 神经网络

0 人点赞