darkdepth
commented
4 years ago 您好，非常感谢分享，我再执行get_dr_txt.py时，发现生成得detection下得txt文件全空，查找错误发现，执行test策略时，执行EfficientNet的forward时(位置在代码目录$./nets/efficientdet.py)，第413行x = self.model._bn0(x)，也即self._bn0 = nn.BatchNorm2d(num_features=out_channels, momentum=bn_mom, eps=bn_eps)函数时， 上一步不同的输出数值，经过bn0后结果都变为相同的输出，不管接受的是什么输入，只输出'backbone_net.model._bn0.bias'的值，并且weight并不为0，查看上一步的结果，至于形状 test策略时： [16, 3, 1024, 1024] input [16, 48, 512, 512] 经过x = self.model._conv_stem(x) train策略时： [2, 3, 1024, 1024] input [2, 48, 512, 512] 经过x = self.model._conv_stem(x)
test策略调用的模型是训练的第40代(phi=4)，训练误差和验证误差均为0.0002。
试着调整test时的送入形状，我分别截取输出，使map调用输入的形状和训练时的，两者形状完全一致，还是有以上错误；
截取了训练时的数据，结果证明是完全没问题的，
查看训练和map输入的数据，进行对比发现，并无明显差异，
非常期待您的回复，谢谢
抱歉，是我个人的失误，错用class，本来是“0”和“1”，我自己设为了"yes"和“no"，2007_train.txt文件没有任何框的信息，虽然训练误差小，但是一个框的误差都没有用到。
bubbliiiing
您好，非常感谢分享，我再执行get_dr_txt.py时，发现生成得detection下得txt文件全空，查找错误发现，执行test策略时，执行EfficientNet的forward时(位置在代码目录$./nets/efficientdet.py)，第413行x = self.model._bn0(x)，也即self._bn0 = nn.BatchNorm2d(num_features=out_channels, momentum=bn_mom, eps=bn_eps)函数时， 上一步不同的输出数值，经过bn0后结果都变为相同的输出，不管接受的是什么输入，只输出'backbone_net.model._bn0.bias'的值，并且weight并不为0，查看上一步的结果，至于形状 test策略时： [16, 3, 1024, 1024] input [16, 48, 512, 512] 经过x = self.model._conv_stem(x) train策略时： [2, 3, 1024, 1024] input [2, 48, 512, 512] 经过x = self.model._conv_stem(x)
test策略调用的模型是训练的第40代(phi=4)，训练误差和验证误差均为0.0002。
试着调整test时的送入形状，我分别截取输出，使map调用输入的形状和训练时的，两者形状完全一致，还是有以上错误；
截取了训练时的数据，结果证明是完全没问题的，
查看训练和map输入的数据，进行对比发现，并无明显差异，
非常期待您的回复，谢谢