- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我学习了 MXNet 框架并尝试使用 SSD 运行对象检测示例: https://gluon.mxnet.io/chapter08_computer-vision/object-detection.html
我使用的 GPU 是 NVidia GTX 1050,4GB 用于训练。我在 Jupyter 笔记本上工作。版本:Python 3.6、MXNet 1.3.1。
教程中提到,使用一个 GPU 从头开始训练大约需要 30 分钟。 3小时后我停了下来。当我中断训练时,模型已处理 24459 个批处理(批处理大小为 32)。整个数据集大小为 87.7MB,小于 24459*32*256*256(图像大小为 256x256)。我不明白为什么它可能需要太多时间。 image.ImageDetIter 是否有任何特殊功能(例如,它永远不会自行停止)?
最佳答案
感谢您提供版本信息。你是完全正确的 - MXNet 1.3.0 中有一个错误,其中 ImageDetIter
在你的示例中无限循环。此问题已修复 Dec 2018如果您升级到 MXNet 1.4.0,您将不会看到该问题。我通过运行上面的代码确认了这一点。
另一个重要说明,“深度学习 - The Straight Dope”已被弃用,取而代之的是(深入深度学习](d2l.ai)。内容已更新并用于 MXNet 上的类(class)。 这是书中相应的chapter。
此外,类(class)视频已发布 here ,如果你想看的话。
至于重现,我运行并确认这在 1.3.x 中无限循环并在 1.4.0 中修复。
train_iter = image.ImageDetIter(
batch_size=1000,
data_shape=(3, data_shape, data_shape),
path_imgrec='./data/pikachu_train.rec',
path_imgidx='./data/pikachu_train.idx',
#shuffle=True,
#mean=True,
#rand_crop=1,
min_object_covered=0.95,
last_batch_handle='pad',
max_attempts=5)
train_iter.reset()
for i,data in enumerate(train_iter):
print((i+1)) # goes forever on 1.3.0 but not 1.4.0
希望有帮助,
维沙尔
关于python - 了解 mxnet.image.ImageDetIter,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55004936/
我学习了 MXNet 框架并尝试使用 SSD 运行对象检测示例: https://gluon.mxnet.io/chapter08_computer-vision/object-detection.h
我是一名优秀的程序员,十分优秀!