web-dev-qa-db-fra.com

TypeError: add (): l'argument 'autre' (position 1) doit être Tensor, pas numpy.ndarray

Je teste un ResNet-34 formé_model utilisant Pytorch et fastai sur un système Linux avec la dernière anaconda3. Pour l'exécuter comme un travail par lots, j'ai commenté les lignes liées à l'interface graphique. Il a commencé à fonctionner pendant quelques heures, puis s'est arrêté à l'étape de validation, le message d'erreur est le suivant.

...
^M100%|█████████▉| 452/453 [1:07:07<00:08,  8.75s/it, 
loss=1.23]^[[A^[[A^[[A

^MValidation:   0%|          | 0/40 [00:00<?, ?it/s]^[[A^[[A^[[ATraceback 
(most recent call last):
  File "./resnet34_pretrained_PNG_nogui_2.py", line 279, in <module>
    learner.fit(lr,1,callbacks=[f1_callback])
  File "/project/6000192/jemmyhu/resnet_png/fastai/learner.py", line 302, 
in fit
    return self.fit_gen(self.model, self.data, layer_opt, n_cycle, 
**kwargs)
  File "/project/6000192/jemmyhu/resnet_png/fastai/learner.py", line 249, 
in fit_gen
    swa_eval_freq=swa_eval_freq, **kwargs)
  File "/project/6000192/jemmyhu/resnet_png/fastai/model.py", line 162, in 
fit
    vals = validate(model_stepper, cur_data.val_dl, metrics, Epoch, 
seq_first=seq_first, validate_skip = validate_skip)
  File "/project/6000192/jemmyhu/resnet_png/fastai/model.py", line 241, in 
validate
    res.append([to_np(f(datafy(preds), datafy(y))) for f in metrics])
  File "/project/6000192/jemmyhu/resnet_png/fastai/model.py", line 241, in 
<listcomp>
    res.append([to_np(f(datafy(preds), datafy(y))) for f in metrics])
  File "./resnet34_pretrained_PNG_nogui_2.py", line 237, in __call__
    self.TP += (preds*targs).float().sum(dim=0)
TypeError: add(): argument 'other' (position 1) must be Tensor, not 
numpy.ndarray

Le lien pour le code d'origine est https://www.kaggle.com/iafoss/pretrained-resnet34-with-rgby-0-460-public-lb

les lignes 279 et 237 de mon exemplaire sont présentées ci-dessous:

226 class F1:
227     __name__ = 'F1 macro'
228     def __init__(self,n=28):
229         self.n = n
230         self.TP = np.zeros(self.n)
231         self.FP = np.zeros(self.n)
232         self.FN = np.zeros(self.n)
233
234     def __call__(self,preds,targs,th=0.0):
235         preds = (preds > th).int()
236         targs = targs.int()
237         self.TP += (preds*targs).float().sum(dim=0)
238         self.FP += (preds > targs).float().sum(dim=0)
239         self.FN += (preds < targs).float().sum(dim=0)
240         score = (2.0*self.TP/(2.0*self.TP + self.FP + self.FN + 1e-6)).mean()
241         return score

276 lr = 0.5e-2
277 with warnings.catch_warnings():
278     warnings.simplefilter("ignore")
279     learner.fit(lr,1,callbacks=[f1_callback])

Quelqu'un pourrait-il avoir une idée du problème?

Merci beaucoup, Jemmy

machine-learningpytorchkaggleresnetfast-ai
4
Jemmy

J'ai eu le même problème avec ce noyau Kaggle. Mes solutions de contournement sont les suivantes:

1ère option: Dans la méthode F1 __call__ Convertissez preds et targs de pytorch tenseurs en tableaux numpy;

2ème option: Initialiser TP/FP/FN avec pytorch tenseurs au lieu de tableaux numpy, c'est-à-dire remplacer np.zeros(self.n) par torch.zeros(1, self.n).

Fondamentalement, l'idée principale - toutes les variables doivent être du même type.

2
Alex Bokov