Hacktoberfest 2026:メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

finetune stage2 of Internvideo2 with num_frames 12 error

オープン
#271 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

まだ誰も着手していません。

評価

難易度
4/5
見積もり時間
3〜5日
初心者へのやさしさ
25/100
issue の種類
バグ
明瞭さ
説明が足りない
活発さ
停滞
技術スタック
python

調査の方向性

tasks/shared_utils.py の192行目、setup_model が state dict を読み込む箇所から始め、num_frames 12 で stage2 finetuning を再現します。vision_encoder.pos_embed について報告されたチェックポイントと現在のモデルの shape を比較し、修正後のロードパスが size-mismatch error なしで完了することを確認します。

索引モデルが issue の本文から書いたものです。

説明

When I try to finetune stage2 of Internvideo2 with num_frames 12, I meet the error below:

[rank0]:   File "/root/nginx/multi_modality/tasks/shared_utils.py", line 192, in setup_model
[rank0]:     msg = model_without_ddp.load_state_dict(state_dict, strict=False)
[rank0]:   File "/usr/local/Python3.8.12/lib/python3.8/site-packages/torch/nn/modules/module.py", line 2215, in load_state_dict
[rank0]:     raise RuntimeError('Error(s) in loading state_dict for {}:\n\t{}'.format(
[rank0]: RuntimeError: Error(s) in loading state_dict for InternVideo2_Stage2:
[rank0]:        size mismatch for vision_encoder.pos_embed: copying a param with shape torch.Size([1, 1025, 1408]) from checkpoint, the shape in current model is torch.Size([1, 3073, 1408]).

How to solve it? Looking forward to your reply. Thanks.

主要言語
Python
スター
2.4k
フォーク
160
PR マージ指標
30日以内にマージされた PR はありません

コントリビューションガイド

このリポジトリのコントリビューションガイドは索引されていません

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

OpenGVLab/InternVideo のほかの issue

OpenGVLab/InternVideo の issue をすべて見る

似ている issue

Python の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。