calmiLovesAI

> If you like, you can use the training pipeline. Thanks for your reply! 如果我直接在函数`_get_multi_scale_size`里面把resize代码修改成宽高resize到固定长度，对最后的验证准确度有影响吗？

我把data_cfg修改成了： ``` data_cfg = dict( image_size=[384, 512], base_size=256, base_sigma=2, heatmap_size=[96, 128], num_joints=channel_cfg['dataset_joints'], dataset_channel=channel_cfg['dataset_channel'], inference_channel=channel_cfg['inference_channel'], num_scales=1, scale_aware_sigma=False, ) ``` 然后训练的时候报错： ``` Traceback (most recent call last): File "tools/train.py", line 203, in...

> 这里的 `image_size=512` 指的是输入网络的图片大小，如果你的输入图片不是 512 x 512 的，在数据预处理的时候会 resize 到 512 x 512，因此无需在 config 文件中指定 `image_size=[384, 512]` 这个我知道，我就想问一下能不能将输入图片宽高指定为不一样的，目前来看还是会报错的

嗯嗯，我没有用yolov3作者提供的预训练权重，因为原来的权重是darknet的，需要转换，这个过程我不熟悉。

这个应该是你的测试图片路径问题

Fixed. Thanks!

png格式可以用tf.io.decode_image解码

The role of ignore_mask is to ignore some negative samples when calculating the confidence loss.

tf.image.resize_with_pad()这个函数就像readme中两张图片所展示的那样，是将一张图片resize为指定的大小，同时保持长宽比不变，这样就需要在图片周围加上黑边，也就是你说的很多0

我记得我当时写的时候是可以正常转换和加载的，大概在19年12月份，可能与tf版本更新有关？