Ошибка Caffe во время тестирования: проверка не удалась: count_ == proto.data_size () (9408 против 0) - PullRequest
Новая
       45

Ошибка Caffe во время тестирования: проверка не удалась: count_ == proto.data_size () (9408 против 0)

0 голосов
/ 28 сентября 2018

Я обучил googlenet на Caffe, и теперь я хочу провести тестирование, поэтому я использую deploy.prototxt и предварительно обученные веса и назначаю их для Net.Но я получаю эту ошибку (что интересно, после сообщения о том, что сеть инициализирована) 

I0927 17:51:41.171922  5336 net.cpp:255] Network initialization done.
I0927 17:51:41.195708  5336 net.cpp:744] Ignoring source layer label_imgdata_1_split
F0927 17:51:41.195746  5336 blob.cpp:496] Check failed: count_ == proto.data_size() (9408 vs. 0)

Видимо, я не могу скопировать и вставить прототипы целиком из-за ограничения количества символов.Я добавляю, как это выглядит без тела, которое более или менее одинаково (за исключением фазы: TRAIN и фазы: TEST parts ofc).Тело идентично приведенному здесь примеру: https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

Одно примечание: я читаю данные hdf5 во время обучения и просто использую сценарий python во время теста (я выполняю ту же предварительную обработку, что и япри создании данных hdf5 / поэтому я не использую io.transform от caffe и вообще не вычитаю среднее значение (работает лучше) - хотя ошибка происходит во время инициализации и не читается в части данных

Как выглядит мое развертывание: 

name: "GoogleNet"
layer {
  name: "data"
  type: "Input"
  top: "data"
  input_param { shape: { dim: 10 dim: 3 dim: 224 dim: 224 } }
}

.....

  layer {
  name: "loss3/classifier"
  type: "InnerProduct"
  bottom: "pool5/7x7_s1"
  top: "loss3/classifier"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  inner_product_param {
    num_output: 7
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

layer {
  name: "prob"
  type: "Softmax"
  bottom: "loss3/classifier"
  top: "prob"
}

А вот как выглядит мой прототип поезда: 

name: "GoogleNet"

layer {
  name: "imgdata"
  type: "HDF5Data"
  top: "label"
   hdf5_data_param {
      source: "/media/DATA/DetDataWOMeanSubt/train_h5_list.txt"
      batch_size: 64
      shuffle: true
      }
  include {
    phase: TRAIN
  }

}

layer {
  name: "imgdata"
  type: "HDF5Data"
  top: "imgdata"
  top: "label"
   hdf5_data_param {
      source: "/media/DATA/DetDataWOMeanSubt/eval_h5_list.txt"
      batch_size: 128
      shuffle: true
      }
 include {
    phase: TEST
  }
}

....

layer {
  name: "loss3/classifier"
  type: "InnerProduct"
  bottom: "pool5/7x7_s1"
  top: "loss3/classifier"
  inner_product_param {
    num_output: 7
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "loss3/classifier"
  bottom: "label"
  top: "loss"
  loss_weight: 1
}
layer {
  name: "accuracy/top-1"
  type: "Accuracy"
  include { phase: TEST }
  bottom: "loss3/classifier"
  bottom: "label"
  top: "accuracy/top-1"
  accuracy_param { top_k: 1 }
}

А вот как я инициализирую сеть: 

net = caffe.Net(model_def,      # defines the structure of the model
                model_weights,  # contains the trained weights
                caffe.TEST)     # use test mode (e.g., don't perform dropout)

И я получаю это предупреждение до инициализации Сети (похоже, она все равно инициализирует сеть) 

DEPRECATION WARNING - deprecated use of Python interface
W0927 17:51:40.486548  5336 _caffe.cpp:140] Use this instead (with the named "weights" parameter):
W0927 17:51:40.486551  5336 _caffe.cpp:142] Net('/home/x/Desktop/caffe-caffe-0.16/models/bvlc_googlenet/deploy.prototxt', 1, weights='/home/x/Desktop/caffe-caffe-0.16/models/bvlc_googlenet/logs_iter_60000.caffemodel')

(Но когда я делаю, как предложено, это не работает)

Я делал тестирование много раз перед использованием Caffe, я не знаю, почему это не работает.

1 Ответ

0 голосов
/ 30 сентября 2018

Если кому-то было интересно, то оказалось, что я тренировал модель с другой версией caffe и пытался протестировать с другой.У меня на компьютере установлено две версии, и кажется, что я просто импортировал старую версию во время тестирования с помощью скрипта Python (для обучения я непосредственно ссылался и использовал инструменты caffe в процессе сборки), который определен в LD_LIBRARY_PATH.Разница между версиями не слишком существенна, но кажется, что при чтении прототипа было несоответствие.

...