首页 > 其他分享 >pytorch-facenet

pytorch-facenet

时间:2025-01-08 12:32:58浏览次数:1  
标签:stage1.1 stage1.0 backbone facenet pytorch num model

train.py

C:\Users\liu\Anaconda3\envs\pytorch01\python.exe F:/facenet/facenet-pytorch/facenet-pytorch/train.py
WARNING:root:This caffe2 python run does not have GPU support. Will run in CPU only mode.
Load weights model_data/facenet_mobilenet.pth.

Successful Load Key: ['backbone.model.stage1.0.0.weight', 'backbone.model.stage1.0.1.weight', 'backbone.model.stage1.0.1.bias', 'backbone.model.stage1.0.1.running_mean', 'backbone.model.stage1.0.1.running_var', 'backbone.model.stage1.0.1.num_batches_tracked', 'backbone.model.stage1.1.0.weight', 'backbone.model.stage1.1.1.weight', 'backbone.model.stage1.1.1.bias', 'backbone.model.stage1.1.1.running_mean', 'backbone.model.stage1.1.1.running_var', 'backbone.model.stage1.1.1.num_batches_tracked', 'backbone.model.stage1. ……
Successful Load Key Num: 168

Fail To Load Key: ['classifier.weight', 'classifier.bias'] ……
Fail To Load Key num: 2
F:\facenet\facenet-pytorch\facenet-pytorch\utils\dataloader.py:164: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray
  return np.array(pairs)
Configurations:
----------------------------------------------------------------------
|                     keys |                                   values|
----------------------------------------------------------------------
|              num_classes |                                     4999|
|                 backbone |                                mobilenet|
|               model_path |         model_data/facenet_mobilenet.pth|
|              input_shape |                            [160, 160, 3]|
|               Init_Epoch |                                        0|
|                    Epoch |                                       50|
|               batch_size |                                        6|
|                  Init_lr |                                    0.001|
|                   Min_lr |                                    1e-05|
|           optimizer_type |                                     adam|
|                 momentum |                                      0.9|
|            lr_decay_type |                                      cos|
|              save_period |                                        1|
|                 save_dir |                                     logs|
|              num_workers |                                        0|
|                num_train |                                   256594|
|                  num_val |                                     2591|
----------------------------------------------------------------------
Start Train
Epoch 1/50:   0%|          | 55/42765 [15:32<202:08:13, 17.04s/it, accuracy=0, lr=3e-5, total_CE_loss=11.8, total_triple_loss=0

 

标签:stage1.1,stage1.0,backbone,facenet,pytorch,num,model
From: https://www.cnblogs.com/wuminggaodi/p/18659479

相关文章

  • 面向强化学习的状态空间建模:RSSM的介绍和PyTorch实现
    循环状态空间模型(RecurrentStateSpaceModels,RSSM)最初由DanijarHafer等人在论文《LearningLatentDynamicsforPlanningfromPixels》中提出。该模型在现代基于模型的强化学习(Model-BasedReinforcementLearning,MBRL)中发挥着关键作用,其主要目标是构建可靠的环境动态......
  • RT-DETR代码详解(官方pytorch版)——参数配置(1)
    前言RT-DETR虽然是DETR系列,但是它的代码结构和之前的DETR系列代码不一样。它是通过很多的yaml文件进行参数配置,和之前在train.py的parser=argparse.ArgumentParser()去配置所有参数不同,所以刚开始不熟悉代码的时候可能不知道在哪儿修改参数。RT-DETR有官方版和ultralytics......
  • 如何配置显卡cuda用来pytorch训练
    1、更新显卡驱动程序到最新版上英伟达官网https://www.nvidia.cn/drivers/lookup/现在,更新!2、查看显卡是否支持cuda。打开显卡控制面板。nvidia查看显卡的驱动程序版本,此处为566.36上官网https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html查看对......
  • 动手学习Pytorch:过拟合欠拟合篇
    基本概念训练误差:模型在训练数据集上计算得到的误差泛化误差:模型在原始分布中抽取的无限多的样本上的误差生成数据集根据这个函数来生成数据集生成数据集的顺序如下:生成原始数据x->计算x的多个次方->除以(n-1)!->跟系数点乘得到最后的结果max_degree=20#多项......
  • 【爆肝4万字】PyTorch从入门到精通:张量操作、自动微分、梯度下降全解析
    文章目录前言一、张量的创建1.1基本创建方式1.1.1常用方法1.1.2示例代码1.1.3输出结果1.2创建线性和随机张量1.2.1常用方法1.2.2示例代码1.2.3输出结果1.3创建0和1张量1.3.1常用方法1.3.2示例代码1.3.3输出结果1.4张量元......
  • Python学习(五)——配套《PyTorch深度学习实战》
    1.Python的流程控制tips:我使用的Python3.9版本,if、else是要加:的Python的流程控制主要通过条件语句和循环语句来实现,它们允许程序根据特定的条件执行不同的代码块。以下是Python中常用的流程控制结构:条件语句(if-elif-else)条件语句允许程序根据条件的真假来选择执行不同的代......
  • 【学习心得】比较Paddle、Tensorflow和Pytorch
    PaddlePaddle学的时间最长,买了官方的书,官方的在线学习看了两遍。前后大概一年的跨度,看完第一遍后大半年又看了一遍。12月末的时候去参加了百度在上海张江科学大会堂的一个大会。看完第二遍PaddlePaddle决定把Tensorflow也了解下,遇到了蜥蜴书,真心觉得不错的书,前后花了两个月时间......
  • 动手深度学习-PyTorch(第二版)PDF、EPUB免费下载
    电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍点击原文去下载书籍信息作者:阿斯顿·张(AstonZhang)/李沐(MuLi)/[美]扎卡里·C.立顿(ZacharyC.Lipton)/[德]亚历山大·J.斯莫拉(AlexanderJ.Smola)出版社:人民邮电出版社出品方:异步图书译......
  • PyTorch Geometric框架下图神经网络的可解释性机制:原理、实现与评估
    在机器学习领域存在一个普遍的认知误区,即可解释性与准确性存在对立关系。这种观点认为可解释模型在复杂度上存在固有限制,因此无法达到最优性能水平,神经网络之所以能够在各个领域占据主导地位,正是因为其超越了人类可理解的范畴。其实这种观点存在根本性的谬误。研究表明,黑盒模型在......
  • PyTorch Geometric框架下图神经网络的可解释性机制:原理、实现与评估
    在机器学习领域存在一个普遍的认知误区,即可解释性与准确性存在对立关系。这种观点认为可解释模型在复杂度上存在固有限制,因此无法达到最优性能水平,神经网络之所以能够在各个领域占据主导地位,正是因为其超越了人类可理解的范畴。其实这种观点存在根本性的谬误。研究表明,黑盒......