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

yolov5模型训练(自制数据集)

这些东西是我从什么都不知道 熬了十天晚上左右 摸打滚爬于csdn、github总结出来的 在训练过程中遇到什么问题可以在评论区留言或者私信 看到会一一回复 呜呜呜/(ㄒoㄒ)/~~ 1.制作数据集 1.1 lableimg使用&#xff08

SSD详细版

SSD在VGGNet基础上又增加几个卷基层,然后用3*3的卷积核在不同尺度上进行分类和回归。SSD的创新点:数据增强、VGGNet卷积块儿、PriorBox与多层特征图、正负样本选取与损失函数的设计。SSD的优点&#

文本检测数据集标注

工具链接:Curve-Text-Detector/data at master · Yuliang-Liu/Curve-Text-Detector · GitHub 目录 前言 一、工具介绍 1.标注格式 2.工具使用