unilm 如何微调DiT目标检测以适应自定义数据集?

gopyfrb3  于 3个月前  发布在  其他
关注(0)|答案(9)|浏览(63)

我查看了文档,但在自定义数据集上找不到关于微调DiT的任何信息。如果我想要使用K类别训练一个自定义数据集的目标检测模型,我需要对模型、代码以及尤其是yaml文件做哪些修改?
Mask RCNNCascade Mask RCNN都可以。
非常感谢大家的帮助。提前谢谢。

w8f9ii69

w8f9ii691#

解:由题意,$\dfrac{1}{n(n+1)}=\dfrac{1}{n}-\dfrac{1}{n+1}$,

故答案为$\dfrac{1}{n}-\dfrac{1}{n+1}$。

ql3eal8s

ql3eal8s2#

有人知道这个错误的原因吗?

woobm2wo

woobm2wo3#

@SaraAmd,你检查过torch版本了吗?也许你正在使用一个不同的/较旧的版本。此外,将代码注解放在

'''

Your Code Here

'''

中,而不是' YOUR BIG CODE '中。

wmvff8tz

wmvff8tz4#

你好,这是你要求的输出:

输出内容:1.9.0+cu111
jfgube3f

jfgube3f5#

有人能在自定义数据集上运行DiT进行目标检测吗?我需要你们的经验和帮助来在我自己的数据集上运行它?

hi3rlvi2

hi3rlvi26#

@deshwalmahesh we will share more updated information on DIT for object detection. Please stay tuned.
Do you know where we can specify the number of labels for the model? I am asking because the error that I get may be resolved by setting the num_label according to this https://discuss.pytorch.org/t/cuda-error-device-side-assert-triggered-in-train-loss-set-append-loss-item/115535/7

fdbelqdn

fdbelqdn7#

你应该在cascade_layoutlmv3.yaml中更改num_classes参数。

oxf4rvwz

oxf4rvwz8#

@deshwalmahesh 我们将分享更多关于DIT目标检测的更新信息。请继续关注。

daolsyd0

daolsyd09#

嘿,@wolfshow ,感谢更新。请告知任何暂定日期。
另外,如果能帮我解决一下如何加载变压器的问题,特别是 DiT 用于 Detectron 2 ,那就太好了。任何博客/参考资料等都会非常有帮助。我知道如何使用它与他们默认给出的 ResNet + RCNN/Mask-RCNN 配置文件进行检测,但我认为没有支持变压器。
谢谢 :)

相关问题