cc

@sisrfeng 这是没有找到serial阶段生成的模型，你看下这个目录下有没有model_1.pth，另外，为什么你的task目录下的子目录名称是中文？时区有关？ 

> 现在这个问题怎么搞呢?  由于torchvision版本更新的原因，最新版本的torchvision中的fasterRCNN需要手动转换下`roi_pooler`，如果你的torchvision版本较低，可以删除 `vega.networks.faster_rcnn`下的如下部分，使用` super(FasterRCNN, self).__init__(backbone_neck, num_classes, **kwargs)`即可： 

我用的是`torch==1.8.0`, `torchvision==0.9.0`，直接用vega的代码，没有做修改。

这是检测网络，用的数据集是COCO2017：https://cocodataset.org/#download vega暂不支持VOC格式的数据集。 第三阶段用ImageNet数据集做重燃，防止backbone的精度丢失过大，用标准的ImagneNet数据集：https://image-net.org/challenges/LSVRC/index.php

我们的imagenet数据集下分了val和val_unsorted两个目录，结构如下： `val/n01797xxx/xxx.jpeg`, `val_unsorted/val/xxx.jpeg`. 至于你的错误，我们还未重现过，你方便的话可以把日志级别调成debug级别，然后把pipeline.log发给我们。 调整日志级别，修改yml配置： ```yaml general: logger: level: debug ```

kaggle上得imagenet数据集是简化版的，日志级别调整到debug以后会异常栈打印出来。另外我们会根据日志信息看下训练过程是否有问题。

从日志上看是parallel报错了，可能原因是serial阶段搜索出来的网络输出的特征图和parallel阶段对不上，我找人定位解决一下这个问题。

@sisrfeng 你的配置文件要修改一下，parallel阶段的searchspace定义应该为`[0,1,2,3]`，这是一个长度为4的数组，对应的是fasterRcnn的4个特征图。搜索算法会打断其顺序和组合，但是总长度不变。 

serial阶段的搜索空间['111-2111-211111-211']中，表示backbone有[3, 4, 6, 3]个block，-表示下采样的位置，2表示channels *2。 parallel的[[0, 1, 2, 3]]是FPN的每个特征层融合包含的layer的数量，里面的值是[0,3]之间随机的，比如[0,3,0,1]这样都行。