mmdet错误

最新推荐文章于 2025-04-30 16:30:22 发布
最新推荐文章于 2025-04-30 16:30:22 发布
阅读量466 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： pytorch 文章标签： pytorch
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/FengGHT/article/details/107759543

mmdetection loss=Nan 或者device-side assert triggered错误

1.权重文件的版本问题
2.权重文件的head部分修改造成的
3.学习率太大

mmdetection训练过程loss为nan
m0_63947712的博客
06-08 862
注：不是所有的总配置文件都有lr字段，但是如果有的话就要做相应修改，例如./configs/faster-rcnn/faster-rcnn_r50_fpn_1x_coco.py就没有，如下图。修改lr，./config/retinanet/retinanet_r50_fpn_1x_coco.py里的lr默认是0.01，可以修改得和上面第一处一样（修改得不一样似乎也不会报错）②打开总配置文件，例如我这里使用的是./config/retinanet/retinanet_r50_fpn_1x_coco.py。
mmdet 错误ModuleNotFoundError: No module named ‘mmcv._ext‘
热门推荐
AI414010的博客
07-17 2万+
问题：在安装mmdetection时，安装mmcv经常出现、ModuleNotFoundError: No module named ‘mmcv._ext’ 问题。 环境：ubuntu16.04+Anaconda3+python3.7.7+cuda10.0+cuDNN7.6.4.3 解决方法：安装时不要使用: pip install mmcv 使用: pip install mmcv-full 如果还有奇奇怪怪的问题请使用与自己环境相匹配的mmcv版本，如： pip install mmcv-full==l
DEBUG:无法安装mmdet包
weixin_45808526的博客
02-05 1322
DEBUG:无法安装mmdet包问题解决 问题 安装包失败 手动安装 解决 git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection pip install -r requirements/build.txt pip install -v -e . # or "python setup.py develop"
mmdetection训练的时候loss一直为NAN
最新发布
xhx001125的博客
04-30 153
在最初开始训练的命令后面加上 --auto-scale-lr，表示自动调节。
安装mmdet报错
qq_44072038的博客
01-18 594
解决方法：换源（下载速度慢也可以换源）报错系统找不到指定路径。
安装mmdet遇到的问题
qq_41640432的博客
05-09 349
安装成功后按顺序装mmcv mmdet mmengine即可。查看torch vision是否安装成功。用`pip list。
安装mmdetection流程遇到的问题
weixin_68556404的博客
09-09 339
下载的文件.whl放在你现在页面最前面的地址里，我是C:\Users\Administrator\mmdetection。参考上面的，更改通道之后，还是找不到其中一个包，我就用pip下载了最新的版本，不知道能不能兼容。我们检测到最高支持cuda12.1版本，所以我们选择比这个版本低的cuda版本就可以。执行到这之后，输入python，import 包，验证上面都不对，崩溃了。参考上面作者的版本，下一个一样的版本，只是版本很低。先下载，安好了以后。前面都下的没问题，后面一直报错，红了一片。
记低级错误-mmdet-centernet
ydestspring的博客
08-26 577
mmdet低级错误
Windows安装mmdet3d v0.17.1
Acecai01的博客模板
08-13 1584
在windows下成功安装版本v0.17.1的mmdet3d
Windows安装mmdet3d v0.17.1（跑通版）
Acecai01的博客模板
08-15 1707
成功在windows安装mmdet3d v0.17.1，并跑通某融合检测框架代码
MMDet训练时遇到的问题和解决方案
u013889591的专栏
07-26 873
MMDet 建立在 MMLab 的另一个成功项目——MMAction 的基础上，后者是一个视频理解工具箱，专注于视频分析和行为识别。单阶段检测器（如 SSD、YOLO、RetinaNet）两阶段检测器（如 Faster R-CNN、Mask R-CNN）无锚点检测器（如 FCOS、TTFNet）特点如下：模块化设计：MMDet 采用模块化设计，使得研究者可以轻松地修改配置文件来尝试不同的模型结构和超参数。丰富的预训练模型：提供了大量的预训练模型，方便用户进行快速测试和微调。灵活的配置系统。
mmdet重装方法--解决一般安装失败问题
qq_41719643的博客
10-12 6590
前言 本教程适合对象：已经根据mmdet官方教程亲自安装过一遍的同学。 在确定自己cuda、mmdet、mmcv版本匹配后，任然报一下编译不完全或奇怪的错误，可以通过重新安装mmdet 和 mmcv 解决，笔者已经遇到过多次并解决问题。 1.常见错误 问题1： 问题2： 等等 2.解决方法 1.卸载原来版本 # 卸载mmcv-full pip uninstall mmcv-full # 卸载mmdet pip uninstall mmdet 2.再次安装 # 先安装mm..
Window下安装mmDetection，其中pytorch2.3.0，失败记录
weixin_45558466的博客
06-29 551
报OSError: CUDA_HOME environment variable is not set. Please set it to your CUDA install root这个错，我又去装了CUDAToolkit和cuDNN，然后又装mmcv==2.0.0rc4，还报错。将下载好的压缩包解压缩，在anaconda prompt命令行界面，进入该文件的路径。双击打开Pycharm，
mmdet训练中遇到loss 为NaN
YINZY2020的博客
08-08 296
【代码】mmdet训练中遇到loss 为NaN。
解决mmdetection训练过程loss为nan的问题
LJC的博客
12-08 6206
我之前遇到两次loss为nan，一次是由于数据标注出现问题，换不同的模型参数均出现此问题，因此需要仔细检查数据格式；另外一次是换了个neck的结构，loss变为nan，后面通过将学习率调为原来的1/10（根据实际情况调整），就没有出现了。下面为官方文档给出的解决方案，应该可以解决大部分问题。 检查数据的标注是否正常， 长或宽为 0 的框可能会导致回归 loss 变为 nan，一些小尺寸（宽度或高度小于 1）的框在数据增强（例如，instaboost）后也会导致此问题。 因此，可以检查标注并过滤掉那些特别
解决mmdetection训练过程loss为nan的问题（已解决）
wzk4869的博客
05-18 2134
解决mmdetection训练过程loss为nan的问题（已解决）
mmdetection中assign和sample结构的简要解析
qq_44109682的博客
09-05 1792
前言 最近正在学习mmdetection中assign和sample的相关结构，故写此篇博客做一些简单的介绍。 正文 assign 在mmdet中，官方提供了许多种anchor与bbox的匹配机制，其中包括：max_iou_assigner，atss_assigner等等。但是不论这些匹配细则发生怎样的变化，但是有一条语句却始终没有变化： return AssignResult(num_gt, assigned_gt_inds, max_overlaps, labels=assigned_labels) #
训练深度学习网络时候，出现Nan是什么原因，怎么才能避免？
zhuiqiuk的专栏
01-23 1万+
说法一： 说明训练不收敛了, 学习率太大，步子迈的太大导致梯度爆炸等都是有可能的，另外也有可能是网络的问题，网络结构设计的有问题。 我现在的采用方式是： 1. 弱化场景，将你的样本简化，各个学习率等参数采用典型配置，比如10万样本都是同一张复制的，让这个网络去拟合，如果有问题，则是网络的问题。否则则是各个参数的问题。 2. 如果是网络的问题，则通过不断加大样本的复杂度和调整网络（调整拟合能
mmdet库
03-19
如果遇到特定错误，比如类似于 `spconv/maxpool.h: No such file or directory` 这样的问题，则可能是因为某些子模块未被正确编译或缺失必要的头文件。此时建议重新克隆源码仓库，并手动构建所需组件[^4]。 #### ...
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