1 报错形容1.1 零碎环境ardware Environment(Ascend/GPU/CPU): CPUSoftware Environment:– MindSpore version (source or binary): 1.6.0– Python version (e.g., Python 3.7.5): 3.7.6– OS platform and distribution (e.g., Linux Ubuntu 16.04): Ubuntu 4.15.0-74-generic– GCC/Compiler version (if compiled from source):1.2 根本信息1.2.1脚本此案例自定义数据集并进行batch操作。
1.2.2报错RuntimeError: Unexpected error. Inconsistent batch shapes, batch operation expect same shape for each data row, but got inconsistent shape in column 0, expected shape for this column is:, got shape:
2 起因剖析依据报错信息提醒，batch操作须要输出的数据集shape统一，但自定义数据集中的shape没有对立，导致报错。3 解决办法1.去掉batch操作。
2.如果肯定要对shape不统一的数据进行batch操作，须要整顿数据集，通过pad补全等形式进行输出数据shape的对立。4 相似问题用户在做M2Det模型迁徙时，若将代码中的create_m2det_dataset函数中的batch_size=1会失去每个图像的shape和每个targets的shape已批改为大小形态雷同，程序能够顺利执行。然而，如果将batch_size改为10会报出如下谬误。
此处定位到是因为target数量不统一导致shape不统一，须要依据算法需要进行设计：1.对target的数据进行调整，比方取target的最大值，示意这个网络里最多就这么多指标，而后用一些非凡分类来补齐，计算出来loss之后，再把这部分loss通过乘0过滤掉。2.参考ssd/yolo之类的的模型做法，间接将target编码后与feature_map计算loss。5 总结1.进行batch操作必须放弃输出数据的shape统一。2.对本来shape不统一的数据肯定要进行batch操作，须要思考先将shape调整为统一，后续再对因为进行了shape调整导致的数值偏差进行解决。6 参考文档https://www.mindspore.cn/tuto...