python调bug的总结

做了点小项目，遇到了不少的坑，在此总结一下

1）检查数据集，数据集作为模型的输入，是至关重要的，所以一定要非常仔细的检查，然后做异常判断处理。

检查方法：cv方向

a.用python的opencv函数，画出bounding box

b.做异常判断，如果某个lebel缺失了该变量，那么就continue,跳过该图片标签

2）调bug的方法

bug总会存在，重要的是解决的方式

a)在做ai的时候，数据集超级大，此时就不建议使用pycharm的debug的方法，因为每次debug都需要重新加载数据集，pycharm有一个不需要重新加载数据集的方法：pycharm的ipython终端。使用shift+alt+E这个快捷键就可以执行选中的行。这个时候如果遇到python脚本的路径问题的话，使用os.getcwd(),以及os.chdir()来解决这个问题

b）时刻关注变量的输出

c）在做批处理的时候，不要一开始就处理多条数据，先处理一条数据，然后检查多条数据，都可以的话再加上外层循环

 

3)对于目标检测当中，如果调整了anchor，那么需要对于分类model以及回归model的__init__,的num_anchor参数进行调整，否则会因为维度不同而报错

调整anchor参考：https://blog.csdn.net/cgt19910923/article/details/82154401

https://blog.csdn.net/hrsstudy/article/details/71173305