[PYTHON] Une erreur survenue lors de l'apprentissage de YOLO avec Google Colab

Cet article résume les erreurs qui ont mis du temps à se résoudre lors de l'apprentissage de YOLO sur Google Colab. Beaucoup d'entre eux sont rudimentaires, mais j'espère que vous pourrez les ignorer.

Autour du code de saut de ligne

./src/utils.c:256: error: Assertion `0' failed Il semble y avoir plusieurs causes, mais dans mon cas, c'était parce que le code de saut de ligne du fichier .data était CRLF. Il a été guéri en passant à LF avec un éditeur de texte. L'identification a pris beaucoup de temps car il n'y avait pas d'erreur lors de l'exécution dans l'environnement Windows actuel.

STB Reason: can't fopen Cannot load image "data/images/xxx.jpg La cause était que le code de saut de ligne de train.txt et test.txt était CRLF. J'ai utilisé ce procss.py pour trier les données d'entraînement / test. , Il semble qu'il devienne CRLF sans autorisation lorsqu'il est exécuté sous Windows, j'ai donc dû le modifier un peu. Comme vous pouvez le voir, il semble bon de spécifier le code de saut de ligne avec une nouvelle ligne lors de l'ouverture du fichier.

file_train = open(path_data + 'train.txt', 'w',newline="\n")
file_test = open(path_data + 'test.txt', 'w',newline="\n")

Référence: Le code de saut de ligne du fichier de sortie Python exécuté sur les modifications Windows

Erreur due à une mémoire insuffisante

/bin/bash: line 1: 761 Killed Les chiffres changent de temps en temps. Par analogie avec la solution, cela semble être une erreur de mémoire insuffisante. YOLO traite le nombre de lots / subdivisions spécifié dans .cfg à la fois (ce qui n'est pas précis ici), donc par exemple, dans le cas du lot 64 subdivision 16, il traite 4 feuilles à la fois. Cependant, en raison des performances du GPU, etc., la mémoire est insuffisante et une erreur se produit Dans ce cas, la valeur de subdivision doit être augmentée de manière séquentielle. Je me suis enfin débarrassé de l'erreur lors de l'exécution sur le lot 64 de la subdivision 64. Comme cela devient un compromis avec la vitesse de traitement, il est nécessaire d'ajuster la valeur de manière appropriée en fonction de l'ensemble de données.