同步操作将从 PaddlePaddle/PaddleX 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
A: 卡死后点击一下这个按钮即可恢复正常
![]()
A: 首先打开当前项目的日志文件,查看报错信息。
例如此前将PaddleX GUI的工作空间设置在
D:/work_space
下,则根据在GUI上的项目ID和任务ID找到当前任务的日志文件,例如D:/work_space/projects/P0001/T0001/err.log/err.log
和D:/work_space/projects/P0001/T0001/err.log/out.log
如果无法定位出问题,可进一步查看PaddleX GUI的系统日志:例如在
C:/User/User_name/.paddlex/logs/paddlex.log
查看上述三个日志文件,基本可以定位出是否是显存不足、或者是数据路径不对等问题。如果是显存不足,请调低batch_size(需同时按比例调低学习率等参数)。其他无法解决的问题,可以前往GitHub提ISSUE,描述清楚问题会有工程师及时回复。
GUI之前可以正常使用,但是本次运行一直处于启动界面,无法进入到主界面,如下所示:
![]()
A: 可以尝试先删除PaddleX GUI的日志目录,例如
C:/User/User_name/.paddlex
,然后再重新更新打开GUI。
A: 在PaddleX GUI 2.0的执行文件
PaddleX.exe
的同级目录下有个名为paddlex
的文件夹,请将该文件夹替换成PaddleX github develop分支下的paddlex,即https://github.com/PaddlePaddle/PaddleX/tree/develop/paddlex
A: 在PaddleX GUI 2.0中已经生成的项目,如果想要换成PaddleX API进行训练,可进行如下步骤:
- 找到该项目所在的工作空间,例如
D:/work_space/projects/P0001/T0001/
,该路径下有个名为script.py
的训练脚本,此脚本包含该项目中的数据集路径和模型参数设置- 安装PaddleX API,参考安装文档
- 开启终端,进入到
script.py
所在路径(例如D:/work_space/projects/P0001/T0001/
),然后运行训练脚本:python script.py
A: 图片路径里面存在空格,因为空格作为图片和标注文件之间的空格符,所以需要把路径里的空格删掉。另外需要注意,路径中不要有中文
A: loss为nan表示梯度爆炸,导致loss为无穷大。这时候,需要将学习率(learning rate)调小,或者增大批大小(batch_size)。
A: 像yolo系列的数据增强比较多,所以训练的epoch要求要多一点,具体在不同的数据集上的时候,训练参数需要调整一下。比如我们先前示例给出ppyolo,ppyolov2的训练参数都是针对COCO数据集换算到单卡上的配置,但是在昆虫这份数据集上的效果并不好,后来我们进行了调整,您可以参考我们调整的参数相应调整自己的参数,具体调了哪些可以看我们之前的pr。
A: windows上,在conda环境内通过pip install shapely后会出现该问题,具体可以看shapely issue Toblerity/Shapely#1032。解决办法:
- 卸载pip安装的shapely
pip uninstall shapely
- 然后用conda安装
conda install shapely==1.7.1
A: 将numpy版本更新至1.20.0+可解决该问题
A: 只要初始化模型的那个进程结束了,占用的显存会自动释放。 当出现显存没有释放的情况时,可能是:在主进程中初始化模型,然后在线程里完成图片的预测,这样在使用上是没有问题的,但是线程退出后显存不会释放,需要等到主进程退出才会释放显存。当然,线程退出后虽然显存没有被释放,但是后续使用是可以继续复用的,显存不会一直增长。 所以建议大家在子进程里做模型的初始化和预测,这样在子进程结束后会自动释放显存。
A: 1. 可以考虑使用更加轻量的backbone;看看图像预处理和预测结果后处理有没有优化空间;相比于python推理预测,用C++会更快;同时对批量图片进行预测;可以尝试使用加速库,例如在CPU上部署时可以开启mkdldnn,或者使用用OpenVINO推理引擎加速性能,在Nvidia GPU上部署时可以使用TensorRT加速性能; 2. 在测试性能时,需要注意给模型进行预热,例如先让模型预测100轮之后,再开始进行性能测试和记录,这样得到的性能指标才准确。
A: 检测模型的预测结果可以用API
pdx.det.visualize
,分割模型的预测结果可以用APIpdx.seg.visualize
,预测可视化见Python部署, 可视化API说明见文档,
A: 在C++部署环节,我们也提供了简单的可视化接口便于大家调试。因预测结果可视化不是部署上线的必要步骤,所以我们给出的demo中没有默认链接可视化代码,如果需要通过可视化辅助调试,需要按照以下步骤链接可视化接口。这个可视化示例旨在帮助大家快速理解PaddleX Deploy的预测结果结构,如果是更为复杂的可视化功能,需要大家根据业务需求做进一步开发。
step1: 在Cmakelist.txt中添加可视化代码路径
在https://github.com/PaddlePaddle/PaddleX/blob/develop/deploy/cpp/CMakeLists.txt#L52 之后加上:
aux_source_directory(${PROJECT_SOURCE_DIR}/model_deploy/utils/src DETECTOR_SRC)
step2: 在目标检测和语义分割的预测demo中加入Visualize接口
- 以昆虫检测(API tutorials对应GUI中的样例工程)为例:
在https://github.com/PaddlePaddle/PaddleX/blob/develop/deploy/cpp/demo/model_infer.cpp#L19 后添加可视化代码的头文件:
#include "model_deploy/utils/include/visualize.h"
[可选]如果需要对低分框过滤,还可以加上过滤框代码的头文件:
#include "model_deploy/utils/include/bbox_utils.h"
在https://github.com/PaddlePaddle/PaddleX/blob/develop/deploy/cpp/demo/model_infer.cpp#L57 后添加可视化代码:
cv::Mat vis_det; Visualize(imgs[0], *(results[0].det_result), &vis_det, 6); cv::imwrite("vis_det.jpg", vis_det);6表示当前数据集的类别数,请根据实际情况设置
[可选]如果需要对低分框过滤,添加过滤框和可视化代码:
cv::Mat vis_det; std::vector<PaddleDeploy::Result> filter_results; float score_thresh = 0.5; FilterBbox(results, score_thresh, &filter_results); Visualize(imgs[0], *(filter_results[0].det_result), &vis_det, 6); cv::imwrite("vis_det.jpg", vis_det);6表示当前数据集的类别数,请根据实际情况设置
我们对昆虫数据集中的0205.jpg预测结果可视化如下:
![]()
- 以视盘分割(API tutorials对应GUI中的样例工程)为例:
在https://github.com/PaddlePaddle/PaddleX/blob/develop/deploy/cpp/demo/model_infer.cpp#L19 后添加可视化代码的头文件:
#include "model_deploy/utils/include/visualize.h"
在https://github.com/PaddlePaddle/PaddleX/blob/develop/deploy/cpp/demo/model_infer.cpp#L57 后添加可视化代码:
cv::Mat vis_seg; Visualize(imgs[0], *(results[0].seg_result), &vis_seg, 2); cv::imwrite("vis_seg.jpg", vis_seg);2表示当前数据集的类别数,请根据实际情况设置
我们对视盘数据集中的P0176.jpg预测结果可视化如下:
![]()
A: 2.0版本的cpp部署支持新旧版本的paddlex/gui导出的模型进行部署,但是2.0版本的python部署目前不兼容1.x版本模型。2.0版本PaddleX GUI/API的训练功能对1.x版本也不兼容,1.x版本的训练脚本和模型只能安装1.x版本的PaddleX才能正常运行。
A: 可能是缺少dll,双击执行一下out目录下的detector.exe或model_infer.exe,会有提示。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。