ValueError: Cannot take the length of shape with unknown rank.

[InkosiZhong]

Readme中表示：To train on your own dataset, just run python train.py --batch_size 32 --dataset train.txt --val_dataset val.txt --epochs 100 --size 320,320 --learning_rate 1e-3

但实际发现仍使用m2nist数据集

查阅源码后，更改m2nist默认值为False，num_channels默认值为3，num_classes默认值为1（只有1类物品需要检测）

进行上述更改后运行报错，ValueError: Cannot take the length of shape with unknown rank.

后修改num_channels默认值为1并使用opencv将3通道数据集转化为灰度数据集仍无法解决

请教是否有其他位置参数需要更改

---

数据集文件结构如下：

-tf2-yolo3-master

-images

-origin #未裁剪缩放至320*320原图

-train #裁剪缩放后3通道图（使用OpenCV处理，图片应为BGR）

-test #裁剪缩放后3通道图（使用OpenCV处理，图片应为BGR）

-train_gray #裁剪缩放后灰度图

-test_gray #裁剪缩放后灰度图

[mcdjt520]

Readme中表示：To train on your own dataset, just run python train.py --batch_size 32 --dataset train.txt --val_dataset val.txt --epochs 100 --size 320,320 --learning_rate 1e-3

但实际发现仍使用m2nist数据集

查阅源码后，更改m2nist默认值为False，num_channels默认值为3，num_classes默认值为1（只有1类物品需要检测）

进行上述更改后运行报错，ValueError: Cannot take the length of shape with unknown rank.

后修改num_channels默认值为1并使用opencv将3通道数据集转化为灰度数据集仍无法解决

请教是否有其他位置参数需要更改

数据集文件结构如下：

-tf2-yolo3-master

-images

-origin #未裁剪缩放至320*320原图

-train #裁剪缩放后3通道图（使用OpenCV处理，图片应为BGR）

-test #裁剪缩放后3通道图（使用OpenCV处理，图片应为BGR）

-train_gray #裁剪缩放后灰度图

-test_gray #裁剪缩放后灰度图 tf.dataset无法推断shape导致错误 使用tensorflow.keras的时候，tf.dataset在执行model.fit的时候报错：

ValueError: Cannot take the length of shape with unknown rank. 这里大概率是因为tf.dataset中使用了tf.py_function导致无法自动推导出张 良的形状，所以需要自己手动设置形状。

解决方案 这里一定要使用tensorflow 1.x版本，2.0中我也没找到解决方案😓,使用tf.contrib.data.assert_element_shape 函数直接指定形状即可。