MZYYZT的博客

奇怪，使用MMDetection3.0框架训练yolox，训练到一半，报如下图所示的错误，是什么鬼？网上各位大佬说是数组越界，但是我检查了配置文件，查看了权重模型没有错误哇！

3、在MMdetection3.0框架下，直接加载修改后的detr的完整预训练权重训练测试结果见下图所示：=》警告消除，一切正常，并且修改证据权重类别后loss下降变快，val指标更好（不能说更好，只能说更正常）2、Transformer模型提出来的时候就已经说明很吃数据，所以没有足够的数据直接使用transformer训练往往效果不好，所以数据量不足的情况下，还是加载预训练权重吧。3、backbone的权重在模型的比例其实很小，主要还是后面的编码、解码器，所以只加载backbone的权重也没什么用。

4、输出也是正常的。（6,2,100,11）中的6是DETR的解码器一共迭代了6次，每次输出的结果均做了保存，2是batch-size的值，100是DETR的num_ queries，11是本数据集类别数10 + 1（背景）2、数据没问题，代码输出没问题，loss没问题，那么为什么在训练过程中的val的map一直是0.0000呢？3、data_address好像是根据随机种子得出来的，有点多余感觉，可能暂时没有搞懂作者是什么意思吧。1、NWPU-VHR-10数据集，类别为10，训练455张，验证195张；

3、然后又使用了python setup.py install 进行了编译 还是无效。2、然后在mmdet/datasets/在进行自定数据集的时候报如上错误。.py进行了登记，但是就是无效。1、创建了自己的数据集。请各位大佬指点一下！

DETR 目标检测

2、在Faster-rcnn、YOLOv3模型上均能训练成功，但是在DETR训练时，出现验证指标全为0.0000的问题。1、选择的是NWPU-VHR-10数据集，其中训练集455张，验证、测试相同均为195张。是因为数据集量太小的原因吗？还是需要特别关注某些具体参数的调整呢？1、DETR验证集上AP值全为0.0000。请各位路过的大佬指教一下！

1、按照网上各种修改意见修改了数据num_classes,也将原始文件的coco数据集下面的classes、pattle等参数作了修改，但是就是在其他模型可以，在faster-rcnn上面报如下图所是错误。问题：在使用MMdetection3.0 训练NWPU-VHR-10数据时，使用Yolov3模型可以正常训练测试，但是当使用Faster-rcnn模型训练的时候，一直如下图所示错误。2、数据集是将NWPU-VHR-10数据集转换成了coco数据集格式进行训练的。

python双三次插值下采样批量数据集预处理