darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.yolov3D

最新推荐文章于 2023-05-31 15:31:40 发布
最新推荐文章于 2023-05-31 15:31:40 发布
阅读量530 收藏
点赞数
分类专栏： 检测
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.youkuaiyun.com/Allyli0022/article/details/104706254
版权

darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.

cfg文件的filters 和classes 改正确，v2的filters是5*（classes+5）,v3的是3*(classes+5)。

YOLOv3 CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0‘ failed.
nicole3375的博客
07-26 399
Batch Size（批量大小）：批量大小是指在每次模型训练中同时处理的输入样本数量。Subdivisions（子分区）：子分区是将每个批量进一步划分为更小的部分进行处理的方式。通过使用子分区，可以减少 GPU 内存的需求，特别是当批量大小较大时。把subdivisions=8改成subdivisions=16，64，最好都是2的指数，并且要保证batch是subdivisions的整数倍。方法二：修改尾行 random 值 （默认值为1），此处修改为 ：random=0 （注：yolov3共有三处）
【darknet实验】CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0‘ failed.
程序猿未进化的博客
12-21 1648
实验测试darknet，遇到错误CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. 一、问题描述二、首先需要修改Makefile文件修改一修改二三、方法一修改前修改后测试命令四、方法二 ) 一、问题描述 实验测试darknet，遇到错误CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.
火腿肠的幸福生活
04-24 5992
训练yolo v2出现rt问题原因：查看.cfg文件是否有修改不正确的地方，尤其是   filters= ‘’。classes=‘’。这些地方，还有voc.data里面的classes=‘’。总之就是修改文件有不完全的地发，仔细查找吧...
yolov4_l.outputs == params.inputs
yanmie_xu的博客
05-31 440
yolov4扫描模型数据时报错‘l.outputs == params.inputs’，是因为cfg文件中修改不完整,对应的cfg文件中的[yolo]文件中的classes与[yolo]上方的[convolutional]中的filters参数对不上。
yolov3_Assertion `l.outputs == params.inputs‘ failed
qq_36968562的博客
04-12 1188
转载自stackflow 在config文件中，将[yolo] 前的[convolutional]中的filters改为3*（class+5）（yolov3），总共需要修改三处。
yolo训练报错：darknet: ./src/parser.c:360: parse_region: Assertion `l.outputs == params.inputs' failed.
qq_38969094的博客
03-11 1083
错误：使用yolo系列训练数据时报错 darknet: ./src/parser.c:360: parse_region: Assertion `l.outputs == params.inputs' failed. 原因：修改cfg文件中的classes和filters时用错计算公式，yolov2中 filters = 5*(classes + 5) ，yolov3中filters = 3*(...
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.yolov3训练问题
皮卡丘的博客
08-17 6859
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed. 主要问题就是改cfg文件的时候filters 和classes 改错了，要注意v2的filters是5*（classes+5）,而v3是3*(classes+5) ...
CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. Aborted
wukai0909的博客
07-29 3627
wu@wu-X555LF:~/darknet$ ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 yolov3-voc layer filters size input output 0 conv 32 3 x...
关于解决yolov3训练模型时出现CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0‘ fail
qq_45577581的博客
03-05 510
关于解决yolov3训练模型时出现CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0‘ failed. 参考链接1
darknet yolov3总结
zzh_hn的专栏
07-13 1019
darknet官网: https://pjreddie.com/ git: https://github.com/pjreddie/darknet yolov4: https://github.com/AlexeyAB/darknet 一 环境 ubuntu16.04 Driver Version: 440.44 NVIDIA的驱动 查看命令:nvidia-smi cuda 10.0 NVIDIA的运行框架 查看命令: nvcc -V cudnn 7.6.4 NVIDIA的加速库 查看命令: cat..
The Dark Net
08-14
关于暗网的入门性介绍, 关于人文和科技的矛盾与相互促进约束讲的很有意思
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs' failed.问题
evil_xue的博客
12-25 667
darknet: ./src/parser.c:348: parse_region: Assertion `l.outputs == params.inputs’ failed. 主要问题就是改cfg文件的时候filters 和classes 改错了，要注意v2的filters是5*（classes+5）,而v3是3*(classes+5) classes数量忘了修改 ...
l = parse_convolutional(options, params);
m0_37799466的博客
05-11 194
l = parse_convolutional(options, params);函数主体如下所示 //进行卷积层操作，最后返回layer类型的结构体 convolutional_layer parse_convolutional(list *options, size_params params) { int n = option_find_int(options, "filters",1);//设置卷积核个数，同时也是输出特征图个数 int size = option_find_int(
yolov3 darknet:parser.c:315: failed
weixin_34006965的博客
09-27 788
为什么80%的码农都做不了架构师？>>> ...
【darknet源码】：解析cfg文件源码追踪
yuanCruise
08-03 1697
darknet源码中的cfg文件读取完之后还要解析，解析由函数parse_network_cfg(cfgfile)中的parse_xxx系列函数搞定。 主要流程为： 1.make_network:用于构建一个新网络 2.parse_net_options:解析[net]层的各个参数以及操作 3.parse_xxx（如：parse_convolutional）:解析cfg中的各个 [xxx]...
Darknet 代码分析（之二，parse_network_cfg_custom函数）
weixin_41665225的博客
10-06 5576
parse_network_cfg_custom函数中，读取配置文件是先把各个section读取出来，然后再解析。 全局的参数 参考 YOLO配置文件理解 参数名称 类型 默认值 说明 Testing - - Training - - batch int 1 前向计算梯度和通过反向传导更新权重值的计算中一次处理的图片文件的数量。 subdivisions int 1...
[darknet源码系列-3] 在darknet中，如何根据解析出来的配置进行网络层构建
机器学习杂货铺1号店
11-26 602
[darknet源码系列-3] 在darknet中，如何根据解析出来的配置进行网络层构建 FesianXu 20201120 at UESTC 前言 笔者在[1,2]中已经对darknet如何进行配置解析进行了讲解，现在我们需要将解析出来的配置进行对应的网络层构建。如有谬误请联系指出，本文遵守 CC 4.0 BY-SA 版权协议，转载请联系作者并注明出处，谢谢。 ∇\nabla∇ 联系方式： e-mail: FesianXu@gmail.com QQ: 973926198 githu...
debug assertion failed, file:dlgdata.cpp,line"43
十万铁骑的专栏
11-16 1519
debug assertion failed, file:dlgdata.cpp,line"43 问题原因：没有找到这个相应控件类型 ！        一般有三种情况：       1. 控件ID不存在，       2. 是控件未创建，       3. 是控件的类型不对  看看DoDataExchange函数  以上摘自：http://www.cnblog
./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg | tee person_train_log.txt bash: ./darknet: 没有那个文件或目录
最新发布
03-11
### 可能的原因分析 当执行 `./darknet detector train` 命令时如果收到 `'bash: ./darknet: 没有那个文件或目录'` 的报错信息，这通常意味着当前工作路径下不存在名为 `darknet` 的可执行文件[^1]。 ### 解决方案 #### 文件权限不足 即使存在该文件，但如果其不具备执行权限也会引发相同错误。可以通过以下命令赋予 `darknet` 执行权限： ```shell chmod +x darknet ``` #### 路径不正确 确认位于正确的项目根目录中，在此位置应当能够找到 `darknet` 这个二进制文件以及配置所需的 `.cfg`, `.data` 和权重文件等资源。 #### 编译问题 对于某些版本的 Darknet, 需要先编译源码才能获得 `darknet` 可执行文件。确保已经按照官方指南完成了必要的编译过程。一般情况下，可以尝试如下操作来构建程序: ```makefile make clean make ``` 以上步骤会清理旧的目标文件并重新编译整个工程，从而生成最新的 `darknet` 应用程序。 #### 环境变量设置不当 有时环境变量 PATH 中未包含 Darknet 工具链所在的绝对路径也可能造成找不到命令的情况发生。此时应该检查是否已将 Darknet 安装目录加入到了系统的 PATH 环境变量之中。 ### 实际案例中的应用实例 为了启动 YOLOv3-Tiny 对 VOC 数据集上的目标检测模型训练任务，并记录日志到指定文本文件里去，则完整的指令应该是这样的形式（假设已经在正确的上下文中）： ```shell cd /path/to/darknet/ ./darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg | tee person_train_log.txt ``` 这里 `/path/to/darknet/` 是指代实际安装或者克隆下来 Darknet 项目的具体磁盘地址；而后面的两个参数分别指向数据描述文件和网络结构定义文件的位置。
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