Pytorch 推理时，如何使用EfficientSet Pytork设置目标的参数？

我第一次用高效的pytorch研究目标检测码

我使用预训练重量模型作为参考：

我试着检查EfficientSet模型的输出

从effdet导入获取\u efficientdet\u配置、efficientdet、DetBenchTrain
来自effdet.efficientdet导入头网
#加载样本效率设置代码
config=get\u efficientdet\u config（'tf\u efficientdet\u d0'）
config.image_size=[512512]
config.norm_kwargs=dict（eps=0.001，动量=0.01）
net=效率ET（配置，预训练主干=假）
检查点=火炬荷载（'efficientdet_d0-d92fd44f.pth'）
net.load\u state\u dict（检查点）
#净重置头（num\u classes=1）
#net.class\u net=HeadNet（config，num\u outputs=config.num\u classes）
net=DetBenchTrain（net，config）
打印（“加载的预训练重量”）
#>>>加载预训练重量”
#图像形状：[3512512]
净增值（）
使用手电筒。无梯度（）
检测到=净（img.unsqueze（0））
#错误　目标值低于。
TypeError:forward（）缺少1个必需的位置参数：“目标”

以及参考 我尝试了下面的代码

def作出预测（图像，分数阈值=0.22）：
预测=[]
使用手电筒。无梯度（）
det=net（images，torch.tensor（[1]*images.shape[0]）.float（））
打印（det.shape）
对于范围内的i（images.shape[0]）：
box=det[i].detach（）.cpu（）.numpy（）[：，：4]
分数=det[i].detach（）.cpu（）.numpy（）[：，4]
索引=np。其中（分数>分数\u阈值）[0]
框=框[索引]
盒子[：，2]=盒子[：，2]+盒子[：，0]
盒子[：，3]=盒子[：，3]+盒子[：，1]
预测。追加({
“框”：框[索引]，
“分数”：分数[索引]，
})
返回[预测]
输出=进行预测（img.unsqueze（0））
#错误如下。。。
---------------------------------------------------------------------------
索引器回溯（最后一次最近调用）
在里面
---->1输出=进行预测（img.unsqueze（0））
在make_预测中（图像、分数_阈值）
3预测=[]
4带火炬。无梯度（）
---->5 det=net（图像，torch.tensor（[1]*images.shape[0]）.float（））
6打印（详细形状）
7对于范围内的i（images.shape[0]）：
/opt/anaconda3/envs/yohenv/lib/python3.7/site-packages/torch/nn/modules/modules.py in_call_impl（self，*输入，**kwargs）
720结果=self.\u slow\u forward（*输入，**kwargs）
721其他：
-->722结果=自转发（*输入，**kwargs）
723用于itertools.chain中的挂钩(
724 _全局_向前_hooks.values（），
/前进中的opt/anaconda3/envs/yohenv/lib/python3.7/site-packages/effdet/bench.py（self、x、target）
117其他：
118 cls_目标，方框_目标，正数值=self.anchor_labeler.batch_label_anchors(
-->119目标['bbox']，目标['cls']）
120
121损失，类别损失，方框损失=自身损失（类别损失，方框损失，cls目标，方框损失，正数值）
索引器：维度1的张量的索引太多

使用TestData进行推理时，如何设置目标的参数

很抱歉给您带来不便，您能给我一些建议吗