output_tensor 的 dlib 致命错误

Posted 2023-03-16

【中文标题】output_tensor 的 dlib 致命错误

【英文标题】：dlib fatal error with output_tensor

【发布时间】：2017-04-17 14:16:29

【问题描述】：

我目前正在使用 RCNN 算法开发人脸检测应用程序。使用 dlib-19.2 C++ 开发的代码。我的操作系统是 Windows 10 家庭版。框架是 Qt 5.7。

我的 781 张图片（高度：228 和宽度：307）位于一个名为“images”的向量中

std::vector<matrix<rgb_pixel>> images;

之后，我将“图像”分成两个向量：一个包含训练图像（总共 389 个）和测试图像（总共 391 个）：

std::vector<dlib::matrix<dlib::rgb_pixel>> training_images(images.begin(), images.begin() + half_size);
std::vector<dlib::matrix<dlib::rgb_pixel>> testing_images(images.begin() + half_size, images.end());

然后，我尝试使用 train() 函数训练 RCNN 网络：

template <long num_filters, typename SUBNET> using con5d = con<num_filters,5,5,2,2,SUBNET>;

template <long num_filters, typename SUBNET> using con3  = con<num_filters,3,3,1,1,SUBNET>;

template <typename SUBNET> using downsampler  = relu<bn_con<con5d<32, relu<bn_con<con5d<32, relu<bn_con<con5d<32,SUBNET>>>>>>>>>;

template <typename SUBNET> using rcon3  = relu<bn_con<con3<32,SUBNET>>>;

using net_type  = loss_binary_log<con<1,6,6,1,1,rcon3<rcon3<rcon3<downsampler<input_rgb_image_pyramid<pyramid_down<6>>>>>>>>;

net_type net;
dnn_trainer<net_type> trainer(net);
trainer.set_learning_rate(0.01);
trainer.set_min_learning_rate(0.00001);
trainer.set_mini_batch_size(5);
trainer.be_verbose();
trainer.train(training_images, training_labels);

但是，这不起作用。每次运行代码都会出现以下错误：

在第 179 行检测到错误。在文件中检测到错误 ../../Desktop/dlib-19.2/dlib/dnn/loss.h。在函数中检测到错误 双 dlib::loss_binary_log_::compute_loss_value_and_gradient(const dlib::tensor&, const_label_iterator, SUBNET&) const [with const_label_iterator = __gnu_cxx::__normal_iterator >;子网 = dlib::dimpl::subnet_wrapper, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::add_layer, dlib::input_rgb_image_pyramid >, void>, void>, 无效>，无效>，无效>，无效>，无效>，无效>，无效>，无效>，无效>，无效>， void>, void>, void>, void>, void>, void>, void>, true, void>].

失败的表达式是 output_tensor.nr() == 1 && output_tensor.nc() == 1 && output_tensor.k() == 1.

我真的不知道发生了什么。你能帮帮我吗？

非常感谢您的所有回答。

【参考方案1】：

错误告诉您，您选择的 loss_binary_log 损失要求网络的输出张量在每个样本中只有一个值。但是您定义的网络并没有这样做。在其末尾放置一个全连接层或执行类似操作，以便在末尾得到一个输出。

【讨论】：

太棒了！谢谢戴维斯的帮助:)