ValueError: Dimension 0 in both shapes must be equal, but are 1 and ****(YOLO网络检测问题)

最新推荐文章于 2023-01-13 16:27:44 发布
最新推荐文章于 2023-01-13 16:27:44 发布
阅读量1.4w 收藏 9
点赞数 4
分类专栏： 深度学习
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_27871973/article/details/84063000
版权
在进行YOLO网络检测时遇到ValueError，原因是训练时类别与测试时类别数量不一致。错误源于txt文件中类别定义存在空字符串，导致实际类别数计算错误。解决方案是确保txt文件（如voc_classes.txt）在Notepad++下正确编辑，避免空格或空字符串影响类别计数。
摘要由CSDN通过智能技术生成

yolo网络检测时错误解决，Yolo等网络测试时出现以下错误：

错误原因：类别class维度不匹配错误，比如训练时类别是五类，测试的时候不是五类，就会出现这种错误，自己的训练时五类，测试是三类。

原因解决：其实自己在编辑model_data下的voc_classes.txt时，使用的是txt编辑的，没有使用Notepad++，导致txt文档中编辑的三类，其实中间有空字符串，在yolo中的train.py读取训练类别时导致类别增加。比如：

txt下格式

Notepad++下的格式应该为： 

最低0.47元/天 解锁文章
来一包板栗
关注
专栏目录
Python常见错误
weixin_51154380的博客
06-25 644
Python常见错误 ##1、 解析错误:未定义的控制序列 parse error: Undefined control sequence 2、出现这样的错误一般是voc_classnames.txt或者其他一些地方没有改成自己的东西 ValueError: Dimension 0 in both shapes must be equal, but are 1 and 27. Shapes are [1,1,1024,255] and [27,1024,1,1]. for 'Assign_360
【YOLOv8十万长文优化】独家魔改优化技巧+附20余个源码手把手教程
最新发布
cv君的博客
08-01 2万+
【YOLOv8十万长文全解】v8 v9通用。独家魔改优化技巧+附20余个源码手把手教程; Hello，大家好，我是cv君，最近开始在空闲之余，经常更新文章啦！除目标检测、分类、分隔、姿态估计等任务外，还会涵盖图像增强领域，如超分辨率、画质增强、降噪、夜视增强、去雾去雨、ISP、海思高通成像ISP等、AI-ISP、还会有多模态、文本nlp领域、视觉语言大模型、lora、chatgpt等理论与实践文章更新，更新将变成一周2-3更，一个月争取10篇，重回创作巅峰
输入维度不匹配问题
dxy1018的博客
07-18 2096
程序运行报错问题：Dimension 0 in both shapes must be equal, but are 1 and 512. Shapes are [1,1,128,512] and [512,256,1,1]. 原因：当我采用预训练模型resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5文件载入时出现上述错误，意思是两个矩阵的第一维不一样，一个是1一个是512.修改为[1,1,128,512]和[1,256,1,1]即可。 还有当时我是积分
tensorflow2 ValueError: slice index 0 of dimension 0 out of bounds.
一二说
04-28 1291
问题描述 Traceback (most recent call last): File "E:\PythonProjects\cotton5\main.py", line 19, in <module> train.start() File "E:\PythonProjects\cotton5\train.py", line 38, in start self.start_train() File "E:\PythonProjects\cotton5\train.p
ValueError: Dimension 0 in both shapes must be equal
qq_45504119的博客
05-21 2773
今天重新训练yolo的时候出现了这个报错 ValueError: Dimension 0 in both shapes must be equal, but are 1 and 21. Shapes are [1,1,1024,24] and [21,1024,1,1]. for ‘Assign_360’ (op: ‘Assign’) with input shapes: [1,1,1024,24], [21,1024,1,1]. 一般情况就是class中的数量对不上 可是我class中只有两类，肯定没
ValueError: Dimension 0 in both shapes must be equal, but are 1 and 21. Shapes are [1,1,1024,54] and
sinat_41563673的博客
06-19 2878
ValueError: Dimension 0 in both shapes must be equal, but are 1 and 21. Shapes are [1,1,1024,54] and [21,1024,1,1]. for 'Assign_360' (op: 'Assign') with input shapes: [1,1,1024,54], [21,1024,1,1].
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 ”
云中寻雾的博客
06-18 8183
情况描述： win10keraspycharm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: 'Assign')...
目标检测自学记录之SSD
骇浪涛的博客
08-11 860
作为一名即将入学的硕士研究生，我觉得有必要将自己平时学习、做项目过程中遇到的问题等记录下来，以便于以后的整理与复习。因本人水平有限，博客中可能会有一些错误理解，欢迎大家指正，共同交流进步。本文为我的第一篇博客，格式、内容、表达等方面都有欠缺，以后会逐渐加强。本文记录我在学习SSD过程中参考的相关资料以及部分个人理解。
MATLAB算法实战应用案例精讲-【图像处理】小目标检测（附matlab代码实现）
qq_36130719的博客
01-13 4388
现有的小目标定义方式主要分为以下两类，即基于相对尺度的定义与基于绝对尺度的定义。(1)基于相对尺度即从目标与图像的相对比例这一角度考虑来对小目标进行定义。Chen[1]等对小目标做了如下定义：同一类别中所有目标实例的相对面积，即边界框面积与图像面积之比的中位数在0.08%~0.58%之间。除此以外，较为常见的还有以下几种：①目标边界框的宽高与图像的宽高比例小于一定值，较为通用的比例值为0.1；②目标边界框面积与图像面积的比值开方小于一定值，较为通用的值为0.03；
ValueError: Dimension 0 in both shapes must be equal, but are 1 and 60. Shapes are [1,1,512,40]可能的解法
qq_42940160的博客
06-04 1024
ValueError: Dimension 0 in both shapes must be equal, but are 1 and 60. Shapes are [1,1,512,40] and [60,512,1,1]. for ‘Assign_55’ (op: ‘Assign’) with input shapes: [1,1,512,40], [60,512,1,1]. 在网上查到遇到这个问题时大都说的是路径问题，但其实还有一个原因是，你使用的yolov3是tiny版本，导致框的个数和yolov3
ValueError: slice index xxxx of dimension 0 out of bounds，详细分析。
qq_41368074的博客
04-24 6367
出现这种问题的原因是，一般都是数据维度的原因，导致参数不匹配，一定要检查参数维度。 你比如，我报错的原因： 我的 image_placeholder声明的是[10,16,112,112,3]，但是后面我在调用的时候，却这样用了 logits = c3d_model.inference(image_placeholder[10,:, :, :, :], 。。。。。) 这里的这样（注意10后面...
Theano ValueError: y_i value out of bounds
Hello Word!
03-18 251
原因：初步判断是theano分类模型输出label为0~类别数-1。不支持自己定义 比如三分类，结果就是 0 1 2。自己定义的 3 4 5这种不行。 感谢：https://www.cnblogs.com/zklidd/p/3885930.html ...
在U-Net中加入注意力机制时出现维度不匹配的问题
weixin_43523814的博客
01-13 3477
在U-Net中加入注意力机制时出现维度不匹配的问题 add()函数要求相加的两个函数维度必须完全相同 conat_x = add([theta_x, phi_g]) 报错：Traceback (most recent call last): File "I:/Retina-OD-Unet-master+unet-layer+attention/OD-training.py", line 478, ...
Mask-RCNN出现的问题
一个爱学习的小小白
11-19 692
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.
报错输入维度不匹配
m0_63564748的博客
10-28 1603
报错输入维度不匹配
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 14
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