Mask_RCNN:ValueError: Dimension 1 in both shapes must be equal, but are 8 and 324.

已于 2022-07-11 17:54:25 修改
阅读量2.5w 收藏 18
点赞数 2
分类专栏： 深度学习 文章标签： Mask_RCNN
于 2018-06-03 19:22:45 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/qq_15969343/article/details/80559154
版权

Mask_RCNN:ValueError: Dimension 1 in both shapes must be equal, but are 8 and 324.

1.问题描述

2.原因

3.解决方法

1.问题描述

        前几天有人在之前Mask_RCNN预测文章中：

Mask_RCNN：使用自己训练好的模型进行预测https://blog.csdn.net/qq_15969343/article/details/80388311

评论了该问题：

软件环境：

Mask_RCNN版本基于：Python3，Keras，TensorFlow，我使用的具体版本为：

  • Python 3.6.3
  • TensorFlow 1.7
  • Keras 2.1.5

Mask-RCNN 代码地址：

GitHub - matterport/Mask_RCNN: Mask R-CNN for object detection and instance segmentation on Keras and TensorFlow

2.原因

        我看了一下，上述文章中NUM_CLASS=1+5，这是因为我这边是自己训练的模型，然后数据里面只有5种类别。而官方的权重是基于COCO的80类物体训练的，产生上述报错的同学直接使用了官方给出的COCO权重进行预测（没有自己用自己的数据训练）但又只想预测person这一类，因此直接把NUM_CLASS改为了1+1，但是官方的权重里面还存在存在类别的物体（除开person还有79类）；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=324，但是现在改为了（1+1）*4=8【8！=324】，模型自然会报错！

附：COCO数据集80个类的名称

  1. person
  2. bicycle
  3. car
  4. motorbike
  5. aeroplane
  6. bus
  7. train
  8. truck
  9. boat
  10. traffic light
  11. fire hydrant
  12. stop sign
  13. parking meter
  14. bench
  15. bird
  16. cat
  17. dog
  18. horse
  19. sheep
  20. cow
  21. elephant
  22. bear
  23. zebra
  24. giraffe
  25. backpack
  26. umbrella
  27. handbag
  28. tie
  29. suitcase
  30. frisbee
  31. skis
  32. snowboard
  33. sports ball
  34. kite
  35. baseball bat
  36. baseball glove
  37. skateboard
  38. surfboard
  39. tennis racket
  40. bottle
  41. wine glass
  42. cup
  43. fork
  44. knife
  45. spoon
  46. bowl
  47. banana
  48. apple
  49. sandwich
  50. orange
  51. broccoli
  52. carrot
  53. hot dog
  54. pizza
  55. donut
  56. cake
  57. chair
  58. sofa
  59. pottedplant
  60. bed
  61. diningtable
  62. toilet
  63. tvmonitor
  64. laptop
  65. mouse
  66. remote
  67. keyboard
  68. cell phone
  69. microwave
  70. oven
  71. toaster
  72. sink
  73. refrigerator
  74. book
  75. clock
  76. vase
  77. scissors
  78. teddy bear
  79. hair drier
  80. toothbrush

3.解决方法

        因此使用官方给出的权重，而不是自己训练的，同时遇到这个问题的同学，请把这个地方改为：1+80：

​

        当然，我们可以验证一下：将1+80改为1+70，会出现以下错误：

​

        （1+70）*4正好等于284！结论正确！

都看到这里了，还不赶紧点赞，评论，收藏走一波？

任博啥时候能毕业？
关注
  • 2
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 20
    评论
专栏目录
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 4795
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 8 and 324 for ‘Assign_376‘ (op: ‘Assig
LoveWeeknd
10-30 6641
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...
Dimension 1 in both shapes must be equal, but are 50 and 49. Shapes are [?,50,50] and [?,49,49].
自在独行的博客
01-01 1006
一、报错截图： 二、源代码： 三、修改后：加一行和一列值为0的像素，使其在拼接的时候，每个通道的行和列相等。 三、程序正常运行：
ValueError: Dimension 1 in both shapes must be equal, but are 5 and 3.
DoublePower的博客
07-14 671
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。 ...
成功解决ValueError: Dimension 1 in both shapes must be equal, but are 1034 and 1024. Shapes are [100,103
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)…
11-23 7119
成功解决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 解决问题 ValueError: Dimen...
keras报错：ValueError: Cannot create group in read only mode
01-20
keras保存模型时，使用的是m.save_weights，只保存了模型的权重而没有结构，直接使用keras.models.load_model就会报错。所以，可以重新构建相同结构的模型，（m.save...1、keras.models.load_model() 读取网络、权重  
Grad_Cam运行报错：ValueError: Unable to determine penultimate `Conv` or `Pooling` layer for layer_idx: 2
12-21
之前一直想可视化模型的注意...ValueError: Unable to determine penultimate Conv or Pooling layer for layer_idx: 2 但是如果是自己定义的模型就可以正常输出。 看起来应该是一个找不到对应layer的错误。于是很自然
查看xgb特征重要性输出全是nan，ValueError:’Booster.get_score() results in empty’ 的原因及解决方案
12-21
1 问题描述 我想用XGBoost来建立一个模型，通过特征构造之后我需要做一个特征选择来减少特征数量、降维，使模型泛化能力更强，减少过拟合： 这里尝试通过查看特征重要性来筛选特征： from xgboost import ...
Python解析json之ValueError: Expecting property name enclosed in double quotes: line 1 column 2（char 1）
01-20
前言 在Python中提供了json包来方便快捷的解析json字串的转换过程，但是碰到了一个比较奇怪的问题，就是不太正确... File , line 1, in json.loads(r.text) File /Users/tonychen/anaconda2/lib/python2.7/json/__
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 3503
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
11-19 645
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 r-cnn报错ValueError: Dimension 0 in both shapes must be equal, but are 7 and 64.
weixin_51372575的博客
10-04 827
skimage.io.imread与cv2.imread保存后都是numpy格式，但cv2的储存格式是BGR，而skimage的储存格式为RGB。这是一个历史遗留问题，当年使用硬件平台的前辈们用的是BGR，然后opencv也跟着当年的习惯再走。图片输入格式为RGB，通道数无误，num_class确认无误，考虑图片读取问题。
ValueError: x and y must have same first dimension, but have shapes (100,) and (1,)
最新发布
qq_38473254的博客
07-25 2365
返回的值在第一个循环和第二个循环是完全不一样的维度。意思是：ValueError: x 和 y 的。，但形状分别为 (100,) 和 (1,)代码检查没问题，这种一般是。
ValueError: x and y must have same first dimension, but have shapes (100,) and (0,)
qq_53685327的博客
04-24 8127
成功解决运行YOLOX训练日志文件数据画图报错 ValueError: x and y must have same first dimension, but have shapes (100,) and (0,) 在运行YOLOX使用的代码时报错 该代码参考的是这位博主的，链接和实现的效果如下：https://blog.csdn.net/weixin_45679938/article/details/122380063 我添加了自己想要的代码后报错 这位博主给出的代码中只读取了COCO数据集上APM和AP
Mask R-CNN图像实例分割实战：训练自己的数据集
06-23
Mask R-CNN是一种基于深度学习的图像实例分割方法，可对物体进行目标检测和像素级分割。本课程将手把手地教大家使用VIA图像标注工具制作自己的数据集，并使用Mask R-CNN训练自己的数据集，从而能开展自己的图像分割应用。本课程有三个项目案例实践：(1) balloon实例分割 ：对图像中的气球做检测和分割(2) pothole（单类物体)实例分割：对汽车行驶场景中的路坑进行检测和分割(3) roadscene( 多类物体)实例分割：对汽车行驶场景中的路坑、车、车道线等进行检测和分割本课程使用Keras版本的Mask R-CNN，在Ubuntu系统上做项目演示。 本课程提供项目的数据集和python程序文件。下面是使用Mask R-CNN对roadscene进行图像实例分割的测试结果：下图是使用Mask R-CNN对pothole进行单类物体图像实例分割的测试结果：下图是使用Mask R-CNN对roadscene进行多类物体图像实例分割的测试结果：
训练自己yoloV3模型时出现“ValueError: Dimension 0 in both shapes must be equal, but are 1 and 18. Shapes are ”
weixin_38136156的博客
01-13 9919
情况描述： win10  keras   pycharm下加载自己的.h5权重进行检测，结果出现   ValueError: Dimension 0 in both shapes must be equal, but are 1 and 18. Shapes are [1,1,1024,255] and [18,1024,1,1]. for 'Assign_360' (op: 'Assig...
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。

“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 20
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

打赏作者

任博啥时候能毕业？

有用的话，请博主喝杯咖啡吧！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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