AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

【已解决】ValueError: num_samples should be a positive integer value, but got num_samples=0

2024-05-15 1020 发布于山西
版权
举报
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 【已解决】ValueError: num_samples should be a positive integer value, but got num_samples=0

我这里的问题是linux和windows的路径不一致导致的

看了很多博客，99%的朋友应该是路径问题，就是没有读到数据集，回去检查下路径再来感谢我

验证方法：（帮你GPT）

其实就是一直print，哪里不会哪里print，就会发现错误。

文章标签：
Linux
Windows
程序员行者孙
+关注
102文章
目录
打赏
0
0
0
0
25
分享
相关文章
JOYCE_Leo16
|
并行计算 Docker 容器
Mamba 环境安装：causal-conv1d和mamba-ssm报错解决办法
Mamba 环境安装：causal-conv1d和mamba-ssm报错解决办法
JOYCE_Leo16
4013 0
是Yu欸
|
并行计算 PyTorch Linux
大概率（5重方法）解决RuntimeError: CUDA out of memory. Tried to allocate ... MiB
大概率（5重方法）解决RuntimeError: CUDA out of memory. Tried to allocate ... MiB
是Yu欸
7788 0
Snu77
YOLOv5改进 | Neck篇 | 2024.1最新MFDS-DETR的HS-FPN改进特征融合层（轻量化Neck、全网独家首发）
YOLOv5改进 | Neck篇 | 2024.1最新MFDS-DETR的HS-FPN改进特征融合层（轻量化Neck、全网独家首发）
Snu77
746 4
CodeLeader
|
机器学习/深度学习 人工智能 数据可视化
ShuffleNet:极致轻量化卷积神经网络(分组卷积+通道重排)
我们引入了一个高效计算的CNN结构名字叫做shuffleNet，这个结构被设计用来解决部署算力非常有限的移动设备问题，这个新的结构使用了两个新的操作,pointwise group convolution 和 channel shuffle能够在极大减少计算量的同时保持一定的精度。我们在ImageNet classification和MS COCO目标检测数据集上做实验论证了ShuffleNet和其他的结构相比有着很好的性能。比如,相比于mobilenet，shufflenet在ImageNet 分类任务上有着更低的top-1错误率(错误率是7.8%)需要的计算量为40MFLOPs。在一个AR
CodeLeader
2847 0
ShuffleNet:极致轻量化卷积神经网络(分组卷积+通道重排)
Deephub
|
7月前
|
监控 安全 API
使用PaliGemma2构建多模态目标检测系统：从架构设计到性能优化的技术实践指南
本文详细介绍了PaliGemma2模型的微调流程及其在目标检测任务中的应用。PaliGemma2通过整合SigLIP-So400m视觉编码器与Gemma 2系列语言模型，实现了多模态数据的高效处理。文章涵盖了开发环境构建、数据集预处理、模型初始化与配置、数据加载系统实现、模型微调、推理与评估系统以及性能分析与优化策略等内容。特别强调了计算资源优化、训练过程监控和自动化优化流程的重要性，为机器学习工程师和研究人员提供了系统化的技术方案。
Deephub
433 77
使用PaliGemma2构建多模态目标检测系统：从架构设计到性能优化的技术实践指南
AI小怪兽
|
9月前
|
机器学习/深度学习 人工智能 文字识别
ultralytics YOLO11 全新发布！（原理介绍+代码详见+结构框图）
本文详细介绍YOLO11，包括其全新特性、代码实现及结构框图，并提供如何使用NEU-DET数据集进行训练的指南。YOLO11在前代基础上引入了新功能和改进，如C3k2、C2PSA模块和更轻量级的分类检测头，显著提升了模型的性能和灵活性。文中还对比了YOLO11与YOLOv8的区别，并展示了训练过程和结果的可视化
AI小怪兽
15042 0
北桥苏
|
并行计算 TensorFlow 算法框架/工具
Windows10下CUDA9.0+CUDNN7.0.5的完美安装教程
该文介绍了如何在Windows 10上安装CUDA 9.0和cuDNN 7.0.5以支持Tensorflow-gpu 1.10.0。首先，解释了安装CUDA的原因，然后详细步骤包括：从NVIDIA官网下载CUDA 9.0，选择自定义安装并关闭不必要的组件，检查显卡驱动版本以决定是否安装Display Driver，最后确认安装成功。接着，下载cuDNN需要注册NVIDIA账户，解压后将文件复制到CUDA安装目录。整个过程旨在确保与Tensorflow-gpu 1.10.0的兼容性。
北桥苏
933 2
zzy的aly
|
9月前
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务，包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
zzy的aly
15950 58
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）
1761360321912488
|
11月前
|
机器学习/深度学习 人工智能 数据处理
AI计算机视觉笔记一：YOLOV5疲劳驾驶行为检测
如何使用云服务器AutoDL进行深度学习模型的训练，特别是针对YOLOV5疲劳驾驶行为训练检测
1761360321912488
537 0
愿天堂没有BUG（公众号同名）
|
11月前
|
数据可视化 Ubuntu Linux
PyCharm连接远程服务器配置的全过程
相信很多人都遇见过这种情况：实验室成员使用同一台服务器，每个人拥有自己的独立账号，我们可以使用服务器更好的配置完成实验，毕竟自己哪有money拥有自己的3090呢。 通常服务器系统采用Linux，而我们平常使用频繁的是Windows系统，二者在操作方面存在很大的区别，比如我们实验室的服务器采用Ubuntu系统，创建远程交互任务时可以使用Terminal终端或者VNC桌面化操作，我觉得VNC很麻烦，所以采用Terminal进行实验，但是Terminal操作给我最不好的体验就是无法可视化中间实验结果，而且实验前后的数据上传和下载工作也让我头疼不已。
愿天堂没有BUG（公众号同名）
4795 4
AI助理

你好，我是AI助理

可以解答问题、推荐解决方案等