MxNet：label_shapes 与 label_names 指定的名称不匹配
MxNet: label_shapes don't match names specified by label_names
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。为了对传入的图像进行分类，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 参数是用来做什么的，我希望用什么来填充它们。
注意：我找到了一些关于它们的线索，但是 none 使我能够解决问题。同样，MxNet 文档没有详细说明这些参数是什么以及它们应该如何填充。
设置label_names=None和allow_missing=True。那应该消除警告。
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。当这个模型被训练时，softmax_label 被用作标签（很可能是因为输出层是一个名为 'softmax' 的 softmax 层）。从文件加载模型时，创建的模块将 softmax_label 作为模块标签。
>>>print(model.label_names)
['softmax_label']
然后在不提供 label_shapes 的情况下调用 model.bind。
model.bind(data_shapes=[('data', (1, 3, 224, 244))], for_training=False)
MXNet 发现模块中有一个在绑定期间未提供的标签并对此进行了投诉 - 这就是您看到的警告消息。
我认为如果使用 for_training=False 调用绑定，MXNet 不应该抱怨缺少标签。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这种特殊情况，我们可以使用 None 作为标签加载它，这样 MXNet 以后就不会在 bind 不提供标签时抱怨 - 这是建议的修复是做什么的。
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。为了对传入的图像进行分类，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 参数是用来做什么的，我希望用什么来填充它们。
注意：我找到了一些关于它们的线索，但是 none 使我能够解决问题。同样，MxNet 文档没有详细说明这些参数是什么以及它们应该如何填充。
设置label_names=None和allow_missing=True。那应该消除警告。
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。当这个模型被训练时，softmax_label 被用作标签（很可能是因为输出层是一个名为 'softmax' 的 softmax 层）。从文件加载模型时，创建的模块将 softmax_label 作为模块标签。
>>>print(model.label_names)
['softmax_label']
model.bind。
model.bind(data_shapes=[('data', (1, 3, 224, 244))], for_training=False)
MXNet 发现模块中有一个在绑定期间未提供的标签并对此进行了投诉 - 这就是您看到的警告消息。
我认为如果使用 for_training=False 调用绑定，MXNet 不应该抱怨缺少标签。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这种特殊情况，我们可以使用 None 作为标签加载它，这样 MXNet 以后就不会在 bind 不提供标签时抱怨 - 这是建议的修复是做什么的。