Retinanet-Pytorch
Retinanet-Pytorch copied to clipboard
yatengLG
net.load_pretrained_weight 没这个方法呢？
AttributeError: 'RetainNet' object has no attribute 'load_pretrained_weight'
方法刚填加了,但是我这个没提供训练好的最终模型. (只提供了base网络的权重预训练.)
Retinanet-Pytorch/Demo_eval.py 中 net.load_pretrained_weight('XXX.pkl') XXX.pkl为你 训练好的最终模型.
更多问题欢迎issues ,或参考 https://github.com/yatengLG/SSD-Pytorch 来个项目是同样的结构. 这个项目是完整的提供了最终训练模型权重的.
1.最近没时间做后续的补充. 2.实现这个项目主要原因是使用focalloss损失,顺便实现的. 3.模型结构以及训练过程是没有任何问题的.短时间内不会补充预训练权重. 4.在实际的使用中,精度是有所提升的.但是没有想象中那么大(主要在之前就已经做了很大一部分的数据平衡的工作了) 5.本项目应该不会去复现论文. 6.本项目对深度学习有一些了解,并准备在自建数据集进行模型训练的研究项目会帮助比较大(项目结构有较好的移植性与灵活性);如果是单纯的论文复现,可能意义不是特别大(只是结构更加清晰了).
有其他问题欢迎issues.
还是报错，我看了下你的保存模型的方式，是：torch.save(model.**module.**state_dict() 是不是和这个有关
self.class.name, "\n\t".join(error_msgs))) RuntimeError: Error(s) in loading state_dict for RetainNet: Missing key(s) in state_dict: "backbone.layer3.6.conv1.weight", "backbone.layer3.6.bn1.weight", "backbone.layer3.6.bn1.bias", "backbone.layer3.6.bn1.running_mean", "backbone.layer3.6.bn1.running_var", "backbone.layer3.6.conv2.weight", "backbone.layer3.6.bn2.weight", "backbone.layer3.6.bn2.bias", "backbone.layer3.6.bn2.running_mean", "backbone.layer3.6.bn2.running_var", "backbone.layer3.6.conv3.weight", "backbone.layer3.6.bn3.weight", "backbone.layer3.6.bn3.bias", "backbone.layer3.6.bn3.running_mean", "backbone.layer3.6.bn3.running_var", "backbone.layer3.7.conv1.weight", "backbone.layer3.7.bn1.weight", "backbone.layer3.7.bn1.bias", "backbone.layer3.7.bn1.running_mean", "backbone.layer3.7.bn1.runnin
已经改完了,你现在可以config里面设置好参数,然后直接跑 demo_train.py去训练, 训练过程保存的模型在 Weights/trained下, 然后你可以用 demo_det**.py 进行检测.
@Shuwrood-SSW 对pytorch没要求,但是 torchvision需要0.3 以上. 只需要 pytorch与torchvision对应就行. 另外不要star下么?
@Shuwrood-SSW only need torchvision version > 0.3.0 . the pytorch version sould match with torchvision.