У меня есть Lusty (фреймворк для OpenResty) API, который обертывает классификатор Torch. До сих пор мне удавалось заставить работать один запрос, однако каждый последующий запрос к API вызывает следующую ошибку без подробной трассировки стека:
attempt to index a nil value
Ошибка появляется, когда я звоню:
net:add(SpatialConvolution(3, 96, 7, 7, 2, 2))
Поведение успешного завершения 1-го запроса при сбое с каждым дополнительным запросом является ключом к проблеме.
Я вставил полный код ниже для app/requests/classify.lua. Похоже, это какая-то проблема с кэшированием/инициализацией переменных, хотя мои ограниченные знания Lua не помогают мне решить проблему. Я пытался сделать несколько вещей, в том числе изменить мой импорт на локализованные переменные, такие как local torch = require('torch')
, а также переместить этот импорт внутрь функции classifyImage()
.
torch = require 'torch'
nn = require 'nn'
image = require 'image'
ParamBank = require 'ParamBank'
label = require 'classifier_label'
torch.setdefaulttensortype('torch.FloatTensor')
function classifyImage()
local opt = {
inplace = false,
network = "big",
backend = "nn",
save = "model.t7",
img = context.input.image,
spatial = false,
threads = 4
}
torch.setnumthreads(opt.threads)
require(opt.backend)
local SpatialConvolution = nn.SpatialConvolutionMM
local SpatialMaxPooling = nn.SpatialMaxPooling
local ReLU = nn.ReLU
local SpatialSoftMax = nn.SpatialSoftMax
local net = nn.Sequential()
print('==> init a big overfeat network')
net:add(SpatialConvolution(3, 96, 7, 7, 2, 2))
net:add(ReLU(opt.inplace))
net:add(SpatialMaxPooling(3, 3, 3, 3))
net:add(SpatialConvolution(96, 256, 7, 7, 1, 1))
net:add(ReLU(opt.inplace))
net:add(SpatialMaxPooling(2, 2, 2, 2))
net:add(SpatialConvolution(256, 512, 3, 3, 1, 1, 1, 1))
net:add(ReLU(opt.inplace))
net:add(SpatialConvolution(512, 512, 3, 3, 1, 1, 1, 1))
net:add(ReLU(opt.inplace))
net:add(SpatialConvolution(512, 1024, 3, 3, 1, 1, 1, 1))
net:add(ReLU(opt.inplace))
net:add(SpatialConvolution(1024, 1024, 3, 3, 1, 1, 1, 1))
net:add(ReLU(opt.inplace))
net:add(SpatialMaxPooling(3, 3, 3, 3))
net:add(SpatialConvolution(1024, 4096, 5, 5, 1, 1))
net:add(ReLU(opt.inplace))
net:add(SpatialConvolution(4096, 4096, 1, 1, 1, 1))
net:add(ReLU(opt.inplace))
net:add(SpatialConvolution(4096, 1000, 1, 1, 1, 1))
net:add(nn.View(1000))
net:add(SpatialSoftMax())
-- print(net)
-- init file pointer
print('==> overwrite network parameters with pre-trained weigts')
ParamBank:init("net_weight_1")
ParamBank:read( 0, {96,3,7,7}, net:get(1).weight)
ParamBank:read( 14112, {96}, net:get(1).bias)
ParamBank:read( 14208, {256,96,7,7}, net:get(4).weight)
ParamBank:read( 1218432, {256}, net:get(4).bias)
ParamBank:read( 1218688, {512,256,3,3}, net:get(7).weight)
ParamBank:read( 2398336, {512}, net:get(7).bias)
ParamBank:read( 2398848, {512,512,3,3}, net:get(9).weight)
ParamBank:read( 4758144, {512}, net:get(9).bias)
ParamBank:read( 4758656, {1024,512,3,3}, net:get(11).weight)
ParamBank:read( 9477248, {1024}, net:get(11).bias)
ParamBank:read( 9478272, {1024,1024,3,3}, net:get(13).weight)
ParamBank:read( 18915456, {1024}, net:get(13).bias)
ParamBank:read( 18916480, {4096,1024,5,5}, net:get(16).weight)
ParamBank:read(123774080, {4096}, net:get(16).bias)
ParamBank:read(123778176, {4096,4096,1,1}, net:get(18).weight)
ParamBank:read(140555392, {4096}, net:get(18).bias)
ParamBank:read(140559488, {1000,4096,1,1}, net:get(20).weight)
ParamBank:read(144655488, {1000}, net:get(20).bias)
ParamBank:close()
-- load and preprocess image
print('==> prepare an input image')
local img = image.load(opt.img):mul(255)
-- use image larger than the eye size in spatial mode
if not opt.spatial then
local dim = (opt.network == 'small') and 231 or 221
local img_scale = image.scale(img, '^'..dim)
local h = math.ceil((img_scale:size(2) - dim)/2)
local w = math.ceil((img_scale:size(3) - dim)/2)
img = image.crop(img_scale, w, h, w + dim, h + dim):floor()
end
-- memcpy from system RAM to GPU RAM if cuda enabled
if opt.backend == 'cunn' or opt.backend == 'cudnn' then
net:cuda()
img = img:cuda()
end
-- save bare network (before its buffer filled with temp results)
print('==> save model to:', opt.save)
torch.save(opt.save, net)
-- feedforward network
print('==> feed the input image')
timer = torch.Timer()
img:add(-118.380948):div(61.896913)
local out = net:forward(img)
-- find output class name in non-spatial mode
local results = {}
local topN = 10
local probs, idxs = torch.topk(out, topN, 1, true)
for i=1,topN do
print(label[idxs[i]], probs[i])
local r = {}
r.label = label[idxs[i]]
r.prob = probs[i]
results[i] = r
end
return results
end
function errorHandler(err)
return tostring( err )
end
local success, result = xpcall(classifyImage, errorHandler)
context.template = {
type = "mustache",
name = "app/templates/layout",
partials = {
content = "app/templates/classify",
}
}
context.output = {
success = success,
result = result,
request = context.input
}
context.response.status = 200
Ценю твою помощь!
Обновление 1
Добавлено print( net )
до и после local net
, а также после звонка net:add
. Каждый раз перед инициализацией local net
отображается значение nil
. Как и ожидалось, после инициализации net
в качестве значения отображается объект факела. Кажется, что-то внутри вызова :add
создает ошибку, поэтому я добавил следующее сразу после объявления моей функции classifyImage
:
print(tostring(torch))
print(tostring(nn))
print(tostring(net))
После добавления этих новых операторов печати я получаю следующее по первому запросу:
nil
nil
nil
И затем по второму запросу:
table: 0x41448a08
table: 0x413bdb10
nil
И по третьему запросу:
table: 0x41448a08
table: 0x413bdb10
nil
Они выглядят как указатели на объект в памяти, поэтому можно ли предположить, что Torch создает свой собственный глобальный объект?
print(net)
до и после звонков. - person hjpotter92   schedule 15.08.2016local net
в обоих 1-м и 2-м вызовах, я успешно получаюnil
. После инициализацииnet
я также получаю новый объект. Только когда я вызываюadd
, он терпит неудачу. Вы думаете, это что-то связанное с самимtorch
илиnn
? - person crockpotveggies   schedule 15.08.2016torch
сам создает глобальные объекты в памяти, которые мешают коду? - person crockpotveggies   schedule 15.08.2016