Deformable DETR进行目标检测，解决size mismatch问题

问题描述：

strict=False 但还是size mismatch for []: copying a param with shape [] from checkpoint,the shape in cur []

接着(6条消息) Deformable DETR环境配置和应用_Alaso_soso的博客-CSDN博客_deformable detr

上面的链接进行继续写，发现很多人同样也遇到了，我遇到的这个问题，找到了解决方案，记录一下，或许也可以解决在训练自己的模型的时候出现的size问题不匹配的问题.

背景：

前期只是用官方给的完整的deformable detr 模型进行预测的，因此没有出现size不匹配的问题，后面报了一大堆类似一下的错误，网上的有的人用pop解决了问题，然而我却不ok，这次使用的预训练模型是r50_deformable_detr_single_scale-checkpoint.pth：

size mismatch for transformer.level_embed: copying a param with shape torch.Size([1, 256]) from checkpoint torch.Size([64, 256])

解决方案：

首先定位到detect.py文件：detect.py参考链接，修改model_path,以为可以直接运行，结果gg了：

model_path = './r50_deformable_detr_single_scale-checkpoint.pth'

Deformable-DETR部署和体验 - 简书 (jianshu.com)

在定位到load_model方法：

def load_model(model_path, args):model, _, _ = build_model(args)model.cuda()model.eval()ckpt=state_dict = torch.load(model_path)  # <-----------修改加载模型的路径msg=model.load_state_dict(state_dict["model"],strict=False)model.to(device)print("load model sucess")return model

在定位到 model, _, _ = build_model(args)，这一句创建模型代码上：

def build_model(args):return build(args)

在定位到build(args)这里

def build(args):# 类别个数# num_class = 20# num_classes = 20 if args.dataset_file != 'coco' else (num_class + 1)num_classes = 20 if args.dataset_file != 'coco' else 91if args.dataset_file == "coco_panoptic":num_classes = 250device = torch.device(args.device)backbone = build_backbone(args)transformer = build_deforamble_transformer(args)model = DeformableDETR(backbone,transformer,num_classes=num_classes,num_queries=args.num_queries,num_feature_levels=args.num_feature_levels,aux_loss=args.aux_loss,with_box_refine=args.with_box_refine,two_stage=args.two_stage,)if args.masks:model = DETRsegm(model, freeze_detr=(args.frozen_weights is not None))matcher = build_matcher(args)weight_dict = {'loss_ce': args.cls_loss_coef, 'loss_bbox': args.bbox_loss_coef}weight_dict['loss_giou'] = args.giou_loss_coefif args.masks:weight_dict["loss_mask"] = args.mask_loss_coefweight_dict["loss_dice"] = args.dice_loss_coef# TODO this is a hackif args.aux_loss:aux_weight_dict = {}for i in range(args.dec_layers - 1):aux_weight_dict.update({k + f'_{i}': v for k, v in weight_dict.items()})aux_weight_dict.update({k + f'_enc': v for k, v in weight_dict.items()})weight_dict.update(aux_weight_dict)losses = ['labels', 'boxes', 'cardinality']if args.masks:losses += ["masks"]# num_classes, matcher, weight_dict, losses, focal_alpha=0.25criterion = SetCriterion(num_classes, matcher, weight_dict, losses, focal_alpha=args.focal_alpha)criterion.to(device)postprocessors = {'bbox': PostProcess()}if args.masks:postprocessors['segm'] = PostProcessSegm()if args.dataset_file == "coco_panoptic":is_thing_map = {i: i <= 90 for i in range(201)}postprocessors["panoptic"] = PostProcessPanoptic(is_thing_map, threshold=0.85)return model, criterion, postprocessors

根据自己的类别修改num_classes,args是参数配置，此时就定位到configs文件夹下对应的.sh文件了。

注意到这两个配置文件的区别在于--num_feature_levels 1，问题就出在这里，需要在运行detect.py文件的时候添加上这个配置参数。

python detect.py --num_feature_levels 1

这里就结束了，可以正常运行，进行图片视频的预测了。

感谢某人的帮助捏。*★,°*:.☆(￣▽￣)/$:*.°★* 。