Key img_path is not in available keys；TypeError: Caught TypeError in DataLoader worker process 0

最新推荐文章于 2025-01-12 11:37:03 发布
最新推荐文章于 2025-01-12 11:37:03 发布
阅读量552 收藏 11
点赞数 15
文章标签： 深度学习 目标检测 人工智能 机器学习
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/weixin_44575717/article/details/140432001
版权

真的是要把人整的崩溃了，先是mmcv不兼容，cuda降版本，来回修改环境变量，再是Key img_path is not in available keys，一直怀疑是我数据格式的问题，来回修改。看有的博主说num_worker,于是改改改，不起作用（省略其中的n种方法）。最后终于发现了正确答案：

pip install albumentations==1.3.1

这是一个图像增强库，因为某些版本的 albumentations 库与 MMYOLO 不兼容，从而导致此错误。

这不兼容，那不兼容，真让人崩溃。。。（还是我太菜了）

mmyolo训练模型报错：ValueError: Key img_path is not in available keys解决办法
Java开发，人工智能，边缘计算，致力于掌握前沿技术
08-22 1773
mmyolo训练模型报错：ValueError: Key img_path is not in available keys解决办法 执行：pip install albumentations==1.3.1，即可解决
debug-mmlab
始于足下
07-03 341
solution:
python 提示 keyError 的4种解决方法
热门推荐
学长的猫的博客
07-20 19万+
https://blog.csdn.net/u011089523/article/details/72887163 在读取dict的key和value时，如果key不存在，就会触发KeyError错误，如： Python t = { 'a': '1', 'b': '2', 'c': '3', } print(t['d']) 就会出现： <code class="language-plain hljs" style="f
Python异常 ValueError的问题详解
Free雅轩的博客
04-03 1602
规避方法：int函数参数应该合法使用。int函数使用传送门：Python中的int函数使用。Python只允许对字典key的遍历，因此上面的遍历方式是错误的。方法一：使用dict[key]的方式同时获取value。试图将一个与数字无关的类型转化为整数，会抛出该异常。试图以二进制模式读取文件时指定编码方式。试图遍历字典时同时遍历键和值。方法二：使用items方法。
pycharm “ValueError: GetLogdirSubdirectories: path exists and is not a directory” 解决
qq_41875589的博客
08-15 1383
ValueError: GetLogdirSubdirectories: path exists and is not a directory tensorboard : 无法将“tensorboard”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次...
解决：TypeError: Caught TypeError in DataLoader worker process 0.
zzzzzfffftttt的博客
03-10 3698
在下面代码中报错 for val_d in val_bar: #此行报错 val_image,val_label=val_d output=net(val_image.to(device)) predict_y=torch.max(output,dim=1) print(predict_y.shape) 检查，发现验证集的dataloader数据，在做transform时，没有加上ToTensor变换，使得输入网络的是PIL，而不是tensor。 ...
TypeError: Caught TypeError in DataLoader worker process 0.
橙子Blue不加冰
07-19 2803
1.TypeError: Caught TypeError in DataLoader worker process 0. 和 TypeError: ‘NoneType’ object is not subscriptable
TypeError: Caught TypeError in DataLoader worker process 0. TypeError:'tuple' object is not callable
m0_46429066的博客
02-28 4214
TypeError: Caught TypeError in DataLoader worker process 0. [2/1865] Original Traceback (most recent...
typeerror: caught typeerror in dataloader worker process 1.
09-19
总结来说，要解决"TypeError: Caught TypeError in DataLoader worker process 1."的错误，你需要仔细检查代码中的数据类型问题。确保正确使用了适当的数据类型，检查数据的预处理过程，更新PyTorch版本或者检查数据...
TypeError: Caught TypeError in DataLoader worker process 1.
05-14
这个错误是由于在 DataLoader 的工作进程中抛出了 TypeError 异常。这可能是由于传递给 DataLoader 的数据类型不正确导致的。 你可以尝试检查传递给 DataLoader 的数据类型是否正确，并确保它们符合 DataLoader 的...
paddle使用教程和错误汇总
Everyday try to become better -Kobe Bryant
11-25 1717
no attribute ‘get_fetch_list’ 原因：由于paddle升级,1.8版本不回报错，2.0以后需要注明允许静态图操作 解决办法：在程序最开始调用下paddle.enable_static()
mmyolo框架实现在VOC数据集上复现Yolov6教程(详细)
kushe123的博客
06-29 1822
博主还会将训练完的模型打包，放到评论区链接中！！！
ChatGPT入门之文本情绪识别：先了解LSTM如何处理文字序列
duyuan6949的博客
01-09 989
想象这样一个任务：你希望训练一个模型，它能说出一段文字的情感是“正面”还是“负面”，比如： “这部电影简直太棒了！” → 正面情感 “糟糕透顶，浪费了两个小时的时间。” → 负面情感 这就是一个典型的文本情感识别任务，而LSTM（长短期记忆网络）特别适合这种顺序依赖的数据。
深度可分离卷积在卷积神经网络中的作用
teach2004的博客
01-09 579
1. 减少参数量和计算量：深度可分离卷积通过将传统的卷积操作分解为深度卷积（Depthwise Convolution）和逐点卷积（Pointwise Convolution）两个步骤，显著减少了模型的参数量和计算量。在深度卷积中，每个输入通道独立地应用一个卷积核，而在逐点卷积中，使用1x1的卷积核在通道维度上进行线性组合，从而减少参数和计算复杂度。深度可分离卷积：深度卷积中，每个输入通道独立地应用一个卷积核，逐点卷积中，1x1的卷积核在通道维度上进行线性组合。
深度学习学习笔记（第29周）
最新发布
qq_51339898的博客
01-12 813
本周报的目的在于汇报第29周的学习成果，本周主要聚焦于基于深度学习的目标检测领域算法的单阶段算法的开山之作YOLO v1的改进版本YOLO v2。作者 Joseph Redmon 和 Ali Farhadi 在YOLOv1的基础上，进行了大量改进，提出了 YOLOv2 和 YOLO9000，重点解决 YOLOv1 召回率和定位精度方面的不足。
人工智能及深度学习的一些题目（常错）
weixin_74923758的博客
01-10 1190
117、【判断题】卡方校验源于统计学的卡方分布，从（类，词项）相关表触发，考虑每一个类和每一个词项的相关情况度量两者（特征和类别）独立性的缺乏程度，卡方越小，独立性越小，相关性越大。值域【-1，1】，-1代表负相关，1代表相关，0代表不相关。URL的一般格式为：http：//Endpoint/url，URL中的参数Endpoint表示Web服务入口点的URL，从地区和终端节点获取。193、【填空题】数字图像的采集过程类似人眼，使用大量的光敏传感器构成以获取图像，成像的质量由传感器的单元数、（
【深度学习】核心概念-特征学习（Feature Learning）
IT古董
01-10 1124
特征学习是机器学习和深度学习的核心概念之一，其目的是通过算法自动从数据中学习有效的特征表示，而不是依赖人工设计特征。特征学习的目标是让模型从原始数据中提取和表示有意义的信息，以便在分类、回归、生成等任务中获得更高的性能。特征学习通过从数据中自动提取有效的特征表示，为机器学习模型的性能提升提供了重要支持。无论是传统的降维技术（如PCA）还是现代的深度学习方法（如CNN、Transformer），特征学习都在推动人工智能技术的发展中发挥了关键作用。在实际应用中，选择合适的特征学习方法是解决任务的关键。
深度学习-81-大语言模型LLM之基于litellm与langchain与ollama启动的模型交互
qq_20466211的博客
01-08 484
分别使用python包litellm和langchain与大模型进行交互，Ollama是建立在llama.cpp开源推理引擎基础上的大模型推理工具框架，Ollama能够在包括CPU、GPU在内的不同的硬件环境上，运行各种精度的GGUF格式大模型。
评论 6
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