使用Faster-RCNN进行指定GPU训练（续）

1. 今天接着昨天的实验继续跑“多GPU训练” python trainval_net.py --dataset pascal_voc --net res101 --bs 24 --nw 8 --lr $LEARING_RATE --lr_decay_step $DECAY_STEP --cuda --mGPUs # (pascal_voc.py self._classes 类别修改)
2. 训练自己的数据集（步骤与之前样例中相同）
3. 训练完成后对数据集进行处理，发现有些图片因为亮度不够或模糊而识别有误。下一步考虑怎么提高图片的清晰度，使识别率提高。
4. 目前有个想法： 计算图片清晰度，如果清晰度不在某个范围的话，进行第二步操作； 调整图片的亮度和对比度，然后再进行清晰度计算。若清晰度达到要求，则输出；否则，继续调整，直到符合要求。

问题

问题一：“多GPU训练”中出现ctx.input_sizes = tuple(map(lambda i: i.size(ctx.dim), inputs)) RuntimeError: dimension specified as 0 but tensor has no dimensions错误 解决：在中的可以看到这个问题出现的比较多，其中有两条解决方案： the pytorch 1.0 branch works fine with multi GPU training（pytorch 1.0分支可以正常进行多GPU训练）。但因为太麻烦，我没有尝试。 在faster-rcnn.pytorch/lib/model/faster_rcnn/faster_rcnn.py中加入以下几行（经测试可行）： rpn_loss_cls = torch.Tensor([0]).cuda() + rpn_loss_cls rpn_loss_bbox = torch.Tensor([0]).cuda() + rpn_loss_bbox RCNN_loss_cls = torch.Tensor([0]).cuda() + RCNN_loss_cls RCNN_loss_bbox = torch.Tensor([0]).cuda() + RCNN_loss_bbox 问题二：assert (boxes[:, 2] >= boxes[:, 0]).all() AssertionError 解决：将datasets/pascal_voc.py中的如下代码的"-1"删掉 bbox = obj.find(bndbox) # Make pixel indexes 0-based x1 = float(bbox.find(xmin).text) - 1 y1 = float(bbox.find(ymin).text) - 1 x2 = float(bbox.find(xmax).text) - 1 y2 = float(bbox.find(ymax).text) - 1 问题三：raise ValueError("bg_num_rois = 0 and fg_num_rois = 0, this should not happen!") 解决： 玄学解决，按照中的方法都试了一遍，莫名其妙的就跑通了。。。