mmdetection中：RuntimeError：input is smaller than kernel(shape_check at mmdet/ops/dcn/src/deform_conv)

最新推荐文章于 2024-08-22 17:46:50 发布
原创 最新推荐文章于 2024-08-22 17:46:50 发布 · 1.6k 阅读 · 1 ·
CC 4.0 BY-SA版权
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。
文章标签：

#mmdetection

在使用mmdetection v1.0.0时遇到RuntimeError，原因是输入尺寸小于卷积核尺寸。问题出现在第7311张图片，尽管已应用padding=1。解决方案包括在送入可变形卷积前使用ZeroPad2d或pad()函数预先填充，避免源码中的大小检查错误。注意，ZeroPad2d会改变模型结构，而pad()仅影响计算，不影响模型。修改后能正常在test-dev集上运行。

问题描述

RuntimeError：input is smaller than kernel(shape_check at mmdet/ops/dcn/src/deform_conv)
在这里插入图片描述
前提：在使用mmdetection（v 1.0.0的版本）中的可变形卷积操作时，遇到了这个问题。具体是在MSCOCO test-dev集下跑测试，如果在验证集跑测试的没有出现这个问题。

出现这个问题是在test-dev集的第7311张图片上，我们把图片的大小打出来：
在这里插入图片描述
有一张图片的size出现了2，torch.Size([1,256,2,11])
但是可变形卷积是3。这里就出现了上面出现的问题了。

但是在使用的可变形卷积中，已经用了padding=1的操作，按理说不应会出现问题。

所以只能查看源码，看是不是判断出了问题，或者padding=1没有用上？
在官方github的mmcv库中的mmcv/mmcv/ops/csrc/pytorch/deform_conv_cuda.cu下找到了deform_conv_cuda.cu

在这里插入图片描述

最低0.47元/天 解锁文章
pytorch RuntimeError: input image (T: 9 H: 8 W: 2) smaller than kernel size (kT: 4 kH: 4 kW: 4)
Hello Word!
12-30 3272
报错：RuntimeError: input image (T: 9 H: 8 W: 2) smaller than kernel size (kT: 4 kH: 4 kW: 4) 原因：可能不是字面那样是输入图片尺寸小了，而是维度不匹配。 比如需要的输出是 （channel, height, width, frames）你输入的是 (channel, frames, height, widt...
Qwen2-VL出现RuntimeError: CUDA error: too many resources requested for launch CUDA kernel errors的解决方案
最新发布
weixin_43178406的博客
10-31 13万+
本文主要介绍了Qwen2-VL出现RuntimeError: CUDA error: too many resources requested for launch CUDA kernel errors的解决方案，希望能对使用Qwen2-VL的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案
【PyTorch】常见错误: RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)
Raywit的博客
06-30 7万+
【PyTorch】常见错误   错误： RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same         问题原因：        错误内容就在类型不匹配，根据报错内容可以看出Input type为
可变形卷积(Deformable Conv)原理解析与torch代码实现
panghuzhenbang的博客
03-28 5万+
图6为可变形卷积示意图。图1所示为普通卷积在输入特征图上进行卷积计算的过程，卷积核大小为3*3，在输入特征图尺寸为7*7上进行卷积，将卷积核权重与输入特征图对应位置元素相乘并求和得到输出特征图元素，按一定方式滑动窗口就能计算得到整张输出特征图。图6所示，在input feature map上普通卷积操作对应卷积采样区域是一个卷积核大小的正方形（绿框），而可变形卷积对应的卷积采样区域为一些蓝框表示的点，这就是可变形卷积与普通卷积的区别。先来一张图感受一下，图3为标准卷积与可变形卷积的卷积示例。
可变形卷积（DCN，Deformable Convolution Network）
jiangqixing0728的博客
08-10 5万+
ICCV 2017的一篇文章。可变形卷积（DCN）的原理和实现。在目标检测领域应用广泛，在项目、课程设计、毕业设计、比赛中对许多数据集和许多目标检测算法（只要含卷积操作），都能有不错的提升，泛化性很强。
RuntimeError:Internal: src/sentencepiece_processor.cc(1101)model_proto-＞ParseFromArray(serialize解决方案
weixin_43178406的博客
04-25 9万+
本文主要介绍了RuntimeError: Internal: src/sentencepiece_processor.cc(1101) [model_proto->ParseFromArray(serialized.data(), serialized.size())]解决方案，希望对同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案
RuntimeError: CUDA error: CUBLAS_STATUS_INVALID_VALUE when calling `cublasGemmEx 解决方案
weixin_43178406的博客
06-12 8万+
本文主要介绍了RuntimeError: CUDA error: CUBLAS_STATUS_INVALID_VALUE when calling `cublasGemmEx 解决方案，希望能对学习pytorch的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案
RuntimeError: “addmm_impl_cpu_“ not implemented for ‘Half‘解决方案
weixin_43178406的博客
04-18 7万+
本文主要介绍了RuntimeError: “addmm_impl_cpu_” not implemented for 'Half’解决方案，希望能对学习大模型的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案
PyTorch之F.pad的使用与报错记录
画心
10-18 7240
这一函数用于实现对高维tensor的形状补齐操作。模式中，padding的数量不得超出原始tensor对应维度的大小。常见的错误主要是因为padding的数量超过了对应模式的要求。模式中，padding的数量必须小于对应维度的大小。对于padding并没有限制。
Python-可变形卷积网络的官方实现
08-11
可变形卷积网络的官方实现，Deformable Convolutional Networks
2.python/pytorch编程debug
驽马十驾，功在不舍；锲而不舍，金石可镂。
05-10 1万+
快速解决python中的bug，这里总有你需要的。
狗都能看懂的可变形卷积详解
个人学习笔记
08-22 1516
狗都能看懂的可变形卷积的原理以及在ROI Pooling上的应用
机器学习基础
Hello Word!
01-07 391
1，验证集和测试集的区别 最佳的数据分类情况是把数据集分为三部分，分别为：训练集(train set)，验证集(validation set)和测试集(test set)。 过程：建立模型->设定初始参数->训练集训练参数->验证集检测模型误差->改变参数，重复训练使误差最小->所有参数确定->测试集测试误差->评判模型，评估模型泛化能力　 验...
记录安装AerialDetection的那些坑
m0_52280322的博客
12-03 1418
环境要求：cuda10.0 , gcc5.5.0 1.connot import name deform_conv_cuda 解决方法1：mmdet/ops/目录下的dcn,roi_pool等含有setup.py的，都先将build删除，然后运行python setup.py develop 2. RuntimeError: all tensors must be on devices[0] 解决方法：将mmcv降到0.2.15版本 ...
windows下可变性卷积的使用
huachenyuyu1的博客
05-30 532
但windows安装mmcv比较麻烦，如果不成功，可以使用第二种。第一种安装mmcv，它提供dcn_v2。找github上单独编译的dcn。
DLA模型(分类模型+改进版分割模型) + 可变形卷积
BIT_Legend的博客
06-25 1万+
Deep Layer Aggregation (DLA) 是一种网络特征融合方法，发表于CVPR 2018。相比传统串联的卷积网络，其典型特点是实现了不同层级的深度融合，相比目标检测中的FPN和PAN结构，相比Desnet的密集连接，其连接方式更复杂更综合。论文中包含两个网络，一个是DLA的特征提取模型，可用作分类模型和检测模型的backbone，第二个网络是在DLA的基础上加入一个decoder模块，组成一个分割模型，相当于把DLA看做encoder。...........................
MXnet报错处理——input image size smaller than input shape
积沙成塔
05-05 3721
报错： terminate called after throwing an instance of 'dmlc::Error'   what():  [10:06:15] src/io/image_aug_default.cc:282: Check failed: static_cast(res.rows) >= param_.data_shape[1] && static_cast(res
RuntimeError: RPC ran for more than 60000 milliseconds and time out 报错处理
Jimmyyao18的博客
07-08 1199
pytorch 1.5.1 RuntimeError: RPC ran for more than 60000 milliseconds and time out 报错处理 近期pytorch更新了1.5.1版本，其中对于并行框架有了许多新的功能，恰巧最近工作也需要使用其中的RPC库，因此着手进行了一些实验但是，在实验的过程中遇到了一个问题，每当我按照tutorial中的代码进行运行的时候，就会有这个报错 RuntimeError: RPC ran for more than 60000 milliseco
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