Mask_Rcnn使用中出现ValueError: Dimension 1 in both shapes must be equal, but are 8 and 324 for ‘Assign_68

最新推荐文章于 2024-07-23 22:38:20 发布
最新推荐文章于 2024-07-23 22:38:20 发布
阅读量441 收藏 9
点赞数 8
文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Huui_/article/details/135819616
版权
在使用Mask_Rcnn框架训练时遇到ValueError，源于NUM_CLASSES设置不匹配官方80类。解决方案是将NUM_CLASSES从1+1改为1+80。
摘要由CSDN通过智能技术生成

在学习Mask_Rcnn框架中，在进行train命令训练过程中，出现了错误ValueError: Dimension 1 in both shapes must be equal, but are 8 and 324 for 'Assign_682' (op: 'Assign') with input shapes: [1024,8], [1024,324].

通过查找与查询，在一个大佬那里解决了疑惑：即官方的h5总共是80类，所以需要在代码中将

NUM_CLASSES = 1 + 1；

改为

NUM_CLASSES = 1 + 80.

最后解决问题。

徐徐祥来-小黑皮
关注
  • 8
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
成功解决ValueError: Dimension 1 in both shapes must be equal, for ‘Assign_8‘ (op: ‘Assign‘) with input s
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
11-24 4807
成功解决raise ValueError(str(e)) ValueError: Dimension 1 in both shapes must be equal, but are 1034 and 1024. Shapes are [100,1034] and [100,1024]. for 'Assign_8' (op: 'Assign') with input shapes: [100,1034], [100,1024]. 目录 解决问题 解决思路 解决方法 ...
VGG16模型已经训练好的notop文件
04-02
该文件虽然是在github上可以找到的， 把该文件下载后保存到/root/.keras/models目录下即可
ValueError: Dimension 1 in both shapes must be equal, but are 5 and 3.
DoublePower的博客
07-14 680
使用VGG16进行人群密度等级分类时出现了该问题，原因是之前进行3分类训练得到过一个模型，再进行5分类训练时，（猜测）好像会在之前3分类的模型基础上接着训练，而不是直接训练出一个新的模型进行覆盖。 解决方法：将文件夹中之前训练出的模型删除掉。 ...
ValueError: Dimension 1 in both shapes must be equal, but are 10 and 12.Shapes are[40,10]and[40,12]
Will_Ye的博客
06-07 3551
训练完模型拿来做预测(prediction)时，遇到两个bug： 1. 加载模型出错了： ```python model = load_model(model_path) ``` 报错： `ValueError: Unknown layer: ArcFace` 解决方法： 这是由于训练模型时使用的layer是自定义的，因此，只需要在加载模型时指定这个自定义层就可以了，如下： python model = load_model(model_path, custom_objects={'ArcFace':
Mask-RCNN出现的问题
一个爱学习的小小白
11-19 654
出现问题： ValueError: Dimension 1 in both shapes must be equal, but are 28 and 324. Shapes are [1024,28] and [1024,324]. for ‘Assign_682’ (op: ‘Assign’) with input shapes: [1024,28], [1024,324]. 这是由于维度的原因不同所造成。 修改了train.py 的第60行 成功！ 如果还未成功，看几个地方是否一样： 1 train.
Mask_RCNN:ValueError: Dimension 1 in both shapes must be equal, but are 8 and 324.
热门推荐
地理信息系统、摄影测量与遥感、人工智能
06-03 2万+
前几天有人在之前Mask_RCNN预测文章中：https://blog.csdn.net/qq_15969343/article/details/80388311评论了该问题：我看了一下，主要是因为直接使用了官方给出的COCO权重进行了预测，但是可能COCO的80类物体中存在有想预测的东西，因此直接把NUM_CLASS改为了1+1；这样显然是不对的，因为1个类占了4个通道，因此是（1+80）*4=......
Grad_Cam运行报错：ValueError: Unable to determine penultimate `Conv` or `Pooling` layer for layer_idx: 2
12-21
然而，在实际操作中，有时会遇到错误，如“ValueError: Unable to determine penultimate `Conv` or `Pooling` layer for layer_idx: 2”。这个错误表明Grad-CAM无法识别到模型中的倒数第二个卷积或池化层，这是计算...
Python ValueError: invalid literal for int() with base 10 实用解决方法
12-23
今天在写爬虫程序的时候由于要翻页，做除法分页的时候出现了 复制代码 代码如下: totalCount = ‘100’ totalPage = int(totalCount)/20 ValueError: invalid literal for int() with base 10的错误 网上同样的...
关于 Python opencv 使用中的 ValueError: too many values to unpack
09-19
主要介绍了关于 Python opencv 使用中的 ValueError: too many values to unpack，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
keras报错：ValueError: Cannot create group in read only mode
01-20
在使用Keras库进行深度学习模型训练和保存时，可能会遇到“ValueError: Cannot create group in read only mode”这样的错误。这个错误通常发生在尝试加载一个只包含权重而没有模型结构的文件时。Keras提供了两种...
ValueError: Dimension 1 in both shapes must be equal, but are 8 and 324 for ‘Assign_376‘ (op: ‘Assig
LoveWeeknd
10-30 6650
使用Mask-RCNN测试细胞数据集的时候，出现了以下错误： Loading weights ../../path/to/weights.h5 Traceback (most recent call last): File "/home/ubuntu/anaconda3/envs/tensorflow1.3/lib/python3.6/site-packages/tensorflow/p...
Mask_RCNN：使用COCO权重进行特定类别预测（只标记出你需要的类别）
地理信息系统、摄影测量与遥感、人工智能
06-04 1万+
采用自己的模型进行预测，或者直接使用COCO权重进行全部类别的预测看这里： Mask_RCNN：使用自己训练好的模型进行预测大家可能都知道，这个版本的COCO一共有如下80个类别：但是针对某些特定的场景，你可能只需要检测出其中的一种或者多种，例如只检测'traffic light'这一类，而不检测其他的类该怎么做呢？其实解决这个问题的办法很简单，每次调用detect对图像处理后，都可以得到一系列b...
ValueError: Dimensions must be equal, but are 200 and 356 for 'rnn/while/rnn/multi_rnn_cell/cell_0/c
qq_27009517的博客
09-03 7290
出现如下错误: ValueError: Dimensions must be equal, but are 200 and 356 for 'rnn/while/rnn/multi_rnn_cell/cell_0/cell_0/basic_lstm_cell/MatMul_1' (op: 'MatMul') with input shapes: [128,200], [356,400]. 代码...
基于深度学习的草莓成熟度实时检测系统（UI界面+YOLOv8/v7/v6/v5模型+完整代码与数据集）
a871923942的博客
07-22 507
使用YOLO模型进行草莓成熟度检测。构建一个简单的用户界面，允许用户上传草莓图片，并显示检测结果。提供完整的代码示例和训练数据集。目录1. 引言2. 项目概述3. 环境配置4. 数据集准备5. 模型训练6. 构建UI界面7. 部署与测试8. 结论与声明。
**卷积神经网络典型CNN**
HP2LF的博客
07-23 1156
SeNet(Squeeze-and-Excitation Networks)是ImageNet 2017年分类任务冠军，核心思想是：Squeeze(挤压、压缩)和Excitation(激励)两个操作，其主要目的是通过显示的构建特征通道之间的相互依赖关系，采用特征重定向的策略，通过学习的方式自动的获取每个特征通道的重要程度，然后依据***这个重要程度去提升有用的特征，并抑制对于当前任务用处不大的特征。Squeeze特征压缩操作，将每个feature map的特征数据使用全局平均池化操作转换为一个数值(实数)，
智能路面裂缝检测：基于YOLO和深度学习的全流程实现
最新发布
a871923942的博客
07-23 460
引言路面裂缝检测是维护道路质量和延长道路寿命的重要手段。传统的检测方法往往费时费力且易受人为因素影响。为了提高检测效率和准确性，本文介绍了一种基于深度学习的路面裂缝检测系统。该系统包括用户界面，利用YOLO（You Only Look Once）v8/v7/v6/v5模型进行路面裂缝检测，并提供了完整的实现步骤和详细代码。
长短期记忆网络（LSTM）及其Python和MATLAB实现
qq_45441438的博客
07-22 820
3. 输入门计算：输入门的计算包括两部分，一部分是将上一个时间步的隐藏状态与当前时间步的输入特征拼接后通过两个全连接层分别计算出sigmoid 激活函数和 tanh 激活函数的输出，另一部分是将这两个输出相乘后输出输入门的值。2. 遗忘门计算：遗忘门的计算包括两部分，一部分是将上一个时间步的隐藏状态与当前时间步的输入特征拼接后通过一个全连接层得到一个向量，另一部分是经过一个 sigmoid 激活函数后输出遗忘门的值。6. 更新隐藏状态：根据记忆单元状态和输出门的值计算出下一个时间步的隐藏状态。
ValueError: Dimension 0 in both shapes must be equal, but are 1280 and 64. Shapes are [1280] and [64]. for '{{node concat}} = ConcatV2[N=2, T=DT_FLOAT, Tidx=DT_INT32](Sigmoid, MatMul_1, concat/axis)' with input shapes: [?,1280], [?,64], [] and with computed input tensors: input[2] = <0>.
06-08
这个错误的原因是在进行`concat`操作时，两个tensor在拼接的维度上的大小不一致，需要保证拼接维度上的大小是相等的。可以通过查看代码找到出错的地方，并检查这两个tensor在拼接维度上的大小是否相等。 具体来说，这个错误信息的提示是 `Shapes are [1280] and [64]`，说明两个tensor在拼接维度上的大小分别是1280和64，不满足拼接的条件。可以通过调整代码使得这两个tensor在拼接维度上的大小相等，例如将其中一个tensor的维度扩展到和另一个tensor相等。 如果你需要更具体的帮助，请提供更多的代码和错误提示上下文信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值