PIDnet训练自己数据集避坑之：RuntimeError: weight tensor should be defined either for all or no classes

关于数据集格式可以看我的上一篇博客。

---

PIDnet自己的数据集制作好后，当开始训练有可能会报错(我发现好多人都会有这个错)

RuntimeError: weight tensor should be defined either for all or no classes

或者是

IndexError: index -1 is out of bounds for dimension 0 with size 0

当我们去网上搜索的时候，一般会说pred 张量的大小为 0，这意味着在尝试访问 pred 张量中的元素时，代码试图访问一个无效的索引。

具体来看，我们有几个要查看的地方：

一、类别数问题

我们要确保权重张量的大小与类别数一致，假如你有 10 个类别，那么权重张量的形状应该是 [10]。在PV.py文件下找到下面这段代码，更改里面的类别数，假如说只有一类（不包括背景），那么就是{0:0,1:1},如果是两类（不包括背景），那就是{0:0,1:1,2:2}

关于self.class_weights的数值需要计算参考上面博客。

        self.label_mapping = {0:0, 1:1}
        self.class_weights = torch.FloatTensor([0.99521856,1.00478144]).cuda()

二、数据集命名问题

debug代码的时候会发现criterion.py文件中以及utils.py文件中的的代码会报错，是关于self.min_kept 的值可能不适合当前的上下文，导致其值大于 pred 的元素数量的问题。

其实就是数据集命名的问题，你要确保你的图片命名是从数字0开始的，依次往下命名。

如果你是从数字1开始的，那么最后一张图片的数字就会超过数组索引的范围，这个方法是最快的，比去修改criterion.py和utils.py的代码好得多，本人亲测有效！也是大多数人报错IndexError: index -1 is out of bounds for dimension 0 with size 0的主要问题！希望大家能够尽快解决问题！