自定义数据集(2个类)测试阶段错误运行模型(MXNet框架)

Question

我正在为我自己的数据集运行一个模型(该项目是为使用ImageNet进行培训/测试而实现的)，其中包含两个类。我已经做了所有的更改(在配置文件等中)，但是在完成培训(成功)之后，在开始测试时会出现以下错误：

wrote gt roidb to ./data/cache/ImageNetVID_DET_val_gt_roidb.pkl
Traceback (most recent call last):
  File "experiments/dff_rfcn/dff_rfcn_end2end_train_test.py", line 20, in <module>
    test.main()
  File "experiments/dff_rfcn/../../dff_rfcn/test.py", line 53, in main
    args.vis, args.ignore_cache, args.shuffle, config.TEST.HAS_RPN, config.dataset.proposal, args.thresh, logger=logger, output_path=final_output_path)
  File "experiments/dff_rfcn/../../dff_rfcn/function/test_rcnn.py", line 68, in test_rcnn
    roidbs_seg_lens[gpu_id] += x['frame_seg_len']
KeyError: 'frame_seg_len'

在运行之前，我清理了缓存文件。正如我在前面的主题中所读过的，这可能是缓存中以前的数据集.pkl文件的问题。是什么导致了这个错误？我还想提到，我更改了.txt文件名，这些文件名为神经网络(如果这很重要的话)，并且训练完成得很好。这是我第一次在深度学习中运行一个项目，所以请展示一些理解。

Answer 1

MXNet通常直接使用pickle以外的其他方法来序列化模型体系结构和训练权重。

使用胶子API，您可以使用.save_params()将模型的权重保存到文件(即块)中，然后使用.load_params()从文件中加载权重。您可以通过保留用于定义模型的代码来“保存”模型体系结构。请参阅此这里的示例。

使用Module，您可以在每个时代的末尾创建检查点，这将保存符号(即模型体系结构)和参数(即模型权重)。见这里。

checkpoint = mx.callback.do_checkpoint(model_prefix)
mod = mx.mod.Module(symbol=net)
mod.fit(train_iter, num_epoch=5, epoch_end_callback=checkpoint)

然后，您可以加载给定检查点的模型(例如，本例中的42 )

sym, arg_params, aux_params = mx.model.load_checkpoint(model_prefix, 42)
mod.set_params(arg_params, aux_params)