我正在尝试使用faster_rcnn_resnet101模型作为基础和它的检查点来训练自定义对象检测模型。但我在2个不同的数据集上遇到了同样的问题。
这些是培训课程的配置文件 pipeline.config
我正在使用此脚本将数据集转换为TFRecord格式 tf_record.py
运行此命令后
python object_detection/train.py --logtostderr --pipeline_config_path=${PIPELINE_CONFIG} --train_dir=${PATH_TO_TRAIN_DIR}
这是最终输出
InvalidArgumentError (see above for traceback): Reduction axis 1 is empty in shape [9,0]
[[Node: Loss/RPNLoss/Match/cond/ArgMax_1 = ArgMax[T=DT_FLOAT, Tidx=DT_INT32, output_type=DT_INT32, _device="/job:localhost/replica:0/task:0/device:CPU:0"](Loss/RPNLoss/Match/cond/Shape_1/Switch:1, Loss/RPNLoss/Match/cond/ArgMax_1/dimension)]]
发布了here类似的问题,但作者的解决方案没有帮助。 或者我是额外的“哑巴”而没有看到明显的错误
答案 0 :(得分:0)
这更像是一个评论,但因为我有< 50 rep和要说的话......
我遇到了与RCNN架构相同的问题。我认为这可能是由于模型中数据类型之间的不匹配。我的错误:ArgMax[T=DT_FLOAT, Tidx=DT_INT32, output_type=DT_INT64, _device="/job:localhost/replica:0/task:0/device:GPU:0"]
如果您已经弄明白了,请告诉我们。否则,请告诉我您对不匹配数据类型的看法。我有空的时候会去实验。