ValueError: Required crop size (128, 64) is larger than input image size (119, 173)

运行deepsort报错

最终解决方法：

“

这个错误提示表明在使用deepsort训练自己的数据集时，由于输入图像的尺寸太小，无法满足所需的裁剪尺寸，导致出现了错误。具体来说，模型需要对输入图像进行裁剪以匹配所需的大小，但是输入图像的大小不足以支持这种裁剪。为了解决这个问题，你可以尝试以下几种方法：

1. 增加输入图像的大小，使其能够支持所需的裁剪尺寸。
2. 调整模型的参数，使其能够适应较小的输入图像。
3. 使用更大的数据集进行训练，以便模型能够更好地适应各种输入图像大小

”

在调整图像大小方面，尝试通过筛除w<128或h<64的图片，但是依旧报错发现可能是由于算法内部存在分辨率宽高匹配（类似于矩阵运算？）之类的过程，筛除w<128或h<128的图片后，算法跑通

halcon批量读取图片并保存分辨率-CSDN博客

前期试错过程

（参考其他人的解决方法）

可能是由于deepsort数据集建立时，目标裁剪后分辨率太低（crop_size相关设置在_presets.py文件中）
在使用的数据集中，修改batchsize设为1（L45 L49）、drop_last=True与torch_size等

后依旧报错：

RuntimeError: stack expects each tensor to be equal size, but got [3, 97, 221] at entry 0 and [3, 20

RuntimeError: mat1 and mat2 shapes cannot be multiplied (1x7168 and 512x256)

ValueError: Expected more than 1 value per channel when training, got input size torch.Size([1, 256])

都未解决