BB = BB[sorted_ind, :] IndexError: too many indices for array

最新推荐文章于 2018-03-30 14:08:03 发布
最新推荐文章于 2018-03-30 14:08:03 发布
阅读量2.2k 收藏
点赞数
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_34951080/article/details/78573107
版权
在更改网络结构后，模型能训练但测试时显示图片失败，评估报错。尝试不用预训练模型并调整参数，但导致训练错误。应用预训练模型解决了显示问题，但评估精度极低，提示需要理解原代码。
摘要由CSDN通过智能技术生成

改了新网络之后，能够训练但是测试时无法显示出图片，评估时报错：

BB = BB[sorted_ind, :]
IndexError: too many indices for array

暂时判断是因为测试网络没有改，或者训练网络本身就有问题，没有学到任何东西，但是loss降得很低了。
尝试第一种解决办法：
1，不使用预训练模型：在.sh文件里去掉

 "--weights data/imagenet_models/${NET}.v2.caffemodel "

2，在卷积层和全连接层添加

weight_filler { type: "gaussian" std: 0.01 }
bias_filler
最低0.47元/天 解锁文章
苏格兰橘猫
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLOv4目标检测实战：中国交通标志识别
06-03
课程演示环境：Ubuntu 需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：中国交通标志识别》 在自动驾驶中，交通标志识别是一项重要的任务。本项目以中国交通标志数据集TT100K为训练对象，采用YOLOv4目标检测方法实现实时交通标志识别。 本课程的YOLOv4使用AlexyAB/darknet，在Ubuntu系统上做项目演示。具体项目过程包括：安装YOLOv4、TT100K标注格式转换成PASCAL VOC格式、YOLOv4训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。  本课程会讲述使用Python程序将TT100K数据集的格式转换成PASCAL VOC格式和YOLO格式的方法，并提供相应代码。
py-faster-rcnn出现BB = BB[sorted_ind, :] IndexError: too many indices for array可能解决方法
007的博客
05-29 2283
今天在py-faster-rcnn中进行test测试，也不知道咋搞得，以前跑得好好的现在出现如下错误： BB = BB[sorted_ind, :] IndexError: too many indices for array error from voc_eval function 经过逐步排查后发现可能是sorted_ind为空导致的，但一时半克不知如何解决，于是去网上找呀找，...
Faster-RCNN训练时遇到的问题
weinaonao5418的博客
01-08 1万+
第一次写博客，没想太多。只是想记录一下训练Faster-rcnn是遇见的一些问题。因为在我训练出bug的时候有点绝望，怀疑人生。不过在看到开始训练的一瞬间又觉得活着挺好的。 1.环境搭建    rbg大神很周到，需要的东西全都有（从硬件的要求，到需要的各种model）    Faster-rcnn：https://github.com/rbgirshick/py-faster-rcn
sorted_yaml:木偶函数对Yaml进行排序
04-30
`sorted_yaml`是针对 Puppet（一个自动化配置管理工具）的扩展，它允许用户按照特定顺序处理YAML文件，因为默认情况下，YAML解析器不保证键的顺序。这在处理如Puppet这样的工具时可能很重要，因为它们可能依赖于键的...
sorted_map:Dart中的SortedMap
04-12
用法一个简单的用法示例： import 'package:comparator_sorted_map/comparator_sorted_map.dart' ;main () { //Sort by value SortedMap sortByValue = SortedMap (comparator : (a, b) => a.value. compareTo (b....
sorted_app:使用sorted和will_paginate的示例rails3应用
04-28
示例排序的应用程序您需要此应用程序的sqlite3。Linux sudo apt-get install sqlite3sudo apt-get install libsqlite3-devMac OSX brew install sqlite然后git clone git://github....seedrails server
fast_sorted_mask:基于二进制搜索的有序向量快速屏蔽-matlab开发
05-31
# fast_sorted_mask **布莱斯·M·汉森** 基于二分搜索快速屏蔽/选择有序向量的 Matlab 代码。 **状态：**此代码**可用于其他项目**。 测试已实施并通过。 选择位于某些限制之间的向量元素（此处称为 *屏蔽*，有时...
sorted_set_nif:由基于Rust的NIF支持的Elixir SortedSet
04-01
安装将SortedSet添加到您的依赖项中，然后使用mix do deps.get, deps.compile进行安装def deps do [ { :sorted_set_nif , " ~> 1.0.0 " } ]end实施细节在内部，将存储在SortedSet中的Elixir术语转换为Rust等效项，并...
python：IndexError: too many indices for array
热门推荐
feili2485的博客
01-24 14万+
出现这样的情况你因为你矩阵的维度出现了冗余情况，比如你把一组数放入矩阵，矩阵默认的维度是2，但是你其实只有一列数，因此可以先用np.shape函数查看你的矩阵维度，是否出现了（n，）这样的情况。        然后对矩阵进行reshape重构，或者np.squeeze去除冗余自由度就可以避免这样的问题。 Y_prediction_test = np.squeeze(d['Y
FasterRCNN在ubuntu下编译走过几个小坑
JoliceYu的技术博客
11-19 2612
前语之前一直在window下编译基于matlab的fasterrcnn，一直没弄出来，无奈各种配置以及bug。转到跑python版本的代码，在linux下配置起来简单多了，主要是按照（https://github.com/rbgirshick/py-faster-rcnn）的步骤来的。注意注意1：在这里最好按照一步步的步骤来，有些文件最好的也是运行github上的一些sh文件，有时候自己在其他地方下
使用py-Faster R-CNN 过程中遇到的错
Muzythoof的博客
03-30 5274
TypeError: ‘numpy.float64’ object cannot be interpreted as an index解决：sudo pip install -U numpy==1.11.0测试faster的时候出错：../lib/datasets/voc_eval.py", line 148, in voc_eval    BB = BB[sorted_ind, :]IndexE...
IndexError: too many indices for array
书生的博客
11-04 11万+
在练习机器学习的时候遇到了一个小问题，花费了挺长时间，故记录下 源码from numpy import * def file2matrix(filename): fr = open(filename) arrayOLines = fr.readlines() numberOFLines = len(arrayOLines) returnMat = zeros(num
bb
asasj571的专栏
11-17 482
bb
reliability_scores = [match.distance for match in good_matches] # 根据可靠性得分对点对进行排序 sorted_indices = np.argsort(reliability_scores) sorted_matched_points_left = matched_points_left[sorted_indices] sorted_matched_points_right = matched_points_right[sorted_indices] # 获取最可靠的两个点 reliable_points_left = sorted_matched_points_left[:2] reliable_points_right = sorted_matched_points_right[:2]
最新发布
05-17
这段代码的作用是根据SIFT算法匹配出的特征点之间的可靠性得分对它们进行排序，然后取出得分最高的前两个点，作为左右图像中的可靠匹配点。具体来说： - `good_matches`是经过筛选后的SIFT算法匹配出的可靠点对 - `reliability_scores = [match.distance for match in good_matches]`将每个点对的可靠性得分存储到一个列表中 - `sorted_indices = np.argsort(reliability_scores)` 对可靠性得分进行排序，并将排序后的索引存储到`sorted_indices`中 - `sorted_matched_points_left = matched_points_left[sorted_indices]` 和 `sorted_matched_points_right = matched_points_right[sorted_indices]`分别将左右图像中对应的点按照可靠性得分进行排序 - `reliable_points_left = sorted_matched_points_left[:2]` 和 `reliable_points_right = sorted_matched_points_right[:2]`分别取出左右图像中可靠匹配点中得分最高的前两个点 这样就得到了左右图像中最可靠的两个匹配点，可以用它们来进行后续的三角测量和深度估计等任务。
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