台球测试1
遇到的问题与解决办法
问题一:
mnist数据集测试 非416x416图片
解决:
非416x416图片无法找到数字 可以找到非416x416图片中的数字
问题二:
mnist:新数字图片未找到数字,且颜色变化(可能是test.py通道发生变化)
test.py 第六点 通道转变 (查看图片通道)
解决:
注释掉那一行,无报错
问题三:
测试集图片要变大小?
解决:
不用,test.py将图片尺寸都改为416x416
问题四:
训练集都是416x416,且train.py未进行像素值修改?
在mnist数据集中添加一张 非416x416图片,并进行训练,将该图片放到测试集中进行测试
解决:
mnist现在无法测试出数字(所有)重改
重改mnist代码,训练集未改,测试集增加 非416x416图片,可以预测出数字
训练集添加 非416x416图片,正在训练
(小问题:训练集全为416x416时,可测试出 非416x416图片,训练集包含 非416x416时,未检测出非416x416 图片 )
如果成功,修改ball代码(未成功,改用猫狗数据集进行尝试)
问题五:
制作猫狗数据集在ball中测试(最后)
猫狗训练集图片尺寸不一致,用其进行训练,看测试集是否能识别猫狗
解决:
并没有找到测试集中的猫和狗,那么训练集的图片需要先调整到416x416
总结一:
将mnist训练集中的图片放到测试集中进行测试(测试出来了)
所以:测试集数据要多吧; 训练次数要多吧 (猫狗进行测试)
不是训练集数据与训练次数的问题
肯定不是测试集的问题,应该是训练数据集的问题
问题六:
尝试保存 .h文件(权重文件)
解决:
应该不是这个问题
问题七:
先将输入的图片转成416x416的尺寸,再进行训练(肯定:训练集要先转换成416大小)
解决:
先将输入的图片转成416x416的尺寸,再进行训练(肯定:训练集要先转换成416大小)
问题八:
用他提供的图片做自己的数据集标签
解决:
测试报错
总结二:
思考认为是该代码只识别他自己提供的数据集,其他人自己制作的数据集无法进行训练和测试