首页 > 其他分享 >PaddleSeg2.8训练验证时报错[Hint: Expected axis >= -rank && axis < rank == true, but received axis >

PaddleSeg2.8训练验证时报错[Hint: Expected axis >= -rank && axis < rank == true, but received axis >

时间:2024-04-26 21:01:51浏览次数:14  
标签:-- paddle 报错 rank && append axis

1. 报错问题

  ValueError: (InvalidArgument) The axis is expected to be in range of [0, 0), but got 0
  [Hint: Expected axis >= -rank && axis < rank == true, but received axis >= -rank && axis < rank:0 != true:1.]

2.解决办法

  上述报错问题是在使用PaddleSeg-release2.8版本使用deeplabv3p模型训练图片做分割时遇到的。训练过程中一切正常,等到evaluate验证时就报错了。解决办法如下:

  看一下你报错的代码是哪行?我的是paddleseg\utils\metrics.py中的

  pred_area.append(paddle.sum(paddle.cast(pred_i, "int64")))
  label_area.append(paddle.sum(paddle.cast(label_i, "int64")))
  intersect_area.append(paddle.sum(paddle.cast(intersect_i, "int64")))

  这些行报错了,根据报错内容,可以使用unsqueeze将结果提升一个维度,修改如下:

  pred_area.append(paddle.sum(paddle.cast(pred_i, "int64")).unsqueeze(0))
  label_area.append(paddle.sum(paddle.cast(label_i, "int64")).unsqueeze(0))
  intersect_area.append(paddle.sum(paddle.cast(intersect_i, "int64")).unsqueeze(0))

  再次运行命令训练:

python tools/train.py --config E:\pythonWorksapce\PaddleSeg-release-2.8\configs\deeplabv3p_resnet101_os8_cityscapes_769x769_80k_wx.yml --do_eval --use_vdl --save_interval 500 --save_dir output0425

  直到训练完都是正常不报错。

  训练可视化使用visualdl --logdir output0425

  据说使用源码安装也可以解决报错问题,具体没有试过。

标签:--,paddle,报错,rank,&&,append,axis
From: https://www.cnblogs.com/wancy/p/18160865

相关文章

  • rerank来提升RAG的准确度的策略
     RAG(Retrieval-AugmentedGeneration)是一种结合检索和生成两种技术的模型,旨在通过检索大规模知识库来增强文本生成任务的准确性。要通过reranking(重排序)来提升RAG的准确度,可以采取以下策略:1.使用更精细的评分函数RAG通常会在检索阶段根据输入问题或上下文生成一系列候选文档......
  • LeetCode 1331. Rank Transform of an Array
    原题链接在这里:https://leetcode.com/problems/rank-transform-of-an-array/description/题目:Givenanarrayofintegers arr,replaceeachelementwithitsrank.Therankrepresentshowlargetheelementis.Therankhasthefollowingrules:Rankisanintegers......
  • CF1067E Random Forest Rank 题解
    这道题涉及了组合分析和概率。本质上,当以一定的概率从给定的树中删除边时,您需要找到结果林的邻接矩阵的期望秩。要解决这个问题,可以使用动态规划。我们用\(f(u,v)\)表示当删除边\((u,v)\)时,由以顶点\(v\)为根的子树中的顶点形成的林的期望秩。这里,\(u\)和\(v\)是树中的......
  • .Net与AI的强强联合:AntSK知识库项目中Rerank模型的技术突破与实战应用
        随着人工智能技术的飞速发展,.Net技术与AI的结合已经成为了一个新的技术热点。今天,我要和大家分享一个令人兴奋的开源项目——AntSK,这是一个基于.net平台构建的开源离线AI知识库项目。在这个项目中,我们最近加入了一项强大的Rerank(重排)模型,进一步增强了我们的AI知识库的......
  • RAG知识库优化之Rerank应用
          前面几篇文章介绍了最基本的RAG实现,也了解了RAG的基本原理。最基本的RAG流程为用户Query问题,RAG应用在向量库查询出Context,然后将Query与Context喂到LLM,LLM生成满足Query的Response答案。      从这里可以存在三元组:Query、Context和Response,如要想进一步......
  • 多模态学习实战手册:读懂CompassRank榜单的评测指标!
    1.前言榜单链接:CompassRankCompassRank是一个中立且全面的性能榜单,作为大模型评测体系OpenCompass2.0中各类榜单的承载平台。它覆盖多领域、多任务下的模型性能,并定期更新,以提供动态的行业洞察。CompassRank保持中立性,不受任何商业利益干扰,并依托于CompassKit工具链......
  • An Efficient Approach for Cross-Silo Federated Learning to Rank文章翻译
    AnEfficientApproachforCross-SiloFederatedLearningtoRank一种有效的cross-silo(跨孤岛)联邦排名学习方法摘要传统的排名学习(LTR)模型通常采用基于大量数据的集中式方法进行训练。然而,随着人们数据隐私意识的提高,像以前一样从多个所有者收集数据变得更加困难,由此......
  • 为什么 InputComponent->BindAxis(TEXT("ViewHorizontalOffSet"),this,&AMarioControl
    在UnrealEngine中,InputComponent->BindAxis和事件绑定(如OnComponentBeginOverlap)使用不同的系统和要求。这些差异导致了在绑定函数时对UFUNCTION()宏的不同需求。BindAxis和UFUNCTION()宏BindAxis:用于绑定输入轴(如游戏手柄的移动或旋转)。当绑定轴输入时,BindAxis函数直接引用......
  • 1.5 - Numpy的方法中,axis参数的理解
    1.5.1Numpy常用方法在Numpy常用方法如:sum,argmin等方法中,经常出现参数axis。【axis表示维度,从0开始,含义是:如果设置axis=i,则计算会沿着i变化的方向操作。】示例:importsysimportnumpyasnpa=np.arange(1,7).reshape(2,3)print(a)print(np.sum(a,axis=0).sh......
  • 【已解决】onnx转TensorRT遇到Assertion failed: axis >= 0 && axis < nbDims的问题
    最近在jetsonnano上部署YOLOv8的时候遇到了许多问题(参考jetsonnano部署YOLOv8),大部分比较好解决,其中在将模型部署到jetsonnano的阶段遇到了如下两个问题:静态onnx转TensorRT遇到Assertionfailed:axis>=0&&axis<nbDims问题动态onnx转tensorrt报错:Attributenotfound......