MMClassification 1.X版本在Google Colab运行崩溃问题求助

先排查实现层面的问题 #

• 数据集加载逻辑不兼容：MMClassification 1.X对文件夹结构数据集的处理和0.X不一样，哪怕你设了ann_file=None，也得确认data_root和data_prefix的路径完全正确，而且必须显式指定classes参数为你的30个类别——1.X不会像0.X那样自动从文件夹里推断类别数量，漏了这个很容易出问题。
• 模型输出维度不匹配：你改了输出节点到30类，得确认模型最后一层全连接层的num_classes确实设成了30。1.X的模型构建API变了，比如head组件的参数传递方式和0.X不同，要是这里错了，张量计算维度不匹配，GPU上直接就崩了，CPU环境也可能因为内存异常挂掉。
• 代码/配置的API兼容性：1.X和0.X的API不兼容，比如数据预处理pipeline里的组件名称、参数格式可能变了。比如原来的Resize可能改成了RandomResize，归一化的参数传递也有变化，用了0.X的写法在1.X里跑，很可能在加载数据时就触发崩溃。

再考虑Colab的资源限制 #

• GPU显存溢出：1.X默认的模型可能用了更重的backbone，或者默认开了更多数据增强，哪怕数据集一样，内存占用也比0.X高。Colab的GPU显存一般12GB左右，要是你的batch_size设得大，加上模型本身的占用，很容易OOM（内存不足）直接崩。试试把batch_size降到1或者2，再关掉同步BN这类占显存的组件。
• CPU内存不够：Colab的CPU内存大概12-16GB，要是数据集大，1.X的数据加载器预处理逻辑更复杂，内存占用会飙升，超过限制就被系统强制杀进程。可以把num_workers改成0，避免多进程加载数据带来的额外内存开销。

实用排查步骤 #

1. 定位崩溃触发阶段：在代码里加几个打印，比如数据加载完成、模型初始化完成、开始第一个batch训练前分别打日志，看是在哪一步崩的。模型初始化后就崩，大概率是维度不匹配；加载数据时崩，查路径和类别配置；训练第一个batch崩，优先查内存和维度。
2. 用极小数据集测试：每个类别只拿1张图做测试子集，要是小数据集能跑，那就是资源不够；要是还崩，肯定是实现有问题。
3. 逐行对比官方示例：找MMClassification 1.X里用文件夹加载数据的官方例子，把你的代码和配置跟官方的逐行比，重点看dataset、model.head、data.pipeline这几块的参数差异。

内容的提问来源于stack exchange，提问作者lianjie99