我编写了一个脚本,使用我用 MxNet 训练的模型对单个输入图像进行分类。为了对传入图像进行分类,我通过网络将它们前馈。
简而言之,这就是我正在做的事情:
symbol, arg_params, aux_params = mx.model.load_checkpoint('model-prefix', 42)
model = mx.mod.Module(symbol=symbol, context=mx.cpu())
model.bind(data_shapes=[('data', (1, 3, 224, 244))], for_training=False)
model.set_params(arg_params, aux_params)
# ... loading the image & resizing ...
# img is the image to classify as numpy array of shape (3, 244, 244)
Batch = namedtuple('Batch', ['data'])
self._model.forward(Batch(data=[mx.nd.array(img)]))
probabilities = self._model.get_outputs()[0].asnumpy()
print(str(probabilities))
这工作正常,除了我收到以下警告
UserWarning: Data provided by label_shapes don't match names specified by label_names ([] vs. ['softmax_label'])
我应该更改什么以避免收到此警告?我不清楚 label_shapes 和 label_names 参数的含义,以及我期望用什么来填充它们。
注意:我找到了一些关于它们的线程,但没有一个能让我解决问题。同样,MxNet 文档没有提供有关这些参数是什么以及如何填充它们的详细信息。
最佳答案
设置label_names=None
和allow_missing=True
。这应该消除警告。
model = mx.mod.Module(symbol=symbol, context=mx.cpu(), label_names=None)
...
model.set_params(arg_params, aux_params, allow_missing=True)
如果您好奇为什么首先打印警告,
每个模块都有关联的标签。训练此模型时,使用 softmax_label
作为标签(很可能是因为输出层是名为“softmax”的 softmax 层)。从文件加载模型时,创建的模块将 softmax_label
作为模块的标签。
>>>print(model.label_names)
['softmax_label']
然后调用 model.bind
而不提供 label_shapes。
model.bind(data_shapes=[('data', (1, 3, 224, 244))], for_training=False)
MXNet 发现模块中包含一个在绑定(bind)期间未提供的标签,并对此进行了提示 - 这是您看到的警告消息。
我认为如果使用for_training=False
调用bind,MXNet不应该提示缺少标签。我创建了这个问题:https://github.com/dmlc/mxnet/issues/6958
但是,对于我们从磁盘加载模型的特殊情况,我们可以使用 None
作为标签来加载它,这样 MXNet 以后就不会在绑定(bind)不提供标签时提示 - 这这就是建议的修复的作用。
关于python - MxNet:label_shapes 与label_names 指定的名称不匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44947104/