我正在尝试从这里运行 ChainerCV 的“检测”演示， https://github.com/chainer/chainercv/tree/master/examples/detection

我在 AWS 上的BitFusion Ubuntu 14.04 Chainer AMI中运行此演示，并带有一个使用单个 GPU 的 p2.xlarge 实例。

当我一开始尝试运行这个演示时，我收到了这个错误，

没有显示名称，也没有 $DISPLAY 环境变量

所以我在网上对其进行了研究，得到了一个将 matplotlib 与 AGG 引擎一起使用的解决方案，所以我尝试导入它并使用 agg。这确实解决了 $DISPLAY 的问题，但是现在当我运行演示时，它会成功执行，但作为输出，我得到的只是一个白色的空白图像。

谁能告诉我这背后的原因？

我正在对视频序列进行分类，我需要两件事：

1. 由于 GPU 内存有限，我想在 mini-batch 中累积梯度，然后平均梯度值，然后反向传播。

2. 我需要知道如何在小批量之间随机播放，但不要在每个小批量内随机播放，因为我希望视频序列保持其顺序。

Github page

Looking generate_anchor_base method, which is Faster R-CNN util method in ChainerCV.

What is the base_size = 16? I saw in the Documentation that it is

The width and the height of the reference window.

But what does "reference window" mean?

Also it says that anchor_scales=[8, 16, 32] are the areas of the anchors but I thought that that the areas are (128, 256, 512)

Another question:
If the base size is 16 and h = 128 and w=128, Does that mean anchor_base[index, 0] = py - h / 2 is a negative value? since py = 8 and and h/2 = 128/2

我正在使用 Win 10。我尝试通过 pip 安装 ChainerCV。我想知道可以做些什么来解决这个问题。还有这个问题背后的原因：没有 VisualStudio、依赖问题或任何其他问题。运行 ChainerCV 是否需要 CUDA？

PS我有chainer和其他依赖项正常运行。

堆栈跟踪：复制 chainercv\utils\bbox_nms_gpu_post.c -> build\lib.win-amd64-3.5\chainercv\utils\bbox 运行 build_ext 构建 'chainercv.utils.bbox._nms_gpu_post' 扩展错误：需要 Microsoft Visual C++ 14.0。使用“Microsoft Visual C++ 构建工具”获取它：https ://visualstudio.microsoft.com/downloads/

无法为chainercv 构建轮子为chainercv 运行setup.py clean 无法构建chainercv 安装收集的包：chainercv 为chainercv 运行setup.py install ... 错误命令c:\users\dell\appdata\local\programs\python 的完整输出\python35\python.exe -u -c "导入 setuptools，tokenize；文件='C:\Users\Dell\AppData\Local\Temp\pip-install-qjghd97d\chainercv\setup.py';f=getattr(tokenize , 'open', open)( file );code=f.read().replace('\r\n', '\n');f.close();exec(compile(code, file , 'exec '))" 安装 --record C:\Users\Dell\AppData\Local\Temp\pip-record-cl7d0zn_\install-record.txt --single-version-externally-managed --compile:

构建“chainercv.utils.bbox._nms_gpu_post”扩展错误：需要 Microsoft Visual C++ 14.0。使用“Microsoft Visual C++ 构建工具”获取它：https ://visualstudio.microsoft.com/downloads/

命令“c:\users\dell\appdata\local\programs\python\python35\python.exe -u -c”导入setuptools，tokenize；file ='C:\Users\Dell\AppData\Local\Temp\pip-install-qjghd97d\chainercv\setup.py';f=getattr(tokenize, 'open', open)( file );code=f.read ().replace('\r\n', '\n');f.close();exec(compile(code, file , 'exec'))" install --record C:\Users\Dell\AppData \Local\Temp\pip-record-cl7d0zn_\install-record.txt --single-version-externally-managed --compile" 在 C:\Users\Dell\AppData\Local\Temp\pip- 中出现错误代码 1 失败安装-qjghd97d\chainercv\

我想用 ChainerCV 训练一个 Faster R-CNN。作为第一次测试，我主要复制了提供的示例，我只更改了与数据集对应的行以使用我的自定义数据集。我检查了我的数据集是否完全可以使用本教程中描述的所有操作。

如果我在没有更改的情况下运行脚本，一切都会完美，但如果我更改batch_size，我会收到错误消息。我尝试将shared_mem从 100 MB 增加到 1000 MB，但错误并没有消失。

设置 batch_size=2 时出错：

系统信息：

编辑：使用 batch_size=2 运行示例时，也会发生错误。

我有一个 250 个图像数据集和 250 个带有两个类的注释文件：球和球员。该文件夹还包含三个文本文件 train.txt、val.txt、test.txt，分别包含训练、测试和验证图像列表。

在 250 个中，我将 170 个作为训练，70 个作为验证，10 个作为测试图像。但是在打印 train、val 和 test 数据集的长度时，我总是得到 train+12, train+3 nad test。例如，在这种情况下，对于 train、val 和 test，它将显示为 182、73、10。测试值不变。每次 train 和 val 值都会增加 12 和 3。

“训练”数据集中的图像数量：182 “有效”数据集中的图像数量：73 “测试”数据集中的图像数量：10

为什么会发生这种情况以及如何防止这种情况发生。而且它是否会以某种方式影响我的培训过程？

train.txt 链接 ( https://imgur.com/B1Gszfi ) val.txt 链接 ( https://imgur.com/kOcIZ5h )

我有一个包含 250 个形状图像（3、320、240）和 250 个注释文件的图像集。我正在使用 ChainerCV 来检测和识别图像中的两个类：球和球员。这里我们使用在 ImageNet 数据集上预训练的 SSD300 模型。

编辑：创建数据集对象的类

下载预训练模型

TRANSFORM DATASET 导入必要的库

在训练期间，它会引发以下错误：

我想知道是什么原因造成的。在这种情况下输入数据格式是否不正确？以及如何解决这种情况。

我已经使用 SSD300（imagenet 预训练模型）进行两类分类的检测和识别：[Basketball-ChainerCV]（https://github.com/atom2k17/Basketball-ChainerCV/blob/master/basketballproject.py）。训练和预测都很好。但是当我在训练时使用 SSD512（imagenet 预训练模型）时，出现以下错误：

我正在使用 Google Colab GPU 环境。任何解决此问题的指针表示赞赏。

我在训练时使用 SSD512（imagenet 预训练模型）和 Faster_R-CNN（预训练），损失和置信度显示 nan 和验证为 0。

[篮球-ChainerCV]（https://github.com/atom2k17/Basketball-ChainerCV/blob/master/basketballproject.py）。

这是下面 SSD300 训练的图像：

在训练开始之前训练 Faster R-CNN 时，在第一组 epoch 的结果之前会显示以下内容：

我尝试过的事情：

1. 提高学习率
2. 减小 batch_size
3. 删除了文本文件中的图像、注释和内容，这些图像的边界框小于总图像大小的 1%

注意： SSD300 一切正常，问题出在 SSD512 和 Faster RCNN 模型上。所有模型都在 ImageNet 数据集上进行了预训练。

问题背后的问题/问题是什么？谁能指点如何处理这些问题？

我已经从使用单个 gpu 转变为使用多个 gpu。代码抛出错误

将在重新提出异常之前完成培训师扩展和更新程序。

我试过不使用gpu它工作得很好。但是当使用单个 gpu 时，出现内存不足的错误。所以，移动了 p28xlarge 实例，现在它抛出了上述错误。问题出在哪里以及如何解决？

使用 8 个 gpu 完成更改

3.#更新程序

4.and 儿子.. 5.Training :

输出 -- epoch main/loss validation/main/loss elapsed_time 主训练循环中的异常：在 'list' 和 'int' 的实例之间不支持 '<'

我期望输出为