当我使用 YOLACT 运行 train.py 时，我收到错误 KeyError: 0

Posted 2023-03-25

【中文标题】当我使用 YOLACT 运行 train.py 时，我收到错误 KeyError: 0

【英文标题】：When I run train.py with YOLACT, I get the error KeyError: 0

【发布时间】：2021-02-01 19:11:49

【问题描述】：

我是机器学习和编程的新手。 现在我正在尝试使用我自己的数据开发 YOLACT AI。 但是，当我运行 train.py 时，出现以下错误并且无法学习。 我该怎么做才能克服这个错误？`

(yolact) tmori@tmori-Lenovo-Legion-Y740-15IRHg:~/yolact$ python train.py --config=can_config  --save_interval=2000

将注释加载到内存中... 完成（t=0.00s） 创建索引... 索引创建！ 将注释加载到内存中... 完成（t=0.00s） 创建索引... 索引创建！ 正在初始化权重... 开始训练！ /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) [0]0||乙：4.840 | C: 16.249 |男：4.682 | S: 2.749 |电话：28.521 ||预计到达时间：9:18:44 ||计时器：3.352 /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) [1] 10 ||乙：4.535 | C: 9.228 |男：4.379 |小号：1.867 |电话：20.008 ||预计到达时间：3:25:24 ||计时器：0.864 /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) /home/tmori/yolact/utils/augmentations.py:309：VisibleDeprecationWarning：从不规则的嵌套序列（它是具有不同长度或形状的列表或元组或 ndarray 的列表或元组）创建一个 ndarray 已弃用.如果您打算这样做，则必须在创建 ndarray 时指定 'dtype=object' 模式 = random.choice(self.sample_options) 计算验证 mAP（这可能需要一段时间）... 回溯（最近一次通话最后）： 中的文件“train.py”，第 504 行 火车（） 文件“train.py”，第 371 行，在火车中 compute_validation_map(epoch, 迭代, yolact_net, val_dataset, log if args.log else None) 文件“train.py”，第 492 行，compute_validation_map val_info = eval_script.evaluate(yolact_net, dataset, train_mode=True) 文件“/home/tmori/yolact/eval.py”，第 956 行，在评估中 prep_metrics（ap_data，preds，img，gt，gt_masks，h，w，num_crowd，dataset.ids[image_idx]，检测） 文件“/home/tmori/yolact/eval.py”，第 427 行，在 prep_metrics detections.add_bbox(image_id, classes[i], boxes[i,:], box_scores[i]) 文件“/home/tmori/yolact/eval.py”，第 315 行，在 add_bbox 'category_id': get_coco_cat(int(category_id)), 文件“/home/tmori/yolact/eval.py”，第 293 行，在 get_coco_cat 中 返回 coco_cats[transformed_cat_id] 关键错误：0

我正在尝试开发一种能够找到罐头并对其进行分割的 AI。 首先我用labelme只注释了“can”的一项，然后用labelme2coco.py创建了一个COCO格式的json文件。 之后，我根据 YOLACT 的 GitHub 上的“Custom Datasets”修改了 config.py 并运行了 train.py。

我的开发环境如下。 操作系统：Ubuntu20.04LTS 蟒蛇：4.8.3 蟒蛇：3.6.12 火炬：1.4.0 CUDA 工具包：10.1 cuDNN: 7.6.5　

【问题讨论】：

我认为 Coco 类别 ID 是基于 1 的。你配置正确了吗（检查config.py）

【参考方案1】：

您在 annotations.json 中的类 id 应该从 1 而不是 0 开始。如果它们从 0 开始，请在标签映射中的“my_custom_dataset”中的 config.py 中尝试添加此

'label_map':  0:  1, 1:  2, 2:  3... and so on

在这种情况下有 3 个类！

同样在同一脚本中的 yolact_base_config 中，num_classes 应该比您的类数大 1，例如在本例中为 4。

【讨论】：

感谢您的建议！我立即更改了 config.py 中的“label_map”部分，并再次运行了 train.py。但我得到了同样的错误。我再次检查了train.json和test.json文件，但类别只是“可以”。而“can”的“id”为0。

id 应该是 1 而不是 0。如果您使用github.com/dbolya/yolact/issues/70#issuecomment-504283008 中提到的步骤，并且labels.txt 中应该有ignore 和background，并且第3 行应该可以。您也可以查看此链接immersivelimit.com/tutorials/…

再次感谢您的建议！使用您提供给我的 URL 信息，我重新创建了 label.txt 并对其进行了注释。并且我确认train.json和test.json的“can”的“categories”的“id”改为1。但是，我仍然遇到错误“return coco_cats [transformed_cat_id] KeyError：1”...... config.py 中“DATASET”的内容如下。 'class_names': ('can'), 'label_map': 1: 1

在原始 config.py 的第 661 行将 更改为

是的，我马上改了。但我得到了同样的错误。

【参考方案2】：

我准备的train.json如下。 test.json 的内容几乎一样。

"info": "description": null, "url": null, "version": null, "year": 2020, "contributor": null, "date_created": "2020-10-22 17 :03:01.164640", "licenses": ["url": null, "id": 0, "name": null], "images": ["license": 0, "url": null , "file_name": "1v6s4.jpg", "height": 640, "width": 480, "date_captured": null, "id": 0, "license": 0, "url": null, "文件名”：“11aaw.jpg”，“高度”：640，“宽度”：480，“日期捕获”：空，“id”：1，“许可证”：0，“url”：空，“文件名” : "a255r.jpg", "height": 640, "width": 480, "date_captured": null, "id": 2, "license": 0, "url": null, "file_name": " 3ww4h.jpg", "height": 640, "width": 480, "date_captured": null, "id": 3, "license": 0, "url": null, "file_name": "crgm5. jpg", "height": 640, "width": 480, "date_captured": null, "id": 4, "license": 0, "url": null, "file_name": "hh00w.jpg" , "height": 640, "width": 480, "date_captured": null, "id": 5, "license": 0, "url": null, "file_name": "60fwn.jpg", "高度”：640，“宽度”：480，“date_captur ed": null, "id": 6, "license": 0, "url": null, "file_name": "5umjh.jpg", "height": 640, "width": 480, "date_captured" ：null，“id”：7，“license”：0，“url”：null，“file_name”：“as8ox.jpg”，“height”：640，“width”：480，“date_captured”：null , "id": 8, "license": 0, "url": null, "file_name": "cyu14.jpg", "height": 640, "width": 480, "date_captured": null, " id": 9], "type": "instances", "annotations": ["id": 0, "image_id": 0, "category_id": 1, "segmentation": [[276.12582781456956, 190.39072847682118, 129.10596026490066 ，224.16556291390728，108.57615894039736，237.41059602649005，90.6953642384106，267.87417218543044，87.38410596026489，306.94701986754967，92.01986754966885，345.3576158940397，115.19867549668874，387.7417218543046，146.98675496688742，416.21854304635764，178.7748344370861，433.4370860927152，231.09271523178808，426.1523178807947，335.06622516556286，343.3708609271523，367.51655629139077，299.0，368.841059602649，277.8079470198675，378.77483443708604，261.9139072847682 , 378.1125827814569，236.74834437086093，358.90728476821187，213.56953642384107，333.7417218543046，207.60927152317882，308.57615894039736，193.7019867549669]]， “面积”：50785.0， “BBOX”：[87.0，190.0，292.0，244.0]， “iscrowd”：0， “ID”： 1， “image_id”：1， “CATEGORY_ID”：1， “分割”：[[252.28476821192055，218.20529801324503，195.99337748344368，226.1523178807947，157.58278145695363，249.9933774834437，129.76821192052978，279.1324503311258，115.86092715231786，312.2450331125828，117.84768211920527，365.2251655629139，132.41721854304637，400.3245033112583，176.78807947019868， 495.6887417218543，201.95364238410593，509.5960264900662，231.09271523178808，515.5562913907285，256.2582781456954，514.8940397350993，281.42384105960264，499.6622516556291，370.16556291390725，388.4039735099338，380.0993377483444，346.01986754966885，373.47682119205297，299.6622516556291，340.36423841059604，253.3046357615894，293.34437086092714，224.16556291390728]]， “面积”：58133.0， “BBOX”： [115.0、218.0、266。 0，298.0]， “iscrowd”：0， “ID”：2 “image_id”：2 “CATEGORY_ID”：1， “分割”：[[190.6953642384106，175.82119205298014，169.50331125827813，172.50993377483442，148.31125827814571，178.47019867549668，130.43046357615896 ，191.71523178807948，120.49668874172187，212.24503311258277，117.18543046357615，230.78807947019868，121.15894039735099，248.66887417218544，201.95364238410593，371.8476821192053，221.8211920529801，392.3774834437086，235.0662251655629，407.6092715231788，253.6092715231788，415.55629139072846，276.12582781456956，414.89403973509934，306.5894039735099，400.9867549668874，328.44370860927154，379.79470198675494，343.67549668874176，355.95364238410593，348.3112582781457，330.12582781456956 ，343.67549668874176，310.9205298013245，332.4172185430464，297.6754966887417，319.1721854304636，279.1324503311258]]， “面积”：32819.0， “BBOX”：[117.0，172.0，232.0，244.0]， “iscrowd”：0， “ID”：3“， image_id": 3, "category_id": 1, "segmentation": [[301.95364238410593, 155.29139072847 68，285.3973509933775，157.27814569536423，274.1390728476821，164.56291390728478，272.81456953642385，173.83443708609272，268.1788079470199，180.4569536423841，264.20529801324506，297.0132450331126，284.07284768211923，310.2582781456954，303.2781456953643，310.9205298013245，322.48344370860923，300.9867549668874，336.3907284768212，191.05298013245033，334.40397350993373，182.4437086092715，333.7417218543046，168.53642384105962，321.158940397351，159.9271523178808] ], "area": 9448.0, "bbox": [264.0, 155.0, 73.0, 156.0], "iscrowd": 0, "id": 4, "image_id": 3, "category_id": 1, "segmentation “：[[143.01324503311258，315.55629139072846，122.48344370860929，320.8543046357616，110.56291390728478，332.7748344370861，105.26490066225165，347.34437086092714，105.26490066225165，353.3046357615894，104.60264900662253，362.57615894039736，141.02649006622516，468.5364238410596，156.25827814569539，472.50993377483445，179.43708609271522，469.19867549668874，192.68211920529802，461.25165562913907，197。 9801324503311，444.6953642384106，182.08609271523176，342.7086092715232，177.4503311258278，338.07284768211923，170.82781456953643，324.82781456953643，157.58278145695363，317.5430463576159]]， “面积”：10548.0， “BBOX”：[104.0，315.0，94.0，158.0]， “iscrowd”：0， “ID”：5 “image_id”：4 “CATEGORY_ID”：1， “分割”：[[321.158940397351，231.4503311258278，111.88741721854302，310.9205298013245，95.99337748344368，330.12582781456956，99.96688741721852，358.6026490066225，117.84768211920527，398.3377483443709，137.71523178807945，428.80132450331126，142.35099337748346， 432.112582781457，170.1655629139073，434.7615894039735，365.5298013245033，334.7615894039735，375.46357615894044，310.9205298013245，372.1523178807947，282.44370860927154，356.2582781456954，252.64238410596028，336.3907284768212，234.76158940397352]]， “面积”：33580.0， “BBOX”：[95.0，231.0，281.0，204.0]，“iscrowd ": 0, "id": 6, "image_id": 5, "category_id": 1, "segmentation": [[235.72847682119203, 177.1456953642384, 182. 74834437086093，183.10596026490066，185.39735099337747，189.0662251655629，178.11258278145698，217.54304635761588，177.4503311258278，465.887417218543，188.7086092715232，473.8344370860927，220.49668874172187，478.4701986754967，257.5827814569536，477.1456953642384，290.0331125827814，467.2119205298013，294.6688741721854，218.20529801324503，286.7218543046357，194.36423841059602，290.69536423841055，184.43046357615893]]， “面积”： 33720.0, "bbox": [177.0, 177.0, 118.0, 302.0], "iscrowd": 0, "id": 7, "image_id": 6, "category_id": 1, "segmentation": [[185.39735099337747, 210.25827814569536，156.9205298013245，211.58278145695365，127.78145695364236，222.17880794701986，119.83443708609269，241.3841059602649，122.48344370860929，251.31788079470198，115.19867549668874，273.17218543046357，130.43046357615896，471.8476821192053，145.0，491.05298013245033，173.47682119205297，496.35099337748346，203.27814569536423，494.36423841059604，220.49668874172187，485.0927152317881，227.11920529801324，4 73.8344370860927，251.62251655629137，271.8476821192053，246.3245033112583，262.57615894039736，248.31125827814571，242.04635761589404，239.03973509933775，224.16556291390728，212.5496688741722，214.2317880794702]]， “面积”：32447.0， “BBOX”：[115.0，210.0，137.0，287.0]， “iscrowd”：0 ， “ID”：8中， “image_id”：7， “CATEGORY_ID”：1， “分割”：[[240.36423841059604，157.94039735099338，213.21192052980132，163.23841059602648，200.6291390728477，166.5496688741722，204.60264900662253，177.80794701986756，203.27814569536423，181.11920529801324，203.94039735099335，185.09271523178808， 200.6291390728477，198.33774834437085，202.6158940397351，200.32450331125827，204.60264900662253，215.5562913907285，192.01986754966885，229.46357615894038，172.81456953642385，273.17218543046357，180.76158940397352，471.18543046357615，183.41059602649005，477.1456953642384，182.74834437086093，482.44370860927154，203.94039735099335，500.3245033112583，237.71523178807945，504.96026490066225，276.7880794701987，5 00.3245033112583，297.9801324503311，492.3774834437086，303.2781456953643，478.4701986754967，301.95364238410593，471.8476821192053，307.2516556291391，463.9006622516556，307.91390728476824，266.5496688741722，292.0198675496689，228.80132450331126，280.7615894039735，215.5562913907285，282.7483443708609，210.9205298013245，278.1125827814569，202.3112582781457，280.0993377483444，195.02649006622516，280.7615894039735，163.90066225165563，250.96026490066225，158.60264900662253] ], "area": 40240.0, "bbox": [172.0, 157.0, 136.0, 348.0], "iscrowd": 0, "id": 9, "image_id": 8, "category_id": 1, "segmentation “：[[243.01324503311258，165.2251655629139，214.53642384105962，169.86092715231788，195.33112582781456，177.80794701986756，181.42384105960264，187.74172185430464，176.78807947019868，206.28476821192052，180.0993377483444，210.25827814569536，172.81456953642385，224.82781456953643，187.3841059602649，449.33112582781456，197.9801324503311，469.19867549668874，227.11920529801324，480.456953 6423841，249.63576158940396，481.11920529801324，272.1523178807947，473.8344370860927，289.3708609271523，457.94039735099335，323.8079470198676，228.80132450331126，319.83443708609275，218.86754966887418，319.83443708609275，204.2980132450331，313.2119205298013，189.0662251655629，294.00662251655626，175.158940397351，270.8278145695364，169.86092715231788]]， “面积”：38543.0， “BBOX”： [172.0，165.0,152.0,317.0]，“iscrowd”：0，“ID”：10，“image_id”：9，“categor_id”：1，“分段”：[[122.48344370860860860860860860890860860860469,280,2839,280,289,280,289,280,289,280,283930430430460430490 82.08609271523181，302.3112582781457，78.7748344370861，311.5827814569536，82.08609271523181，327.47682119205297，154.9337748344371，447.34437086092714，170.1655629139073，447.34437086092714，205.26490066225165，422.841059602649，211.88741721854302，408.27152317880797，135.72847682119203，291.05298013245033]]， “面积”：11069.0， “BBOX”：[78.0，283.0，134.0 , 165.0], "iscrowd": 0, "id": 11, "image_id": 9, "category_id": 1, "se gmentation“：[[383.4105960264901，249.33112582781456，370.8278145695364，245.35761589403972，355.59602649006627，246.01986754966887，337.05298013245033，258.6026490066225，337.05298013245033，266.5496688741722，351.62251655629143，384.43046357615896，358.90728476821187，392.3774834437086，380.0993377483444，393.03973509933775，402.61589403973505，385.7549668874172，409.2384105960265，378.4701986754967，388.04635761589407，256.6158940397351]] , "区域": 7924.0, "bbox": [337.0, 245.0, 73.0, 149.0], "iscrowd": 0], "类别": ["supercategory": null, "id": 0, "name" : "背景", "supercategory": null, "id": 1, "name": "can"]

我使用 git clone 命令在我的主目录中安装了 yolact。 我PC的目录结构如下：

/home/user-name/yolact/cans/cans_train/train.json 和图片

/home/user-name/yolact/cans/cans_test/test.json 和图片

最后，我在config.py中设置了--DATASETS--如下。

cans_dataset = dataset_base.copy(
'name': 'cans_dataset',

'train_images': './cans/cans_train/',
'train_info':   './cans/cans_train/train.json',

'valid_images': './cans/cans_test/',
'valid_info':   './cans/cans_test/test.json',

'has_gt': True,
'class_names': ('can'),
'label_map':   1: 1

我在 config.py 中设置 --YOLACT v1.0 CONFIGS-- 如下。

cans_config = yolact_darknet53_config.copy(
'name': 'cans',

'dataset': cans_dataset,
'num_classes': len(cans_dataset.class_names) + 1,

'max_size': 500,

# Training params
'lr_steps': (8000, 9000),
'max_iter': 10000,

)

【讨论】：

您能否也显示您的 -- YOLACT v1.0 CONFIGS --？它应该是......'dataset': my_custom_dataset, 'num_classes': len(my_custom_dataset.class_names) + 1，或者只是 2。就像这是我的一样，您可以将其设置为您的特定名称。

我添加了我自己设置的-YOLACT v1.0 CONFIGS-的信息。