RuntimeError: Trying to pass too many CPU scalars to CUDA kernel! about deep-learning-for-image-processing

[WZMIAOMIAO]

你可以重新克隆下我的代码，我已经把这个问题修复了，主要问题是在使用torch.tensor()这个方法(我怀疑是没有指认设备的原因)，我直接把这个方法替换成对应常数了，例如：

torch.tensor(0)

替换成

0

[why228430]

谢谢！问题已解决

[why228430]

看了你的视频收获很多。弱弱问一句，faster-rcnn的视频什么时候更新？

[super-wz]

可能本周吧

[why228430]

    features = list(features.values())
    # 计算每个预测特征层上的预测目标概率和bboxes regression参数
    # objectness和pred_bbox_deltas都是list
    objectness, pred_bbox_deltas = self.head(features)
    # 生成一个batch图像的所有anchors信息,list(tensor)元素个数等于batch_size
    anchors = self.anchor_generator(images, features)

关于这个地方我有两点不理解：（1）骨架网络学习到的特征图包含gt框的信息吗？（2）经过head函数对特征图进行33卷积操作，然后经过2个11卷积分别学习目标前景分数和边界框回归参数，但是这个时候原图上还没有生成anchor，网络是怎么学习的目标前景分数和边界框回归参数的？

[WZMIAOMIAO]

anchors假想是一直存在的，刚开始训练预测时你可以理解为网络瞎预测的（最开始网络并不知道anchors的存在），但计算损失时，由于是已anchors作为参考的，所以在反向传播误差时，网络才慢慢开始理解anchors的存在，并已anchors作为参照进行预测回归参数。

[why228430]

讲的很明白，谢谢！