使用 pjreddie 的 YOLOv3 时出现分段错误（核心转储）

Question

我想使用YOLOv3算法进行检测。 我正在使用安装了 Linux 的英特尔 DE10 Nano FPGA 板。 当我构建 YOLOv3（来自原始源）并运行它时，我收到错误“分段错误（核心转储）”。 我做了很多研究，但没有一个有助于解决这个问题。

我使用了预先构建的权重和配置文件，即我运行了以下命令

./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg

但得到了如上所述的错误。但同样的事情在我的电脑和其他几个人上没有任何打嗝，但在我的开发板上没有。 然后我开始调试（使用大量 printf 语句）来自“python”目录中“darknet.py”的代码，发现错误位于

"yolo_layer.c" file
 
line.no.336-> "dets[count].prob[j] = (prob > thresh) ? prob : 0;"
 
in "get_yolo_detections" function.

我怎样才能解决这个问题？ 我已经按照函数和文件到文件来查看错误的来源。

int get_yolo_detections(layer l, int w, int h, int netw, int neth, float thresh, int *map, int relative, detection *dets)
{
    int i,j,n;
    float *predictions = l.output;
    if (l.batch == 2) avg_flipped_yolo(l);
    int count = 0;
    for (i = 0; i < l.w*l.h; ++i){
        int row = i / l.w;
        int col = i % l.w;
        for(n = 0; n < l.n; ++n){
            int obj_index  = entry_index(l, 0, n*l.w*l.h + i, 4);
            float objectness = predictions[obj_index];
            if(objectness <= thresh) continue;
            int box_index  = entry_index(l, 0, n*l.w*l.h + i, 0);
            dets[count].bbox = get_yolo_box(predictions, l.biases, l.mask[n], box_index, col, row, l.w, l.h, netw, neth, l.w*l.h);
            dets[count].objectness = objectness;
            dets[count].classes = l.classes;
            for(j = 0; j < l.classes; ++j){
                int class_index = entry_index(l, 0, n*l.w*l.h + i, 4 + 1 + j);
                float prob = objectness*predictions[class_index];

                //|||||||error in below line||||||||
                dets[count].prob[j] = (prob > thresh) ? prob : 0;
                //^^--error in the above line(got from debugging)

            }
            ++count;
        }
    }
    correct_yolo_boxes(dets, count, w, h, netw, neth, relative);
    return count;
}

Answer 1

最后，找到了问题和解决方案。 问题在于加载权重时的“src/parser.c”文件。 从“.weights”文件加载权重的函数依赖于底层机器架构（32 位或 64 位）。 训练时创建的 .weights 文件以 64 位大小编写，因为训练是在 64 位机器上完成的，因为像 jetson、raspberry pi、de10 Nano 等设备有 32 位架构，它们加载权重为权重文件中的 32 位格式。

因此存在兼容性问题（权重不是跨平台）。

要解决此问题，请更改

fwrite(net->seen, sizeof(size_t), 1, fp);// in save_weights_upto() function

到（在第 1024 行 - ）

fwrite(net->seen, 8, 1, fp);

和 - - - - - - - - - - - - - - - - - - - - - - - - - ------------------

fread(net->seen, sizeof(size_t), 1, fp);//in load_weights_upto() function

到（在第 1237 行）

fread(net->seen, 8, 1, fp);