anylabeling 加载模型后出错

已于 2024-01-05 17:43:07 修改
阅读量1.1k 收藏 9
点赞数 10
文章标签： python 算法
于 2024-01-04 17:49:03 首次发布
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/nangua06/article/details/135392298
版权
文章讨论了在升级AnyLabeling到0.3.3后遇到的问题，模型加载时出现闪退，经测试发现是版本不兼容。解决方案是降级AnyLabeling至0.2.22并匹配相应模型版本0.2.0。
摘要由CSDN通过智能技术生成

错误信息：

onnxruntime.capi.onnxruntime_pybind11_state.InvalidArgument: [ONNXRuntimeError] : 2 : INVALID_ARGUMENT : Invalid rank for input: x Got: 3 Expected: 4 Please fix either the inputs or the model.

目前官方的anylabeling版本在0.3.3 

Release Assets v0.4.0 · vietanhdev/anylabeling-assets · GitHub

segment模型下载后开始打开图片，会出现闪退现象

测试了yolo系列的模型，可以正常使用，不会出现这个情况

解决方式：将anylabeling 的版本回退到0.2.22

将模型版本也降到v0.2.0

Releases · vietanhdev/anylabeling-assets · GitHub

后来测试发现和模型没关系，最新版的模型也可以，是anylabeling版本问题

nangua06
关注
  • 10
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
AnyLabeling的yolov5x-onnx自动标注模型
06-08
在实际应用中，用户可以先使用X-AnyLabeling导入待标注的图像集，然后加载YOLOv5x-ONNX模型进行自动标注。模型会返回每个图像的初步标注结果，用户可以进一步查看、编辑或确认这些结果。如果需要，用户还可以对模型...
X-AnyLabeling的yolov6lite-l-face-onnx自动标注模型
06-08
《X-AnyLabeling的yolov6lite-l-face-onnx自动标注模型详解》 在计算机视觉领域，图像标注是一项至关重要的任务，它为训练深度学习模型提供了必要的数据准备。X-AnyLabeling是一个强大的开源工具，专为图像标注而...
AnyLabeling加载模型时闪退
qq_48345513的博客
05-05 1894
应该是onnxruntime安装出错或者没有安装。重新安装onnxruntime。
使用X-AnyLabeling进行ai模型标注遇到的问题
Tannie_Yup的博客
02-29 1745
到处找解决方案无果，于是选择看源码，不断debug，终于发现是在yolo.py的postprocess函数中process_mask将mask重新upsample到原图大小的操作，cv2.resize函数遇到输入矩阵最后一个维度是1的会将这个维度去掉，也就是说如果输入是[h,w,1]，resize之后就变成了[nh, nw]，以致矩阵维度不匹配，遂在判断后加上一句np.expand_dims升维即可。这时候加载模型的时候才发现，是我的yaml文件格式出了问题，修改之后能够正常加载模型。
comfyUi核心节点
最新发布
AJHHMKYBH的博客
06-16 1466
为了方便快速搭建工作流，实现工作流程的结果，通常会搭建自定义的节点、扩展来达成目的。例如汉化自定义节点扩展ComfyUI-Translation。通常存放在custom_nodes目录下，可以通过面板安装节点或者卸载这些节点。
记录一下 使用labelimg闪退原因
qingfenglqy的博客
04-15 504
也是在做目标检测的深度学习训练集刚标了1000多张，之后就闪退了，以为是缓存之类的。开始按照网上的方法搜索，发现删掉c盘下的一个pkl文件没用，于是又找，原来是标签名称不符合，每次匹配完就会卡退。也就是我标了一部分重新开的时候会有这种问题吧。
labelImg打开闪退怎么解决
热门推荐
qq_44823375的博客
12-30 1万+
解决方法： 1.进入到C:\Users\Administrator，将.labelImgSettings.pkl文件删除，重新运行即可。如果该目录下不存在该文件，尝试使用搜索功能找到该文件进行删除。 2.labelImg软件安装的路径中不能出现中文，如果有，换个不带中文的路径。 3.在上述两种方法都没有解决的时候，采用以下方法如果你安装了anaconda,你可以重新创建一个环境（最好重新建立一个，我当时没建立后面出现了一些问题），在anaconda Prompt里重建环境， （1）conda create
COMFYUI换脸ReActor报错Value not in list: face_restore_model: ‘codeformer.pth‘解决
applebomb的专栏
04-11 865
COMFYUI换脸ReActor报错Value not in list: face_restore_model: 'codeformer.pth'解决
X-AnyLabeling的yolov7-onnx自动标注模型
06-08
配置文件在该项目中扮演着重要角色，它们包含了模型参数、数据预处理设置、后处理规则等信息，确保 yolov7-onnx 模型能正确地应用于X-AnyLabeling。用户可以根据自己的需求调整这些配置，以适应不同的应用场景。 在...
anylabeling安装与使用说明
08-09
如果你想要在`anylabeling`中集成这些模型，你可能需要编写自定义的后处理脚本，将标注结果转换为模型所需的输入格式，并利用ONNX模型进行预测。预测结果可以作为辅助信息显示在标注界面上，帮助用户更准确地进行...
AnyLabeling的yolov5n-onnx自动标注模型
06-08
在这个项目中，YOLOv5n.onnx文件是YOLOv5n模型经过ONNX转换后的文件，用户可以将此模型导入到AnyLabeling或X-AnyLabeling中，以自动识别和标注图像中的对象。而yolov5n.yaml可能包含了模型的配置信息，如类别的数量...
Anylabling(自动标注工具)的安装与使用
weixin_62401171的博客
11-26 1612
1.2安装labelme 、anylabeling。一、Anylabeling的安装。1.1在Anaconda环境下（1.3运行Anylabeling。二、Anylabeling的使用。2.1窗口按钮基本介绍。
(以YOLO标注为例)labelimg标注闪退的几种情况详解，报错IndexError: list index out of range
chenyuan1111的博客
09-15 1万+
**方法一**：正常一张一张标注，标注完成之后另存一份classes.txt文件。如果打卡发现了classes.txt有误，将正确的复制回来即可。 - **方法二**：在第一张中标注所有类别，保存好第一张图片和对应的classes.txt。这样就是从一开始就确定**类别、顺序**。这也是实现**多人同时标注**，并且标注文件一致的有效手段。
没有ckpt文件导致模型加载执行报错：please check whether the ‘ckpt_file_name‘ is correct
skytttttt9394的博客
02-22 1342
硬件环境(Ascend/GPU/CPU): GPU软件环境:– MindSpore 版本: 1.7.0执行模式：动态图(PYNATIVE_MODE) – Python 版本: 3.7.6– 操作系统平台: linux。
onnxruntime-gpu报错问题
jinxianwei1999的博客
11-30 3607
问题来源：使用onnxruntime推理时，总是使用cpu；
自动标注X-AnyLabeling神器实现扑克牌标注
weixin_46319994的博客
12-29 1794
自动标注X-AnyLabeling工具的学习过程，顺利导入本地模型，实现扑克牌的自动标注
x-anylabeling
09-05
x-任意标记是指在机器学习中，用于对数据样本进行分类或标记的一种方法。在x-任意标记中，不同于传统的监督学习，在训练数据中，并不需要为每个样本都提供准确的标记，而是允许某些样本没有标记，或者标记不准确。 x-任意标记的主要应用场景之一是在大规模数据集中，由于标记样本需要大量的人工成本和时间，因此很难获得所有样本的准确标记。借助x-任意标记算法，我们可以使用部分标记样本进行模型训练，以更高效地处理大规模数据。 x-任意标记算法主要基于隐变量模型或者半监督学习的思想，通过对未标记样本进行推断，预测其标记，从而得到更全面的数据集用于模型训练。常见的x-任意标记算法有多重标签学习、协同半监督学习等。 然而，x-任意标记也面临一些挑战。首先，由于未标记样本的标记不确定性，x-任意标记可能引入噪声，对模型的性能造成影响。其次，x-任意标记算法需要较强的数据推断和分析能力，对计算资源要求较高。此外，对于某些特定类型的数据，如图像、语音等，x-任意标记算法的应用可能更加复杂。 总的来说，x-任意标记是一种在机器学习中处理数据样本的方法，可以用于更高效地处理大规模数据，但也需要面对标记不确定性和计算资源要求高的挑战。在实际应用中，我们需要根据具体任务和数据特点选择适合的x-任意标记算法，并注意其潜在限制。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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