PVTv2 ——KeyError:‘RetinaNet:“pvt_v2_b1:\‘pretrained‘“‘

PVTv2 ——KeyError:‘RetinaNet:“pvt_v2_b1:‘pretrained’”’

#问题说明:以retinanet_pvt_v2_b1_fpn_1x_coco.py为例,测试时提示错误KeyError:'RetinaNet:“pvt_v2_b1:‘pretrained’”'

#解决方案:
将pvt_v2.py文件中class pvt_v2_b1(PyramidVisionTransformerV2)中super().__init__中的pretrained=kwargs[‘pretrained’]注释掉
即变成如下

@BACKBONES.register_module()
class pvt_v2_b1(PyramidVisionTransformerV2):
    def __init__(self, **kwargs):
        super(pvt_v2_b1, self).__init__(
            patch_size=4, embed_dims=[64, 128, 320, 512], num_heads=[1, 2, 5, 8], mlp_ratios=[8, 8, 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,)# pretrained=kwargs['pretrained'])

版权声明:本文为CSDN博主「Elizabeth-sun」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/sumeil/article/details/122372783

Elizabeth-sun

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测简介和滑动窗口

一、目标检测简介
目标检测是计算机视觉中一个重要的研究方向。人眼可以轻松、准确地识别出图片中的物体是什么、这个物体在图片中的哪个位置。 对于计算机来说,在以数字形式表示的图片中寻找目标物体,并判断这个物体是什么&#

如何使用Albumentations 对目标检测任务做增强

目录
1、导入所需的库
2、定义可视化函数显示图像上的边界框和类标签
3、获取图像和标注
4、使用RandomSizedBBoxSafeCrop保留原始图像中的所有边界框
5、定义增强管道
6、输入用于增强的图像和边框
7、其他不