量化模型的时候出现不预期的问题
Nadie ha tomado este issue todavía.
- Lenguaje dominante
- Python
- Estrellas
- 306
- Forks
- 96
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Descripción
环境
1.系统环境:ubuntu1804
2.MegEngine版本:1.4.0
3.python版本:3.6.8
复现步骤
- git clone https://github.com/MegEngine/Models.git
- python3 train.py -a resnet18 -d /path/to/imagenet --mode normal 出现此问题
请提供关键的代码片段便于追查问题
1、train.py 和 finetune.py 同样出现此问题
请提供完整的日志及报错信息
Traceback (most recent call last):
File "finetune.py", line 315, in
main()
File "finetune.py", line 69, in main
train_proc(world_size, args)
File "finetune.py", line 159, in worker
data.RandomSampler(train_dataset, batch_size=cfg.BATCH_SIZE, drop_last=True)
File "/usr/local/python/lib/python3.6/site-packages/megengine/data/sampler.py", line 322, in init
self.sampler_iter = iter(self.sampler)
File "/usr/local/python/lib/python3.6/site-packages/megengine/data/sampler.py", line 100, in iter
return self.batch()
File "/usr/local/python/lib/python3.6/site-packages/megengine/data/sampler.py", line 146, in batch
if self.drop_last and len(batch_index[-1]) < self.batch_size:
IndexError: list index out of range
Guía de contribución
No hay ninguna guía de contribución indexada para este repositorio
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Línea de trabajo
Reproduce el comando del issue en Models/train.py o finetune.py y, después, inspecciona el código que realiza la llamada en la línea 159 de finetune.py y data/sampler.py de MegEngine alrededor de las líneas 100 y 146. Confirma por qué RandomSampler llega al caso de un batch vacío; se considera terminado cuando el comando indicado ya no genera IndexError y el comportamiento está cubierto por una comprobación de regresión adecuada.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- python
- Área
- machine-learning
- Tipo de issue
- Error
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Estado de actividad
- Estancado
- Claridad
- Bastante claro
- Aptitud para principiantes
- 30/100