tensorflow配置Mask-RCNN报错:tf.reduce_mean got an unexpected keyword argument 'keep_dims'

在Tensorflow-gpu1.4.0环境下配置Mask-RCNN时遇到报错:'tf.reduce_mean'函数接收到了意外的'keep_dims'参数。问题根源在于关键字命名与Tensorflow版本不匹配。解决方案是在maskRCNN相关文件中找到报错位置,将'keep_dims'改为'_keep_dims',保存并重新安装MaskRCNN,确保修改生效,然后重新启动训练即可避免此错误。注意,直接删除'keep_dims'会导致使用默认值,无法正常训练。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我的配置环境是:

  • Tensorflow-gpu1.4.0
  • GTX1080ti
  • CUDA8.0&Cudnn6.0
  • keras2.1
  • python3.5

    在这样的环境中配置好了之后进行训练,在执行下面模块的时候出现报错

model.train(dataset_train, dataset_val, 
            learning_rate=config.LEARNING_RATE, 
            epochs=1, 
            layers='heads')

# Fine tune all layers
model.train(dataset_train, dataset_val, 
            learning_rate=config.LEARNING_RATE / 10,
            epochs=2, 
            layers="all")

报错信息

~/anaconda2/envs/tf/lib/python3.5/site-packages/mask_rcnn-2.1-py3
引用和引用中提到的错误是因为在使用MaskRCNN和SwinTransformer时传入了一个未预期的关键字参数'embed_dim'。这可能是因为你使用的MaskRCNN和SwinTransformer的版本与其他依赖包的版本不兼容。为了解决这个问题,你可以尝试按照mmdetection官方网站的建议来安装相关的包,确保mmcv的版本与mmdetection的版本一致。这样可以解决与版本兼容性相关的问题。另外,引用中提到的错误是因为numpy的版本不兼容,可能与pycocotools库的使用有关。为了解决这个问题,你可以尝试更新numpy库的版本或者回滚numpy到与pycocotools兼容的版本。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [利用mmdetection训练自己数据集过程error解决汇总](https://blog.csdn.net/QQ992281036/article/details/126979053)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [Swin Transformer Object Detection代码复现采坑记录](https://blog.csdn.net/weixin_44777827/article/details/122310873)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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