MixFormer目标跟踪CVPR2022（代码调试）

准备阶段：代码下载、数据集下载，文件配置等，点击地址查看。

代码调试：

1、不运行运行train.py（但因为使用的os.system()不能debug到内部查看）

2、直接运行run_training.py，这里会报错（原因在于arg没有配置好）

参考：

def main():
    parser = argparse.ArgumentParser(description='Run a train scripts in train_settings.')
    parser.add_argument('--script', type=str, default='mixformer', required=False, help='Name of the train script.')
    parser.add_argument('--config', type=str, default='baseline_got', required=False, help="Name of the config file.")
    parser.add_argument('--cudnn_benchmark', type=bool, default=True, help='Set cudnn benchmark on (1) or off (0) (default is on).')
    parser.add_argument('--local_rank', default=-1, type=int, help='node rank for distributed training')
    parser.add_argument('--save_dir', type=str, default='D:\EXP\MixFormer-main\model', help='the directory to save checkpoints and logs')
    parser.add_argument('--seed', type=int, default=42, help='seed for random numbers')
    parser.add_argument('--use_lmdb', type=int, choices=[0, 1], default=0)  # whether datasets are in lmdb format
    parser.add_argument('--script_prv', type=str, default='mixformer', help='Name of the train script of previous model.')
    parser.add_argument('--config_prv', type=str, default='baseline_got', help="Name of the config file of previous model.")
    # for knowledge distillation
    parser.add_argument('--distill', type=int, choices=[0, 1], default=0)  # whether to use knowledge distillation
    parser.add_argument('--script_teacher', type=str, help='teacher script name')
    parser.add_argument('--config_teacher', type=str, help='teacher yaml configure file name')
    parser.add_argument('--stage1_model', type=str, default=None, help='stage1 model used to train SPM.')

注意：

• --config和--script需要设置false，不然会一直寻求路径。
• --config、--script、--config_prv、--script_prv需要根据自己需要的config文件设置，我选用的是GOT10K数据集版本的

继续运行，报错 with open(os.path.join(self.root, 'list.txt')) as f:（原因没有在train->admin->local.py中设置got10k的路径）

self.got10k_dir = 'D:\EXP\MixFormer-main\data\got10k\train'

内存不足，到experiments中找到自己设置的yaml文件，修改train中的batch_size

TRAIN:
  BACKBONE_MULTIPLIER: 0.1
  BATCH_SIZE: 8
  DEEP_SUPERVISION: false
  EPOCH: 500
  GIOU_WEIGHT: 2.0
  GRAD_CLIP_NORM: 0.1
  L1_WEIGHT: 5.0
  LR: 0.0001
  LR_DROP_EPOCH: 400
  NUM_WORKER: 8
  OPTIMIZER: ADAMW

常见问题：

1、ImportError: cannot import name ‘int_classes‘ from ‘torch._six‘

一般原因在于torch版本和torchvision版本不对应，如何查看版本对应（这里有介绍）

如果版本对应还是报错可以将

from torch._six import string_classes, int_classes

代替为

int_classes = int
string_classes = str

即

# from torch._six import string_classes, int_classes
int_classes = int
string_classes = str

2、cannot import name ‘_new_empty_tensor‘ from ‘torchvision.ops

Pytorch 1.5 版本以下的查看一下torch版本和torchvision版本对应问题

Pytorch 1.5 版本以上的直接删除那行代码即可

# if float(torchvision.__version__[:3]) < 0.7:
#     # from torchvision.ops import _new_empty_tensor
#     # from torchvision.ops.misc import _output_size

3、ImportError: cannot import name ‘container_abcs‘ from ‘torch._six‘

这是由于torch1.8之后的版本container_abcs被移除了，代码改为

import torch
TORCH_MAJOR = int(torch.__version__.split('.')[0])
TORCH_MINOR = int(torch.__version__.split('.')[1])
if TORCH_MAJOR == 1 and TORCH_MINOR < 8:
    from torch._six import container_abcs
else:
    import collections.abc as container_abcs

4、ModuleNotFoundError: No module named ‘yaml’

你本能的想要输入pip install yaml，直接报错

ERROR: Could not find a version that satisfies the requirement yaml (from versions: none)
ERROR: No matching distribution found for yam

这里解决方法很简单

在setting界面这个位置点击+号 

d出的框搜索yaml和pyymal，然后左下方安装就成功了 。

这是我目前遇到的所有问题，还有其他问题欢迎一起讨论！！！