SegNet - CUBLAS_STATUS_SUCCESS (11 vs. 0) CUBLAS_STATUS_MAPPING_ERROR答案

【问题标题】：SegNet - CUBLAS_STATUS_SUCCESS (11 vs. 0) CUBLAS_STATUS_MAPPING_ERRORSegNet - CUBLAS_STATUS_SUCCESS (11 vs. 0) CUBLAS_STATUS_MAPPING_ERROR
【发布时间】：2017-08-29 14:26:39
【问题描述】：

我试图在 SegNet（使用 caffe）上训练我自己的数据集，我准备了与 segnet tutorial 相同的数据集。当我尝试运行火车时，它显示了这个错误：

I0915 08:33:50.851986 49060 net.cpp:482] Collecting Learning Rate and Weight Decay.
I0915 08:33:50.852017 49060 net.cpp:247] Network initialization done.
I0915 08:33:50.852030 49060 net.cpp:248] Memory required for data: 1064448016
I0915 08:33:50.852730 49060 solver.cpp:42] Solver scaffolding done.
I0915 08:33:50.853065 49060 solver.cpp:250] Solving VGG_ILSVRC_16_layer
I0915 08:33:50.853080 49060 solver.cpp:251] Learning Rate Policy: step
F0915 08:33:51.324506 49060 math_functions.cu:123] Check failed: status == CUBLAS_STATUS_SUCCESS (11 vs. 0)  CUBLAS_STATUS_MAPPING_ERROR
*** Check failure stack trace: ***
    @     0x7fa27a0d3daa  (unknown)
    @     0x7fa27a0d3ce4  (unknown)
    @     0x7fa27a0d36e6  (unknown)
    @     0x7fa27a0d6687  (unknown)
    @     0x7fa27a56946e  caffe::caffe_gpu_asum<>()
    @     0x7fa27a54b264  caffe::SoftmaxWithLossLayer<>::Forward_gpu()
    @     0x7fa27a440b29  caffe::Net<>::ForwardFromTo()
    @     0x7fa27a440f57  caffe::Net<>::ForwardPrefilled()
    @     0x7fa27a436745  caffe::Solver<>::Step()
    @     0x7fa27a43707f  caffe::Solver<>::Solve()
    @           0x406676  train()
    @           0x404bb1  main
    @     0x7fa2795e5f45  (unknown)
    @           0x40515d  (unknown)
    @              (nil)  (unknown)

我的数据集是 .jpg (train) .png (labels gray-scale images) 和 .txt file as in the tutorial。可能是什么问题？感谢您的帮助

【问题讨论】：

当我把loss_param: { weight_by_label_freqs: true ignore_label: 2 class_weighting: 99 class_weighting: 1 }中的loss_param: { weight_by_label_freqs: true ignore_label: 2 class_weighting: 99 class_weighting: 1 }改成loss layer问题改成：math_functions.cu:123] Check failed: status == CUBLAS_STATUS_SUCCESS (13 vs. 0) CUBLAS_STATUS_EXECUTION_FAILED`
我解决了。问题是我的 GT 图像带有 alpha 层。那是错的。代码行示例：img = Image.open(filename).convert('L')（而不是 (LA)）
嗨，我也有同样的问题。能给个正确的答案吗？而不是在 cmets 中回答您的问题？
@thigi 您的地面实况图像必须是 1 个通道（没有 alpha 通道）。所以我将它们从RGB 转换为L 图像。
Ok :) 并且您将图像存储在 png 中，其值可能为 0-255，但您仅使用值：例如 0,1,2？

标签： neural-network caffe

【解决方案1】：

ground-truth 图像应该是没有 alpha 层的 1 通道 0-255 图像，因此 NN 会识别类之间的差异。

img = Image.open(filename).convert('L') # Not 'LA' (A - alpha)

【讨论】：

【解决方案2】：

感谢isn4，解决方法如下：事实证明，您必须更改像素值的范围以及像素值的实际数量。如果您有 256 个可能的像素值 (0-255) 并且没有每个像素值的类权重，Segnet 就会感到困惑。因此，我将所有 PNG 标签图像从 255 和 0 作为像素可能性更改为 1 和 0 作为像素可能性。这是我的python脚本：

import os
import cv2
import numpy as np
img = cv2.imread('/usr/local/project/old_png_labels/label.png, 0)
a_img = np.array(img, np.double)
normalized = cv2.normalize(img, a_img, 1.0, 0.0, cv2.NORM_MINMAX)
cv2.imwrite('/usr/local//project/png_labels/label.png, normalized)

【讨论】：