0

我正在使用 FRCNN 的这种实现来训练我的数据集：

https://github.com/kbardool/keras-frcnn

在训练期间，我得到没有堆栈跟踪的随机异常：

708/1000 [====================>.........] - ETA: 289s - rpn_cls: 0.1376 - rpn_regr: 0.3020 - detector_cls: 
709/1000 [====================>.........] - ETA: 288s - rpn_cls: 0.1376 - rpn_regr: 0.3020 - detector_cls: 
710/1000 [====================>.........] - ETA: 287s - rpn_cls: 0.1374 - rpn_regr: 0.3021 - detector_cls: 
711/1000 [====================>.........] - ETA: 286s - rpn_cls: 0.1373 - rpn_regr: 0.3018 - detector_cls: 
712/1000 [====================>.........] - ETA: 284s - rpn_cls: 0.1371 - rpn_regr: 0.3017 - detector_cls: 
713/1000 [====================>.........] - ETA: 283s - rpn_cls: 0.1370 - rpn_regr: 0.3019 - detector_cls: 
714/1000 [====================>.........] - ETA: 282s - rpn_cls: 0.1370 - rpn_regr: 0.3017 - detector_cls: 0.0783 - detector_regr: 0.0686
Exception: 'a' cannot be empty unless no samples are taken

715/1000 [====================>.........] - ETA: 281s - rpn_cls: 0.1369 - rpn_regr: 0.3015 - detector_cls: 
716/1000 [====================>.........] - ETA: 280s - rpn_cls: 0.1367 - rpn_regr: 0.3013 - detector_cls: 
717/1000 [====================>.........] - ETA: 279s - rpn_cls: 0.1365 - rpn_regr: 0.3009 - detector_cls: 
718/1000 [====================>.........] - ETA: 278s - rpn_cls: 0.1363 - rpn_regr: 0.3011 - detector_cls:

当我收到错误消息时，损失仍然下降，可能是什么原因，我该如何解决？

4

2 回答 2

1

我一直看到相同的错误消息，它似乎不会影响培训课程的结果。我注意到当我在训练数据上的边界框小于 20px 时，就会出现这个错误。让我知道您是否真的确定导致问题的原因！

于 2019-06-12T22:59:47.303 回答
0

我找到了根本原因并进行了一些肤浅的修复，但我对正在发生的事情没有 100% 的了解。异常发生在第二次尝试执行np.random.choice 时。如果第一个选择因异常而失败，则作者正在缓存异常并尝试在不进行重复数据删除的情况下进行选择。但是，如果neg_samples为空，则第二次调用会产生异常。

try:
    selected_neg_samples = np.random.choice(neg_samples, C.num_rois - len(selected_pos_samples), replace=False).tolist()
except:
    selected_neg_samples = np.random.choice(neg_samples, C.num_rois - len(selected_pos_samples), replace=True).tolist()

我已经这样“修复”了它：

try:
  selected_neg_samples = np.random.choice(neg_samples, C.num_rois - len(selected_pos_samples), replace=False).tolist()
except:
    selected_neg_samples = np.random.choice(neg_samples, C.num_rois - len(selected_pos_samples) if len(neg_samples)>0 else 0, replace=True).tolist()

同样，我不确定是否可以在 neg_samples 为空的情况下进行采样。可能对算法有更好理解的人可以在这里给出合理的评论。

于 2019-07-14T17:09:48.423 回答