标签:loss Unexpected target .. batch shape 报错 一致
1 报错描述
1.1 系统环境
ardware Environment(Ascend/GPU/CPU): CPU
Software Environment:
– MindSpore version (source or binary): 1.6.0
– Python version (e.g., Python 3.7.5): 3.7.6
– OS platform and distribution (e.g., Linux Ubuntu 16.04): Ubuntu 4.15.0-74-generic
– GCC/Compiler version (if compiled from source):
1.2 基本信息
1.2.1脚本
此案例自定义数据集并进行batch操作。
1.2.2报错
RuntimeError: Unexpected error. Inconsistent batch shapes, batch operation expect same shape for each data row, but got inconsistent shape in column 0, expected shape for this column is:, got shape:
2 原因分析
根据报错信息提示,batch操作需要输入的数据集shape一致,但自定义数据集中的shape没有统一,导致报错。
3 解决方法
1.去掉batch操作。
2.如果一定要对shape不一致的数据进行batch操作,需要整理数据集,通过pad补全等方式进行输入数据shape的统一。
4 类似问题
用户在做M2Det模型迁移时,若将代码中的create_m2det_dataset函数中的batch_size=1会得到每个图像的shape和每个targets的shape已修改为大小形状相同,程序可以顺利执行。但是,如果将batch_size改为10会报出如下错误。
此处定位到是由于target数量不一致导致shape不一致,需要根据算法需求进行设计:
1.对target的数据进行调整,比如取target的最大值,表示这个网络里最多就这么多目标,然后用一些特殊分类来补齐,计算出来loss之后,再把这部分loss通过乘0过滤掉。
2.参考ssd/yolo之类的的模型做法,直接将target编码后与feature_map计算loss。
5 总结
1.进行batch操作必须保持输入数据的shape一致。
2.对原本shape不一致的数据一定要进行batch操作,需要考虑先将shape调整为一致,后续再对由于进行了shape调整导致的数值偏差进行处理。
6 参考文档
https://www.mindspore.cn/tutorials/zh-CN/master/advanced/dataset/transform.html
标签:loss,Unexpected,target,..,batch,shape,报错,一致 来源: https://www.cnblogs.com/skytier/p/16485301.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。