量化模型的时候出现不预期的问题
Nessuno ha ancora preso questa issue.
- Lingua principale
- Python
- Stelle
- 306
- Fork
- 96
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Descrizione
## 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
1. git clone https://github.com/MegEngine/Models.git
2. 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
Guida per i contributori
Nessuna guida per i contributori indicizzata per questo repository
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Direzione di ricerca
Riproduci il comando dell'issue in Models/train.py o finetune.py, quindi ispeziona il chiamante alla riga 159 di finetune.py e data/sampler.py di MegEngine intorno alle righe 100 e 146. Conferma perché RandomSampler raggiunge il caso del batch vuoto; il lavoro è completato quando il comando riportato non solleva più IndexError e il comportamento è coperto da un controllo di regressione appropriato.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- python
- Ambito
- machine-learning
- Tipo di issue
- Bug
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Stato di attività
- Ferma
- Chiarezza
- Abbastanza chiara
- Idoneità per principianti
- 30/100