[Caffe]:Check failed: out_num_ * inner_num_ == bottom[1]->count()

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2k累计阅读 2k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄14年

关注

原创最新推荐文章于 2026-02-10 12:41:59 发布 2k 阅读 AI 写同款· GEO 优化 ›

SSD训练过程中出现问题总结 Check failed: 0 == bottom[0]->count() % explicit_count (0 vs. 60) bottom count (209472) must be divisible by the product of the specified dimensions (84) 这意味着test.prototxt内的mbox_conf_reshap... 阅读详情

错误

当使用Caffe进行训练时，出现如图所示的错误。
这里写图片描述

在网上找答案，发现有人说调换label和data的顺序。
一直以为是调换数据层的顺序，然而，并不是。

解决方法

Softmax层会对输入做检测，判断第一个输入是不是网络层的输出，即NxC。
然后再判断该输出和标签label是否对应。

网上所指的data是说分类层的输出。
对调顺序是值在SoftmaxWithLoss层进行！！！

收录于

Caffe

当前文章被收录于：

Caffe

25 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

pspnet训练时报错Check failed: outer_num_ * inner_num_ == bottom[1]->count() Check failed: outer_num_ * inner_num_ == bottom[1]->count() (497025 vs. 504100) Number of labels must match number of predictions; e.g., if softmax axis == 1 and prediction shape is (N, C, H, W), l... 阅读详情

相关推荐

82、yolov11检测模型迁移瑞芯微rk3588和使用昇腾设备300i DUO卡推理 batch=1/3，支持昇腾NMS迁移npu推理

本文介绍了使用昇腾设备进行分割推理的测试流程，包括两种测试方式（cann+onnx和om）。首先验证300iDUO卡的可用性，随后创建Docker镜像和容器以搭建独立环境。通过从指定仓库拉取Ubuntu 20.04镜像，创建容器并映射目录。进入容器后安装必要组件（Python3、GCC等）和系统工具（pciutils、net-tools等），为后续模型转换和迁移做准备。整个流程旨在构建可交付给第三方的标准化测试环境。

sxj731533730 1198

FCNs Check failed: outer_num_ * inner_num_ == bottom[1]->count()

FCNs 问题： softmax_loss_layer.cpp:47] Check failed: outer_num_ * inner_num_ == bottom[1]->count() (205700 vs. 617100) Number of labels must match number of predictions; e.g., if softmax axis == 1 a...

qq_30024069的博客 1383

04目标检测-Two-stage的目标检测算法

前面我们对进行了对比分析，同时上一篇我们介绍了传统算法在目标检测的原理和效果，此篇我们记录了我学习目标检测算法的深度，深入讲述一下深度学习算法在目标检测的原理和效果。原文链接：https://blog.youkuaiyun.com/qq_41946216/article/details/132800752。版权声明：本文为优快云博主「爱吃面的猫」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。One-stage（YOLO和SSD系列）：直接回归目标位置。

qq_41946216的博客 3650

caffe报错Check failed: outer_num_ * inner_num_ == bottom[1]->count() (524288 vs. 1024

在使用FCN进行训练自己的数据时，导入数据启动训练后出现如下提示：这个错误提示表示给的label维度不对。经调查发现是在到入标签数据时，有个类型转换后面修改为：于是就可以了。

lanyuxuan100的博客 6878

python实现语音信号的分帧、加窗、预处理

语音信号实现分帧、加窗、预处理音频文件读取预加重分帧加窗音频文件读取 librosa是非常强大的python语音信号处理库。读取音频：使用语句librosa.load(path, sr=22050, mono=True, offset=0.0, duration=None)读取音频文件，默认的采样率是22050，若要保留音频的原始采样率，使用sr=None。其中： path：表示音频文件的路径 sr：表示采样率 mono：bool，是布尔类型，表示是否将信号转换为单声道 offset：float，后

weixin_45272908的博客 1万+

破译丰田BEAN总线之谜

我对CAN的深入了解并不是从CAN本身开始的，而是起源于丰田公司自主研发的BEAN总线。由于BEAN总线协议并不是公开的，而是一种技术机密，所以当丰田车不在使用BEAN总线两年多后的今天，虽然这里还不敢公开技术细节，但回想起当年的作品，随便写写也算对自己的努力有所交代。　　南方都市报惠州版曾经报道过一则新闻，说的是丰田皇冠车被盗率非常高。其实两年前就已经知道了皇冠车的防盗系数很低，所以当时的首

粤嵌 5263

学习faster-rcnn遇到的问题

1.参数scales问题更改py-faster-rcnn/lib/rpn/generate_anchors.py中函数generate_anchors，其中参数scales出现的问题 Check failed: outer_num_ * inner_num_ == bottom[1]->count() (21546 vs. 35910) Number of labels must ...

lantuxin的博客 2953

手把手教你用示波器测试DDR5 DRAM信号完整性（附眼图分析技巧）

本文详细介绍了如何使用示波器测试DDR5 DRAM信号完整性，包括眼图分析技巧。从DDR5的核心挑战、测试设备选型到实测工作流程，提供了全面的指导。特别强调了DFE功能验证和系统级协同测试，帮助工程师解决信号完整性问题，提升测试效率。

g2h3i4j5的博客 1150

训练时报错：solver.cpp 464] Check failed: result[j] ->width()==5(8 vs. 5)

在caffe框架下对网络进行训练，网络增加了一个数据输入通道，训练到1w次时报错，因为涉及到测试网络解决办法：在新增加的数据层后添加一个silence layer layer{ name:"silence" tpye:"Silence" bottom:"label2" } 该层的作用是屏蔽掉label2的输出。参考：caffe SSD 添加新层时出现的问题 ...

ymzj403的博客 1419

R语言生存分析之限制性立方样条分析：样条回归、和多项式回归有什么不同？是否存在非线性关系、限制性立方样条cox回归模型

statistics+insight+vista+power 634

UG NX二次开发（C#）-VS2022配置NX二次开发模板不能正常显示的问题

随着VS2022的发布，使用VS2022进行UG NX二次开发的人员也会越来越多，但是由于VS2022和以前的VS版本采用代码结构不同，而UG NX的二次开发编程模板还没有适应于VS2022的模板配置，所以不能正常的创建一个完整的工程。本文采用曲线救国的方式来实现VS2022下的UG NX二次开发。如果有读者能很好的解决模板配置，不吝赐教。

GimiGimmy 4273

smooth_L1_loss_layer.cpp:28] Check failed: bottom[0]->channels() == bottom[1]->channels() (12 vs. 84

用faster RCNN训练自己的数据时候遇到的问题，具体为使用vgg16的end_2_end训练这种问题一般都是train.prototxt的类别数没有改好导致的在的vgg16的end_2_end下的train.prototxt需要改的是 data层的num_classes: n (自己要训练的类别+1，1代表背景) 以及 roi_data层的num_classes:n cls_s

qq_36219202的博客 5664

基于深度学习的树木种类识别

本文介绍了基于深度学习的树木种类识别技术。我们将通过深度学习模型和图像处理技术实现对树木的自动识别与分类。首先，我们将介绍深度学习的基本原理和相关算法。接着，我们将详细说明树木种类识别的数据准备、模型构建和训练过程。最后，我们将给出代码示例，帮助读者深入了解和实践该技术。

一键难忘的博客 2315

caffe中的数据结构解析

caffe中数据结构主要包括caffe::Net，caffe::Layer，caffe::Solver三个主要大类。下面就这三个主要的数据结构做一下总结。 1，caffe:Net：这个数据结构用来表示整个网络，这个数据结构里包含了很多重要的变量。 vectorLayer > > layers_变量存储的是每层layer结构体的指针。vectorBlob > > blobs_变量

Buyi_Shizi的博客 5364

论文必备 - YOLOv11热力图可视化，支持指定模型，指定显示层，设置置信度，以及10种可视化实现方式

本文带来的是YOLOv11热力图可视化功能，支持，以及。我们经常看到一些论文里绘制了不同的热力图，一方面能够直观的感受其模型的有效性，另一方面也丰富了论文内容。特别是在使用了注意力模块的网络中，热力图就可以验证注意力机制是否真正聚焦到了预期的重要特征上，以便对模型的有效性和合理性进行评估。例如这篇文章中展示的，就很能够表达作者改进后的模型相比之前模型的优越性。

Limiiiing的博客 5504

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

caffe Accuracy.cpp

比较简单，需要注意的一点是，在训练自己的数据的时候，label应该从0开始#include <functional> #include <utility> #include <vector>#include "caffe/loss_layers.hpp" #include "caffe/util/math_functions.hpp"namespace caffe {template <typena

CNV_2305 1759

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等

Check failed: net_->num_inputs() == 1 (0 vs. 1) Network should have exactly one input.

ssd测试图片是报错如下：经调查发现，这个应该就是错误的使用了test.prototxt文件来进行测试，实际上这个文件是训练过程中使用的；测试的时候应该使用deploy.txt文件，即部署文件，这是个习惯问题。

lanyuxuan100的博客 4173

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

ssd测试遇到的问题

记录一下ssd模型跑的时候遇到的问题1. mbox_loss=nan解决方法：找到solver.prototxt，将base_lr改小，改到0.0012.solver.prototxt是自动生成的生成的目录在xx/caffe-ssd/models/VGGNet/VOC0712/SSD_300*300，里面还有自动生成的train和test的prototxt3.自动生成solver.prot...

weixin_38440272的博客 1076

cuda_launch_config.h:127] Check failed: work_element_count > 0 (0 vs. 0)

这个问题真奇怪，很多地方说版本问题，没有请自实验，因为我的机器不是所有tensorflow的程序都不能跑，所以不敢随便变化，只是在程序中加了 os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ["CUDA_VISIBLE_DEVICES"] = "0" 这个设置就ok了，奇怪不奇怪-_--_- 其他方案 https://st...

lily1234567的博客 6102

caffe学习1：几个常见的函数介绍

1 几个常用成员函数和变量介绍： 1.1bottom和top caffe是层与层之间类似搭积木的方式组合起来的。bottom代表上一层的输入，top代表这一层的输出。bottom[0]代表这一层第0个输入，可能活有多个输入，比如在一对多的分类情况中就是可以有多个输入。 1.2count() bottom[0]->count()指的是输入维度,如输入shape是(...

公众号:facefinetune 633

Faster RCNN训练出现问题：smooth_L1_loss_layer.cpp:28] Check failed: bottom[0]->channels() == bottom[1]->cha

I1030 20:49:01.633868 24921 net.cpp:157] Top shape: 1 4096 (4096) I1030 20:49:01.633885 24921 net.cpp:165] Memory required for data: 280497656 I1030 20:49:01.633891 24921 layer_factory.hpp:77] Creatin

计算机视觉算法、工程、产品 2671

【caffe配置】在vs2013用已经训练好的Alexnet网络提取fc6特征

【Deep Learning】在vs2013用已经训练好的Alexnet网络提取fc6特征

chenyj92的专栏 4577

ssd 错误Check failed: std::equal(top_shape.begin() + 1, top_shape.begin() + 4, shape.begin() + 1) 解决办

近期在用自己的数据训练ssd，前期数据准备工作进展十分顺利，本人是想用coco转化成voc数据集对ssd网络进行训练但是在进行网络训练的时候会显示这样的错误： Check failed: std::equal(top_shape.begin() + 1, top_shape.begin() + 4, shape.begin() + 1) 通过研究代码会发现这是在图片进行resize时显示...