训练完后运行predict.py时在load_weights()时出错

[xiao-an-qi]

训练自己的数据，完后进行预测时在load_weights()时shape不对，ValueError: Layer #32 (named "conv4_3_norm_mbox_conf"), weight <tf.Variable 'conv4_3_norm_mbox_conf/kernel:0' shape=(3, 3, 512, 8) dtype=float32_ref> has shape (3, 3, 512, 8), but the saved weight has shape (4, 512, 3, 3)，我的keras是2.3.1，K.image_data_format的问题我在训练前就改过来了，请问是什么原因呢？

[xiao-an-qi]

我看了下，训练的时候传入的NUM_CLASSES是class，但是predict中却是class+1, 我把predict中的也改为class后可以正常load_weights，但是检测出来没有框，阈值设置为0.1都没有，请问何解？

[bubbliiiing]

训练的时候传入进去的num_classes应该是分类数量+1

[xiao-an-qi]

是一开始就是NUM_CLASSES=class + 1还是说只是模型构建的时候+1，前面的BBoxUtility传入的也需要+1吗？

[xiao-an-qi]

一开始的就+1，可以出结果了，多谢！

[bubbliiiing]

嗯

[world2025]

@bubbliiiing 博主你好，请问这个predict.py文件是没写全吗？还有就是ssd.detect_image(image)是再项目中吗？谢谢

[world2025]

@Andy457 你好，你是运行predict.py文件去测试的吗？

[bubbliiiing]

你要不看看视频把

@Andy457 你好，你是运行predict.py文件去测试的吗？

[kongjing-bot]

训练自己的数据，完后进行预测时在load_weights()时shape不对，ValueError: Layer #32 (named "conv4_3_norm_mbox_conf"), weight <tf.Variable 'conv4_3_norm_mbox_conf/kernel:0' shape=(3, 3, 512, 8) dtype=float32_ref> has shape (3, 3, 512, 8), but the saved weight has shape (84, 512, 3, 3)，，请问是什么原因呢？输入是class+1，没问题

[bubbliiiing]

训练自己的数据，完后进行预测时在load_weights()时shape不对，ValueError: Layer #32 (named "conv4_3_norm_mbox_conf"), weight <tf.Variable 'conv4_3_norm_mbox_conf/kernel:0' shape=(3, 3, 512, 8) dtype=float32_ref> has shape (3, 3, 512, 8), but the saved weight has shape (84, 512, 3, 3)，，请问是什么原因呢？输入是class+1，没问题

classes path没改

[kongjing-bot]

路径都改了，找不到问题

[bubbliiiing]

那就是训练的时候没改

[kongjing-bot]

那我重新训练试试

[kongjing-bot]

博主救救救，重新训练了还是不行，而且ssd和rfb都是一样的问题

[bubbliiiing]

你总有一个没改！！= = classes_path