debug-mmlab

最新推荐文章于 2025-11-29 16:24:14 发布
原创 最新推荐文章于 2025-11-29 16:24:14 发布 · 425 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

部署运行你感兴趣的模型镜像

mmyolo

bug1:

MMYOLO for yolov5 instance segmentation on balloon dataset getting this error "ValueError: Key img_path is not in available keys.

solution:
pip install albumentations==1.3.1

reference

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

走向AI论文实验与项目实战的捷径-MMLAB实战系列.zip
03-13
4-第一模块:模型源码DEBUG演示 5-第二模块:使用分割模块训练自己的数据集 6-第二模块: 基于Unet进行各种策略修改 7-第二模块:分割任务CVPR最新Backbone设计及其应用 8-第三模块:mmdet训练自己的数据任务 9-第三模块:...
open-mmlab学习笔记
xiaomu_347的博客
05-15 384
OpenMMLab 是一个由香港中文大学多媒体实验室 (MMLab) 发起的开源项目，旨在建立一个通用的、模块化的深度学习模型框架，以便于研究者和开发者能够快速构建和部署深度学习模型。这些框架在计算机视觉领域的研究和应用中发挥了重要作用，帮助研究者和开发者快速实现和部署深度学习模型。: 一个全面的、模块化的、灵活的目标检测工具箱，支持单阶段和双阶段检测器。: 用于语义分割、实例分割和全景分割的框架，提供多种分割网络结构。: 用于生成模型的框架，如条件图像生成、文本到图像生成等。
mmyolo训练模型报错：ValueError: Key img_path is not in available keys解决办法
Java开发，人工智能，边缘计算，致力于掌握前沿技术
08-22 2751
mmyolo训练模型报错：ValueError: Key img_path is not in available keys解决办法 执行：pip install albumentations==1.3.1，即可解决
Key img_path is not in available keys；TypeError: Caught TypeError in DataLoader worker process 0
weixin_44575717的博客
07-15 823
真的是要把人整的崩溃了，先是mmcv不兼容，cuda降版本，来回修改环境变量，再是Key img_path is not in available keys，一直怀疑是我数据格式的问题，来回修改。看有的博主说num_worker,于是改改改，不起作用（省略其中的n种方法）。这不兼容，那不兼容，真让人崩溃。库与 MMYOLO 不兼容，从而导致此错误。这是一个图像增强库，因为某些版本的。
mmyolo报错：ValueError: Key img_path is not in available keys
记不住所以写下来
10-27 158
降级 albumentations 版本。这个错误大概率是 albumentations 库的版本过高导致。可以通过降级到 1.3.1 版本来解决。
mmyolo报错ValueError: Key img_path is not in available keys.
Linz的博客
01-02 296
【代码】mmyolo报错ValueError: Key img_path is not in available keys.
MMDetection中使用Albumentations数据增强时报错：ValueError: Key img_path is not in available keys.
m0_46259511的博客
06-27 231
方法来源：https://github.com/open-mmlab/mmdetection/issues/11770。注意在下载新版本时不要忘了–no-binary qudida,albumentations。解决方法：将Albumentations库版本降级到1.3.1。
python 提示 keyError 的4种解决方法
热门推荐
学长的猫的博客
07-20 19万+
https://blog.youkuaiyun.com/u011089523/article/details/72887163 在读取dict的key和value时，如果key不存在，就会触发KeyError错误，如： Python t = { 'a': '1', 'b': '2', 'c': '3', } print(t['d']) 就会出现： <code class="language-plain hljs" style="f
【Open-MMLab入门必读】：全面掌握低版本安装与环境配置技巧（附详细步骤）
在计算机视觉和深度学习领域，Open-MMLab是一个广受欢迎的开源工具集合，它为研究者和开发者提供了一系列模块化、高度可配置的工具箱。本章节将引导读者了解Open-MMLab的起源、核心理念以及它在现代AI应用中的作用。...
【高效调试流程】：Open-MMLab低版本安装后的调试技巧（调试高手）
![【高效调试流程】：Open-MMLab...在开始深入了解Open-MMLab之前，安装是第一步。本章将为您提供一个安装Open-MMLab低版本的快速概览。我们将从识别您当前系统环境开始，然后一步步地引导您完成安装过程，包括设置必要
【实战揭秘】：Open-MMLab低版本组件安装与调试流程（专家级操作指南）
![open-mmlab：mmcv/mmdet/mmdet3d等的低版本安装（一周实测总结）]...Open-MMLab是由一系列开源的计算机视觉研究工具和库组成的集合，由OpenMVG、OpenCV等项目发展而来，其核心是支持深度学习的模块化和可扩展架构。
Python异常 ValueError的问题详解
Free雅轩的博客
04-03 1728
规避方法：int函数参数应该合法使用。int函数使用传送门：Python中的int函数使用。Python只允许对字典key的遍历，因此上面的遍历方式是错误的。方法一：使用dict[key]的方式同时获取value。试图将一个与数字无关的类型转化为整数，会抛出该异常。试图以二进制模式读取文件时指定编码方式。试图遍历字典时同时遍历键和值。方法二：使用items方法。
pycharm “ValueError: GetLogdirSubdirectories: path exists and is not a directory” 解决
qq_41875589的博客
08-15 1601
ValueError: GetLogdirSubdirectories: path exists and is not a directory tensorboard : 无法将“tensorboard”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次...
paddle使用教程和错误汇总
Everyday try to become better -Kobe Bryant
11-25 1852
no attribute ‘get_fetch_list’ 原因：由于paddle升级,1.8版本不回报错，2.0以后需要注明允许静态图操作 解决办法：在程序最开始调用下paddle.enable_static()
mmyolo框架实现在VOC数据集上复现Yolov6教程(详细)
kushe123的博客
06-29 2098
博主还会将训练完的模型打包，放到评论区链接中！！！
Python自动化测试框架开发
2509_93945719的博客
11-26 899
封装requests时踩过坑，最初简单包装成通用方法，后来发现不同模块需要不同的超时策略和重试机制。框架开发过程中最大的体会是：好的设计不是一次性完成的，而是在不断踩坑、重构中迭代出来的。记住，自动化测试的终极目标不是追求100%覆盖率，而是用最小成本快速发现质量问题。最直观的变化是测试周期从原来的3天缩短到8小时，版本发布再也不用全员熬夜了。pytest的夹具机制比unittest灵活太多，特别是parametrize参数化，能轻松实现数据驱动。决定动手搭个统一的测试框架，把乱七八糟的脚本规范起来。
Python Pandas多列合并成一长列(扁平化)
最新发布
视觉算法小趴菜的博客
11-29 368
本文介绍了Pandas中三种数据扁平化方法：melt()按变量名和值两列重组数据，concat()垂直拼接多列，stack()将多列转为单列。测试数据显示melt()保留原列名信息，concat()和stack()仅保留数值。三种方法各有特点，适用于不同的数据扁平化需求。
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1825
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
qt.qpa.xcb: could not connect to display qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "/root/miniconda3/envs/open-mmlab/lib/python3.7/site-packages/cv2/qt/plugins" even though it was found. This application failed to start because no Qt platform plugin could be initialized. Reinstalling the application may fix this problem. Available platform plugins are: xcb. Aborted (core dumped)
05-29
### 解决Qt平台插件'xcb'加载失败的问题 在使用OpenMMLab环境时，如果遇到`qt.qpa.plugin: Could not load the Qt platform plugin "xcb"`错误，通常是因为Qt的平台插件未正确加载或环境中缺少必要的依赖项。以下是解决此问题的详细方法： #### 1. 确保安装了必要的系统库 在Linux系统中，`xcb`插件依赖于某些特定的系统库。如果这些库缺失或版本不兼容，可能会导致插件加载失败。可以通过以下命令安装必要的依赖项： ```bash sudo apt-get update sudo apt-get install -y libgl1-mesa-glx libegl1-mesa libxrandr2 libxrender1 libxext6 libxcb1 libx11-xcb1 ``` 这些库提供了对`xcb`插件的支持，确保其能够正常工作[^4]。 #### 2. 检查Conda环境中的Qt安装 如果Conda环境中安装了多个版本的Qt库，可能会导致冲突。可以尝试卸载通过`pip`安装的`pyqt5`或其他Qt相关包，以避免冲突： ```bash pip uninstall pyqt5 pyqt5-sip PyQtWebEngine ``` 然后重新安装`opencv-python`，以确保其内部使用的Qt版本与系统兼容： ```bash pip install --force-reinstall opencv-python ``` 此外，可以明确指定安装`opencv-python-headless`，这是一个不包含GUI组件的轻量级版本，适合不需要图形界面的场景： ```bash pip install opencv-python-headless ``` #### 3. 配置环境变量 有时，`xcb`插件无法找到正确的路径，可能是因为环境变量未正确设置。可以在启动脚本中添加以下内容，确保Qt能够找到插件目录： ```bash export QT_QPA_PLATFORM_PLUGIN_PATH=/path/to/conda/envs/openmmlab/lib/python3.8/site-packages/cv2/qt/plugins/platforms ``` 将`/path/to/conda/envs/openmmlab`替换为实际的Conda环境路径[^5]。 #### 4. 使用虚拟显示设备（适用于无头服务器） 如果运行在无头服务器（headless server）上，可以使用虚拟显示设备（如Xvfb）来模拟图形界面。首先安装Xvfb： ```bash sudo apt-get install -y xvfb ``` 然后启动虚拟显示设备，并在其中运行程序： ```bash Xvfb :99 -screen 0 1024x768x24 & export DISPLAY=:99 python your_script.py ``` 这将创建一个虚拟的X11显示设备，并允许程序在无头模式下运行[^3]。 #### 5. 调试插件加载问题 如果仍然无法解决问题，可以启用Qt的调试输出，以获取更详细的错误信息： ```bash export QT_DEBUG_PLUGINS=1 python your_script.py ``` 这将输出插件加载过程中的详细日志，帮助定位具体问题[^1]。 --- ### 示例代码：检查Qt插件路径 以下是一个简单的Python脚本，用于检查当前环境中Qt插件的路径： ```python import cv2 import os print("CV2 Qt Plugins Path:", cv2.getBuildInformation()) print("Environment Variable QT_QPA_PLATFORM_PLUGIN_PATH:", os.getenv("QT_QPA_PLATFORM_PLUGIN_PATH")) ``` 运行此脚本可以验证Qt插件路径是否正确配置。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

云朵不吃雨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值