sh2

原因是标签(Label)的长度比序列(Sequence)长度要大了。可以在报错函数中设置参数 `ignore_longer_outputs_than_inputs=True`， 之后这类数据的损失会自动返回0，报错也就消失了。你是在训练哪个模型的时候遇到的错误？CRNN还是EAST？

影响不大

好的，找的问题就好

损失函数应该不存在问题，降低batch_size试试。

参数还是源码中的没有更改。你可能训练的数据集不对，请确保是卡号的数据集而不是银行卡的。

多谢反馈，crnn部分代码已做更新，参照readme的crnn训练方法训练即可

> > 多谢反馈，crnn部分代码已做更新，参照readme的crnn训练方法训练即可 > > 1 新版本代码跟预训练模型不匹配，模型没有更新，要运行demo需要把cfg中的numclass 改为10才行 > 2 训练代码跑了一晚上，增强系数30，到38个epochs，loss 18左右，val_loss貌似还是不降，30几，然后val_acc一直为0 反馈问题已提交commit，更新代码。 1. 新版本模型比原来的新增了空格识别，也就是NUM_CLASSES+1了. 2. 新版本模型**不要**在原来模型基础上训练，可尝试从头训练或在README crnn部分下载预训练网络 3. 新版本模型可以尝试增大aug_nbr、降低batch_size、增大验证集(validation_ratio)来提升训练性能

1. 老版本并不能识别卡号中的空格（也就是`_`），在预处理部分将它去除掉了，所以`num_classes=10+1` 并没有问题，而新版支持，故为`12` 2. 不会出现末尾未满26位填充` _` 的情况，数字中间有空白区域会。你可以拿预训练网络实验一下，除了最后几位因训练不足因素没有识别出，其它表现还算乐观 3. 老版的模型本身并没有太大问题，而是我在数据预处理时的失误。也感谢你问题的提出。

在 `crnn/run.py` 中，`CBC.train()` 的 `src_dir` 参数传入的可能不正确

可以参考这个：https://www.cnblogs.com/lillylin/p/9954981.html