TensorBoard可视化之不显示数据问题( No Image data was found)

 

Tensorboard 虽然是 tensorflow 内置的可视化工具,但是他们跑在不同的进程中,所以 可以将 tensorboard 应用到 Pytorch 中,可以帮助我们理解整个神经网络的学习过程、数据的分布、性能瓶颈等等。

那 Tensorboard 这么好用,咱肯定要试试看,但安装完成后 打开 cmd 终端,输入 tensorboard --logdir logs 命令启动,复制 http://localhost:6006/ 在浏览器中打开即可看到Web页面,但是却显示 No Image data was found (如下图):

 

 

折腾了好久,才将这个问题解决掉,现将其总结如下:

(1)、查看 logs 的文件夹的地址;E:\Jupyter_Notebook Project\PyTorch basic

             以我为例:E:\Jupyter_Notebook Project\PyTorch basic

 

(2)、修改 cmd 的默认位置,即:

cd /d E:\Jupyter_Notebook Project\PyTorch basic

 

(3)、输入 Tensorboard 启动命令;

tensorboard --logdir=logs

 

(4)、将 http://localhost:6006/ 复制到 Google 浏览器打开就能看到数据。

 

Traceback (most recent call last): File "E:\模型改进\ultralytics\data\base.py", line 119, in get_img_files assert im_files, f"{self.prefix}No images found in {img_path}. {FORMATS_HELP_MSG}" AssertionError: val: No images found in E:\jinfu-Image partition -model\dataset\images\val. Supported formats are: images: {'png', 'webp', 'jpg', 'bmp', 'pfm', 'mpo', 'tif', 'tiff', 'dng', 'jpeg'} videos: {'mov', 'avi', 'mpg', 'wmv', 'm4v', 'mp4', 'ts', 'webm', 'mkv', 'gif', 'mpeg', 'asf'} The above exception was the direct cause of the following exception: Traceback (most recent call last): File "E:\模型改进\train.py", line 13, in <module> model.train(data=r'E:\模型改进\ultralytics\cfg\datasets\mydata.yaml', epochs=500, File "E:\模型改进\ultralytics\engine\model.py", line 652, in train self.trainer.train() File "E:\模型改进\ultralytics\engine\trainer.py", line 205, in train self._do_train(world_size) File "E:\模型改进\ultralytics\engine\trainer.py", line 324, in _do_train self._setup_train(world_size) File "E:\模型改进\ultralytics\engine\trainer.py", line 291, in _setup_train self.test_loader = self.get_dataloader( File "E:\模型改进\ultralytics\models\yolo\detect\train.py", line 50, in get_dataloader dataset = self.build_dataset(dataset_path, mode, batch_size) File "E:\模型改进\ultralytics\models\yolo\detect\train.py", line 44, in build_dataset return build_yolo_dataset(self.args, img_path, batch, self.data, mode=mode, rect=mode == "val", stride=gs) File "E:\模型改进\ultralytics\data\build.py", line 88, in build_yolo_dataset return dataset( File "E:\模型改进\ultralytics\data\dataset.py", line 66, in __init__ super().__init__(*args, **kwargs) File "E:\模型改进\ultralytics\data\base.py", line 74, in __init__ self.im_files = self.get_img_files(self.img_path) File "E:\模型改进\ultralytics\data\base.py", line 121, in get_img_files raise FileNotFoundError(f"{self.prefix}Error loading data from {img_path}\n{HELP_URL}") from e FileNotFoundError: val: Error loading data from E:\jinfu-Image partition -model\dataset\images\val See https://docs.ultralytics.com/datasets for dataset formatting guidance.
03-25
从错误信息来看,您的程序在加载数据集的过程中未能找到有效的图片文件,因此抛出了 `AssertionError` 和后续的 `FileNotFoundError`。 ### 问题分析: 1. **路径问题**:系统尝试从指定目录 (`E:\jinfu-Image partition -model\dataset\images\val`) 加载图像文件,但是并未发现任何符合支持格式(如 `.png`, `.jpg`, `.webp` 等等)的有效文件。 2. **验证模式下的空数据集**:由于是在 `"val"` 验证阶段发生此问题,说明用于验证的数据集中可能没有任何有效图片或者其存储结构有问题。 --- ### 解决方案: #### 方法一:检查数据集路径及内容 请仔细核对配置文件(这里是 mydata.yaml),特别是其中定义训练、验证图片所在位置的部分。例如: ```yaml train: E:/jinfu-Image partition -model/dataset/images/train/ val: E:/jinfu-Image partition -model/dataset/images/val/ nc: 2 # 类别数 names: ['class1', 'class2'] # 类名列表 ``` 确保每一部分对应的路径存在并且包含有实际的图片文件。 #### 方法二:校验图像文件的存在性和格式 进入上述提到的目标文件夹 `E:\jinfu-Image partition -model\dataset\images\val` ,手动浏览里面是否有可视化的图片资源;同时注意这些图片命名应含有特殊字符以免引发读取异常。 此外也要保证所有提供的都是受支持类型的文件(如上文所示)。如果有兼容格式的话建议转换成普遍接受的标准像 JPG/PNG 格式即可。 #### 方法三:重新组织标注文件和图像关联规则 某些时候仅需要正确的图像集合还需要配合适当标签描述文本一同提交给算法模型了解类别分布情况。按照 UltraLytics 文档指示整理好相应 JSON/XML/TXT 等形式的关键点坐标体系才能顺利完成整个流程操作。 --- ### 相关链接补充 更多关于构建标准YOLOV8所需资料集的信息可参考官方指导页面: [https://docs.ultralytics.com/datasets](https://docs.ultralytics.com/datasets)
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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