nll_loss_forward_reduce_cuda_kernel_2d: Assertion `t ＞= 0 && t ＜ n__classes` failed.

Nhắc nhở: Văn chương viết xong sau, mục lục có thể tự động sinh thành, như thế nào sinh thành nhưng tham khảo bên phải trợ giúp hồ sơ.

Sai lầmnll_loss_forward_reduce_cuda_kernel_2d_index "not implemented for 'Int', đây là pytorch ở tính toán giao nhau entropy khi xuất hiện sai lầm

Ở huấn luyện chính mình dùng labelme đánh dấu hình ảnh khi gặp được mặt trên nhắc tới vấn đề, trải qua trên mạng chia sẻ tổng cộng phân phía dưới vài loại tình huống, nhưng là đều vẫn là vô pháp giải quyết ta gặp được vấn đề, hàng sau cùng tra số hiệu mới tìm được vấn đề. n_classesTrị số, vận hành kết quả trung phát ra thông đạo vẫn là 2, bởi vậy, trực tiếp đem train.py trung. n_classesSửa chữa vì 3, bởi vì thuyên chuyển khả năng vận hành thất bại. Hiện tại liền vận hành thành công, thí nghiệm đương nhiên cũng là giống nhau cải biến. 4, ta gặp được tình huống: Phát hiện vô luận như thế nào sửa. 1, nguyên tác giả nói một loại tình huống;

Assertion`t >= 0&&t < n_classes`failed

pytorch nll_loss_forward_reduce_cuda_kernel_2d_index "not implemented for 'Int')

Ứng dụng giao nhau entropy tính toán đa phần loại tổn thấtAssertiont >= 0 && t < n_classesfailed. Báo sai câu nói: loss_c = F.cross_entropy(c, cl.type(torch.cuda.LongTensor)) /opt/conda/conda-bld/pytorch_1565272279342/work/aten/src/THCUNN/ClassNLLCriterion.cu:105: void cunn_ClassNLLCriterion_upd

Cho nên kế tiếp ý nghĩ chính là nghĩ cách đem label từ 0 bắt đầu, mà không phải từ 1 bắt đầu. Mà phát hiện chính mình làm tự định nghĩa.pkl cách thức lớn lên bộ dáng là phía dưới như vậy. Cái này là official website cung cấp tiêu chuẩn.pkl cách thức lớn lên bộ dáng. Phát hiện 'label' là từ 0 bắt đầu.

Vận hành bối cảnh:Linux/Windows đều có, ta là trước dùng nnUnet dự xử lý y học số liệu, bởi vì nó có b thật nhiều bất đồng phân loại, cũng chính là nhiều số liệu tập liên hợp huấn luyện, có A,B,C ba loại phân loại (A không phải là B không phải là C), trực tiếp đọc lấy NifTi là không có vấn đề, đọc lấy dự xử lý npz cách thức số liệu, bắt đầu báo sai, vốn dĩ tưởng không phải phân loại truyền sai rồi, giảm bớt đến một số liệu tập cũng là báo sai. Cuối cùng chú thích rớt CrossEntropy() liền không báo sai rồi, tìm được rồi báo sai số hiệu khối. Nếu có bổ sung cùng tu chỉnh, hoan nghênh chỉ ra chỗ sai.

Gần nhất ở làm VOC2008 cách thức ngữ nghĩa phân cách số liệu tập hình ảnh khoách tăng, bởi vì nhãn văn kiện là 8 thông đạo P hình thức hôi độ hình ảnh, dẫn tới khoách tăng thật có thể dựa theo numpy Ma trận hình thức tới biến hóa, cụ thể thao tác đoạn dưới. Trước tới xem một cái vận hành số hiệu trong quá trình gặp được một vấn đề.

pytorch sai lầm “\oss.cu:257: block: [0,0,0], thread: [15,0,0]Assertion`t >= 0&&t < n_classes`failed.”

Đây là bởi vì cầu giao nhau entropy hàm số ở tính toán khi gặp được phân loại sai lầm vấn đề, tức không thỏa mãn điều kiện. Lần này ở làm bảy phần loại nhiệm vụ khi nhãn vì (1, 2,..., 7) dẫn tới xuất hiện cái này báo sai, đem nhãn sửa vì (0, 1,..., 6) sau báo sai giải quyết.

Phía trước ở làm tự định nghĩa dataset thời điểm kỳ thật cũng gặp được quá, nhưng là không quá để ý, hiện tại lại gặp được cho nên ký lục một chút, trên mạng giảng giải có rất nhiều, nói một chút ta gặp được loại này. Trừ bỏ mặt trên cái này ngắt lời còn sẽ giống như hạ báo sai nhắc nhở. Có thể thấy được làm lỗi địa phương trên cơ bản chính là ở tổn thất hàm số nơi đó., Bởi vì giao nhau entropy tổn thất y_hat ( chân thật nhãn ) lấy giá trị phạm vi là [0, phân loại số -1], từ 0 bắt đầu tính đến phân loại số -1 chính là ngươi phân loại số. Nếu không phải lời nói liền sẽ báo mặt trên tiêu đề sai lầmAssertionfailed.Chú ý nơi này t là ở **[0,num_class)** chi gian.

Cùng giải quyết RuntimeError:CUDAerror: device-side assert triggeredCUDAkernelerrors…CUDA_LAUNCH_BLOCKING=1)