[Bug] 我运行自己的数据集，但是报错指数超出界限，因为得到的score是0，请问是什么原因呢？

[yaosx425]

Prerequisite

• I have searched Issues and Discussions but cannot get the expected help.
• I have read the FAQ documentation but cannot get the expected help.
• The bug has not been fixed in the latest version (master) or latest version (1.x).

Task

I have modified the scripts/configs, or I'm working on my own tasks/models/datasets.

Branch

master branch https://github.com/open-mmlab/mmrotate

Environment

Reproduces the problem - code sample

CUDA_VISIBLE_DEVICES=1 bash tools/dist_train.sh projects/OrientedFormer/configs/orientedformer_le90_r50_q300_layer2_head64_point32_1x_dotav2.0.py 1

Reproduces the problem - command or script

CUDA_VISIBLE_DEVICES=1 bash tools/dist_train.sh projects/OrientedFormer/configs/orientedformer_le90_r50_q300_layer2_head64_point32_1x_dotav2.0.py 1

Reproduces the problem - error message

Additional information

No response

[wokaikaixinxin]

数据集有几个类别，数据集中图片有多少。我猜测是不是类别和图数量很少。如果类别很少，图片数量很少，在现有的配置下有可能出现模型什么都没学到的情况，这时候需要对模型进行适当调整。或者，把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。

[yaosx425]

数据集有几个类别，数据集中图片有多少。我猜测是不是类别和图数量很少。如果类别很少，图片数量很少，在现有的配置下有可能出现模型什么都没学到的情况，这时候需要对模型进行适当调整。或者，把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。

是的，类别只有一类，但是数据集很大，有四千多张图片，是因为类别太少的缘故吗？

[wokaikaixinxin]

数据集有几个类别，数据集中图片有多少。我猜测是不是类别和图数量很少。如果类别很少，图片数量很少，在现有的配置下有可能出现模型什么都没学到的情况，这时候需要对模型进行适当调整。或者，把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。

是的，类别只有一类，但是数据集很大，有四千多张图片，是因为类别太少的缘故吗？

是因为类别数量较少，只有1类，类似于二分类了。可以试一试把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。
理论研究的代码，不一定比那些迭代过很多版本的代码库鲁棒。

[yaosx425]

数据集有几个类别，数据集中图片有多少。我猜测是不是类别和图数量很少。如果类别很少，图片数量很少，在现有的配置下有可能出现模型什么都没学到的情况，这时候需要对模型进行适当调整。或者，把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。

是的，类别只有一类，但是数据集很大，有四千多张图片，是因为类别太少的缘故吗？

是因为类别数量较少，只有1类，类似于二分类了。可以试一试把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。 理论研究的代码，不一定比那些迭代过很多版本的代码库鲁棒。

您好 怎么对模型加载训练好的权重呀，我在train.py没看到相应的参数

[wokaikaixinxin]

数据集有几个类别，数据集中图片有多少。我猜测是不是类别和图数量很少。如果类别很少，图片数量很少，在现有的配置下有可能出现模型什么都没学到的情况，这时候需要对模型进行适当调整。或者，把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。

是的，类别只有一类，但是数据集很大，有四千多张图片，是因为类别太少的缘故吗？

是因为类别数量较少，只有1类，类似于二分类了。可以试一试把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。 理论研究的代码，不一定比那些迭代过很多版本的代码库鲁棒。

您好 怎么对模型加载训练好的权重呀，我在train.py没看到相应的参数

在配置文件中，

_base_ = [
    'mmrotate::_base_/datasets/dior.py',
    'mmrotate::_base_/schedules/schedule_1x.py',
    'mmrotate::_base_/default_runtime.py'
]

# 预训练权重路径
pretrain = '../work_dirs/pretrain/aaaaa.pth'

custom_imports = dict(
    imports=['projects.OrientedFormer.orientedformer'], allow_failed_imports=False)

num_stages = 2
num_proposals = 300
num_classes = 20
angle_version = 'le90'

model = dict(
    type='OrientedDDQRCNN',
    # 在这里插入预训练权重
    init_cfg=dict(type='Pretrained', checkpoint=pretrain),
    .......
)

[yaosx425]

数据集有几个类别，数据集中图片有多少。我猜测是不是类别和图数量很少。如果类别很少，图片数量很少，在现有的配置下有可能出现模型什么都没学到的情况，这时候需要对模型进行适当调整。或者，把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。

是的，类别只有一类，但是数据集很大，有四千多张图片，是因为类别太少的缘故吗？

是因为类别数量较少，只有1类，类似于二分类了。可以试一试把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。 理论研究的代码，不一定比那些迭代过很多版本的代码库鲁棒。

您好 怎么对模型加载训练好的权重呀，我在train.py没看到相应的参数

在配置文件中，

_base_ = [
    'mmrotate::_base_/datasets/dior.py',
    'mmrotate::_base_/schedules/schedule_1x.py',
    'mmrotate::_base_/default_runtime.py'
]

# 预训练权重路径
pretrain = '../work_dirs/pretrain/aaaaa.pth'

custom_imports = dict(
    imports=['projects.OrientedFormer.orientedformer'], allow_failed_imports=False)

num_stages = 2
num_proposals = 300
num_classes = 20
angle_version = 'le90'

model = dict(
    type='OrientedDDQRCNN',
    # 在这里插入预训练权重
    init_cfg=dict(type='Pretrained', checkpoint=pretrain),
    .......
)

感谢您的解答，我载入预训练权重之后，模型犯错的时候往后了，但是还是报错，然后我发现在计算loss的时候，是不是有FocalLossCost、RBBoxL1Cost、RotatedIoUCost这三个函数，但是我打印pred_instances，发现有的是nan，然后就会报错，请问您遇到过这种问题吗？这种可能的原因是什么？

[wokaikaixinxin]

数据集有几个类别，数据集中图片有多少。我猜测是不是类别和图数量很少。如果类别很少，图片数量很少，在现有的配置下有可能出现模型什么都没学到的情况，这时候需要对模型进行适当调整。或者，把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。

是的，类别只有一类，但是数据集很大，有四千多张图片，是因为类别太少的缘故吗？

是因为类别数量较少，只有1类，类似于二分类了。可以试一试把在DOTA、DIOR上训练好的权重当成预训练权重，加载权重，再训练估计就不大了。 理论研究的代码，不一定比那些迭代过很多版本的代码库鲁棒。

您好 怎么对模型加载训练好的权重呀，我在train.py没看到相应的参数

在配置文件中，

_base_ = [
    'mmrotate::_base_/datasets/dior.py',
    'mmrotate::_base_/schedules/schedule_1x.py',
    'mmrotate::_base_/default_runtime.py'
]

# 预训练权重路径
pretrain = '../work_dirs/pretrain/aaaaa.pth'

custom_imports = dict(
    imports=['projects.OrientedFormer.orientedformer'], allow_failed_imports=False)

num_stages = 2
num_proposals = 300
num_classes = 20
angle_version = 'le90'

model = dict(
    type='OrientedDDQRCNN',
    # 在这里插入预训练权重
    init_cfg=dict(type='Pretrained', checkpoint=pretrain),
    .......
)

感谢您的解答，我载入预训练权重之后，模型犯错的时候往后了，但是还是报错，然后我发现在计算loss的时候，是不是有FocalLossCost、RBBoxL1Cost、RotatedIoUCost这三个函数，但是我打印pred_instances，发现有的是nan，然后就会报错，请问您遇到过这种问题吗？这种可能的原因是什么？

1）进行匈牙利匹配的时候，需要计算cost matrix，包括FocalLossCost、RBBoxL1Cost、RotatedIoUCost三部分，FocalLossCost负责分类，RBBoxL1Cost和RotatedIoUCost负责框的位置。
2）当时做实验的时候，在DIOR-R、DOTA-v1.0、DOTA-v1.5、DOTA-v2.0上都是一遍过的（资源也比较有限，不好反复做实验），没遇到NaN的问题。
3）出现NaN的可能原因我暂时只想到了一个，学习率大小。