tensorflow-yolov3
tensorflow-yolov3 copied to clipboard
YunYang1994
改动网络结构之后运行convert_weight.py失败，具体错误如下。有人遇见过吗？
我运行convert_weight.py org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 在config.py中修改,改为自己训练的模型 #__C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_coco.ckpt" __C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" #__C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_coco_demo.ckpt" __C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" 也没用，总是显示上述两个参数不相等？ @YunYang1994
我运行convert_weight.py org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 在config.py中修改,改为自己训练的模型 #__C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_coco.ckpt" __C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" #__C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_coco_demo.ckpt" __C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" 也没用，总是显示上述两个参数不相等？ @YunYang1994
hello，请问这个问题解决没有啊，
我运行convert_weight.py org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 在config.py中修改,改为自己训练的模型 #__C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_coco.ckpt" __C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" #__C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_coco_demo.ckpt" __C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" 也没用，总是显示上述两个参数不相等？ @YunYang1994
hello，请问这个问题解决没有啊，
如果是训练自己的数据集，没有必要运行convert_weight.py,直接修改freeze_graph.py中 ckpt_file 的值指向自己的路径，然后运行 freeze_graph.py 即可得到pb文件
请问convert_weight.py的作用是什么呢？训练自己的数据集得到的ckpt，运行convert_weight.py显示org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 两个参数不等。
这里真是一个大坑。作者给的coco的weight，其输出最后一维只能是255，而你自己的网络因为输出类型不同可能是其他数值。所以只要你不是和coco一样个数的网络，你都会出错。
强烈建议改成load darknet原生的weight，像其他很多开源项目一样，也可以减少项目对tf版本的强依赖。
@YunYang1994
我运行convert_weight.py org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 在config.py中修改,改为自己训练的模型 #__C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_coco.ckpt" __C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" #__C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_coco_demo.ckpt" __C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" 也没用，总是显示上述两个参数不相等？ @YunYang1994
hello，请问这个问题解决没有啊，
如果是训练自己的数据集，没有必要运行convert_weight.py,直接修改freeze_graph.py中 ckpt_file 的值指向自己的路径，然后运行 freeze_graph.py 即可得到pb文件
直接运行还是不行，会报错，Assign requires shapes of both tensors to match. lhs shape= [255] rhs shape= [75]，还有其他方法吗
我运行convert_weight.py org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 在config.py中修改,改为自己训练的模型 #__C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_coco.ckpt" __C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" #__C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_coco_demo.ckpt" __C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" 也没用，总是显示上述两个参数不相等？ @YunYang1994
请问这个问题解决了吗
解决了，是因为训练的类不一样，作者最开始是80类，在这个文件前几行类别就是80，如果是按照作者的voc数据来，就只有20类，改成20就可以了。用自己的数据集就改成相应的类数
解决了，是因为训练的类不一样，作者最开始是80类，在这个文件前几行类别就是80，如果是按照作者的voc数据来，就只有20类，改成20就可以了。用自己的数据集就改成相应的类数
请问一下在哪儿改，没找到80，忘记在哪个文件了
我是在教程 $ cd checkpoint $ wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.gz $ tar -xvf yolov3_coco.tar.gz $ cd .. $ python convert_weight.py --train_from_coco $ python train.py 运行convert_weight.py文件时就出错了 @Weipeilang
这里真是一个大坑。作者给的coco的weight，其输出最后一维只能是255，而你自己的网络因为输出类型不同可能是其他数值。所以只要你不是和coco一样个数的网络，你都会出错。
强烈建议改成load darknet原生的weight，像其他很多开源项目一样，也可以减少项目对tf版本的强依赖。
@YunYang1994
那请问一下我按照作者的教程来怎么修改才能解决这个问题呢
我运行convert_weight.py org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 在config.py中修改,改为自己训练的模型 #__C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_coco.ckpt" __C.YOLO.ORIGINAL_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" #__C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_coco_demo.ckpt" __C.YOLO.DEMO_WEIGHT = "./checkpoint/yolov3_test_loss=8.0376.ckpt-30" 也没用，总是显示上述两个参数不相等？ @YunYang1994
请问一下你的问题解决了吗
我在你训练教程的 $ cd checkpoint $ wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.gz $ tar -xvf yolov3_coco.tar.gz $ cd .. $ python convert_weight.py --train_from_coco 这一步的时候，因为./core/config.py中已经改为 __C.YOLO.CLASSES = "./data/classes/voc.names" __C.TRAIN.ANNOT_PATH = "./data/dataset/voc_train.txt" __C.TEST.ANNOT_PATH = "./data/dataset/voc_test.txt" 所以我在运行python convert_weight.py --train_from_coco出现 org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 这个问题，请问一下该怎么解决 @YunYang1994
我在你训练教程的 $ cd checkpoint $ wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.gz $ tar -xvf yolov3_coco.tar.gz $ cd .. $ python convert_weight.py --train_from_coco 这一步的时候，因为./core/config.py中已经改为 __C.YOLO.CLASSES = "./data/classes/voc.names" __C.TRAIN.ANNOT_PATH = "./data/dataset/voc_train.txt" __C.TEST.ANNOT_PATH = "./data/dataset/voc_test.txt" 所以我在运行python convert_weight.py --train_from_coco出现 org_weights_num = len(org_weights_mess) cur_weights_num = len(cur_weights_mess) 这两个参数总是不相等 这个问题，请问一下该怎么解决 @YunYang1994
你要先去config文件里查看一下demo的配置：__C.YOLO.CLASSES = "./data/classes/coco.names" 确保是coco.names, 然后去image_demo 文件里确保pb_file 是yolov3_coco.pb 以及num_class=80 这样就行了。 如果你之后按照教程训练的话，要把config里的coco.names改成voc.names
train.py里去掉后面参数就好了。 # 指定需要恢复的参数，因为改动类别数量，最后一层会变。 with tf.name_scope('loader_and_saver'): variables_to_restore = [v for v in self.net_var if v.name.split('/')[0] not in ['conv_sbbox', 'conv_mbbox', 'conv_lbbox']] self.loader = tf.train.Saver(variables_to_restore)
这里真是一个大坑。作者给的coco的weight，其输出最后一维只能是255，而你自己的网络因为输出类型不同可能是其他数值。所以只要你不是和coco一样个数的网络，你都会出错。
强烈建议改成load darknet原生的weight，像其他很多开源项目一样，也可以减少项目对tf版本的强依赖。
@YunYang1994
我好像也遇到这个问题了，如果使用voc训练，然后通过convert_weight转的时候就会出问题
感谢这个issue的讨论， 如果训练自己的数据集，是不需要convert_weight这一步的： CUDA_VISIBLE_DEVICES='0' python train.py CUDA_VISIBLE_DEVICES='0' python freeze_graph.py CUDA_VISIBLE_DEVICES='0' python image_demo.py
另外，convert_weight这个步骤的作用是什么，不太清楚，麻烦作者指点，谢谢 @YunYang1994
