“EncoderDecoder: ‘mit_b1 is not in the backbone registry‘“

开源网络：

https://github.com/NVlabs/SegFormer

在自己训练SegFormer时，报错：

"EncoderDecoder: 'mit_b1 is not in the backbone registry'"

这个异常的直接原因：

在字典中找mit_b1,没有找到就抛异常：

    obj_type = args.pop('type')if isinstance(obj_type, str):obj_cls = registry.get(obj_type)if obj_cls is None:print(obj_type)raise KeyError(f'{obj_type} is not in the {registry.name} registry')

mit_b1 是个类，

@BACKBONES.register_module()
class mit_b1(MixVisionTransformer):def __init__(self, **kwargs):super(mit_b1, self).__init__(patch_size=4, embed_dims=[64, 128, 320, 512], num_heads=[1, 2, 5, 8], mlp_ratios=[4, 4, 4, 4],qkv_bias=True, norm_layer=partial(nn.LayerNorm, eps=1e-6), depths=[2, 2, 2, 2], sr_ratios=[8, 4, 2, 1],drop_rate=0.0, drop_path_rate=0.1)

自己模拟异常：

方法1，把类 mit_b1注释掉，就会报上面那个异常，mit_b1未注册

方法2：

在mmseg/models/builder.py

加测试代码：

bbb= BACKBONES.get('mit_b2')

print("bbb",bbb)

完整如下：

import warningsfrom mmcv.utils import Registry, build_from_cfg
from torch import nnBACKBONES = Registry('backbone')
NECKS = Registry('neck')
HEADS = Registry('head')
LOSSES = Registry('loss')
SEGMENTORS = Registry('segmentor')bbb= BACKBONES.get('mit_b2')print("bbb",bbb)

结果bbb为空，mit_b1未注册

方法3：

# from mmseg.models import BACKBONES
from mmseg.models.builder import BACKBONESbbb= BACKBONES.get('mit_b1')print("bbb",bbb)

结果bbb为空，mit_b1未注册

发现再引用一下mit_b1所在的文件

mix_transformer.py

可以注册成功了，代码如下：

在根目录下，建一个registry_demo.py，测试代码如下：

# from mmseg.models import BACKBONES 会调用__init__.py文件
from mmseg.models.backbones import mix_transformer
from mmseg.models.builder import BACKBONES# from .mix_transformer import *bbb= BACKBONES.get('mit_b1')print("bbb2",bbb)

bbb2 <class 'mmseg.models.backbones.mix_transformer.mit_b1'>

正常的测试方法：

在根目录下，

建一个registry_demo.py，测试代码如下：

如果注册成功，bbb2就不为空，如果没有注册成功，bbb2就为空。

from mmseg.models import BACKBONESbbb= BACKBONES.get('mit_b1')print("bbb2",bbb)

“EncoderDecoder: ‘mit_b1 is not in the backbone registry‘“相关推荐

Registry注册机制
前言:不管是Detectron还是mmdetection,都有用到这个register机制,特意去弄明白,记录一下. 首先看Registry代码: # Copyright (c) Facebook, ...
ATSS EfficientDet
https://github.com/thuyngch/ATSS-EfficientDet-PyTorch 用了可变性卷积 deform_conv_cuda 这个ap挺好,报错了 {KeyError} ...
医学图像分割新网络：Boundary-aware Context Neural Network for Medical Image Segmentation
文章目录摘要一.引言及相关方法二.本文主要方法 2.1 总体介绍 2.2 Pyramid Edge Extraction Module 2.3 Mini Multi-Task Learning ...
Swin-Transformer目标检测
Swin-Transformer目标检测 1. 环境搭建 2. 训练 2.1 预训练模型的准备 2.2 数据集的准备 2.3 代码的修改 2.3.1 将默认的MaskRCNN调整为无mask的纯目标检 ...
Background Matting-v2
一.要解决的问题抠图问题:I=α∗F+(1−α)∗BI=\alpha*F+(1-\alpha)*BI=α∗F+(1−α)∗B 输出高质量alpha,保留发丝细节二.创新点两阶段抠图:base-m ...
Backbone发展与语义分割网络发展
整理如下(按照arxiv上面时间线的预印版本来整理): Backbone(基础网络,也可以理解为分类网络): Backbone可以塞入UNET作为使用. 年代网络名称与代码论文名称 1989 Le ...
语义分割--(DeepLabv3+)Encoder-Decoder with Atrous Separable Convolution for Semantic
语义分割--(DeepLabv3+)Encoder-Decoder with Atrous Separable Convolution for Semantic .. https://blog.csd ...
deeplab v3+---Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
一.摘要: 1.spp是什么? 问题:分割我们提出了什么: 1.deeplab v3+ 在deeplab v3的基础上加了一个简单的decoder模块来改善分割结果,尤其是对于边界区域 2.我们采用 ...
MMdetection中backbone的实现-MobileNetV2
以MobileNet_V2为例,看一下在mmdet中backbone是如何实现的,在此之前需要对MobileNet_V2的架构有所了解,可参考MobileNet教程. 目录一.整体框架二.初始化参 ...

“EncoderDecoder: ‘mit_b1 is not in the backbone registry‘“

“EncoderDecoder: ‘mit_b1 is not in the backbone registry‘“相关推荐

最新文章

热门文章