“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 ...
最新文章
- 隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)
- 【转载】如果让我重做一次研究生--王泛森院士
- #1403 : 后缀数组一·重复旋律 (可重叠最长重复K次子串问题)
- python“-o”命令更改存储位置_程序员的狂欢地一般人的超大存储免费空间和网站空间你要会用用...
- 软件测试需注意的事项
- android 右边抽屉,android – 抽屉在右侧抽屉中切换
- c++11 线程的互斥量
- 菜鸟学Linux 第096篇笔记 nginx
- Android JSON 数据解析 之原生 API
- 逆向破解必备基础smail基础语法
- java工程师青春饭吗_Java工程师是青春饭吗?
- 网络性能应用检测系统
- 英语面试:应聘原因篇(转)
- Word(二) Word2016 如何删除页眉的下划线
- 2021中国大数据企业50强
- ios 视频选择封面功能
- 智能教育,是未来教育的趋势吗?
- jmeter参数化之函数助手
- 大数据时代下:标签体系的应用
- 实践出真知:大乱斗游戏