后面只有8张图片的这个可以跑。model的classes您先别改哈，可能还要改其他。先跑通，后面再改。from functools import partial

from modelscope.metainfo import Trainers
from modelscope.msdatasets import MsDataset
from modelscope.trainers import build_trainer
from modelscope.utils.config import Config, ConfigDict
from modelscope.utils.hub import read_config
from modelscope.msdatasets.dataset_cls import ExternalDataset

WORKSPACE = './work_dir'
model_id = 'damo/cv_swin-b_image-instance-segmentation_coco'

samples_per_gpu = read_config(model_id).train.dataloader.batch_size_per_gpu

train_dataset = MsDataset.load('tigerbrother/xxx',split='train')

eval_dataset = MsDataset.load('tigerbrother/xxx', split='validation')

train_config_kwargs={
'ann_file': 'Annotations/train.json',
'img_prefix': 'Images',
'folder_name': 'chair_sofa',
'classes': ['chair', 'sofa'],
'split_config':'/swift/ms_issue/swin_seg/dataset_files'
}
val_config_kwargs={
'ann_file': 'Annotations/train.json',
'img_prefix': 'Images',
'folder_name': 'chair_sofa',
'classes': ['chair', 'sofa'],
'test_mode':True,
'split_config':'/swift/ms_issue/swin_seg/dataset_files'
}
train_split_path_dict={'train':'/swift/ms_issue/swin_seg/dataset_files'}
val_split_path_dict={'validation':'/swift/ms_issue/swin_seg/dataset_files'}
train_dataset=ExternalDataset(split_path_dict=train_split_path_dict, config_kwargs=train_config_kwargs)
train_dataset=MsDataset.to_ms_dataset(train_dataset)
val_dataset=ExternalDataset(split_path_dict=val_split_path_dict, config_kwargs=val_config_kwargs)
val_dataset=MsDataset.to_ms_dataset(val_dataset)

max_epochs = 1

from mmcv.parallel import collate

kwargs = dict(
model=model_id,
data_collator=partial(collate, samples_per_gpu=samples_per_gpu),
train_dataset=train_dataset,
eval_dataset=val_dataset,
work_dir=WORKSPACE,
max_epochs=max_epochs)

trainer = build_trainer(
name=Trainers.image_instance_segmentation, default_args=kwargs)

print('===============================================================')
print('pre-trained model loaded, training started:')
print('===============================================================')

trainer.train()

print('===============================================================')
print('train success.')
print('===============================================================')

for i in range(max_epochs):
evalresults = trainer.evaluate(f'{WORKSPACE}/epoch{i+1}.pth')
print(f'epoch {i} evaluation result:')
print(eval_results)

print('===============================================================')
print('evaluate success')
print('===============================================================')

处理图片名后缀

import glob

import os

img_dir='./ms_issue/swin_seg/dataset_files/Images'

file_name_list=glob.glob('./ms_issue/swin_seg/dataset_files/Images/*')

for f_name in file_name_list:

base_name=f_name.split('/')[-1]

if base_name.endswith('.png') or base_name.endswith('.jpg.thumb.jpg') or base_name.endswith('.jpeg'):

print(base_name.split('.')[0]+'.jpg')

# os.rename(src=os.path.join(img_dir,base_name), dst=os.path.join(img_dir,base_name.split('.')[0]+'.jpg'))，此回答整理自钉群“魔搭ModelScope开发者联盟群 ①”

，问题可能是由以下几个方面导致的：

1. 环境变量问题：请检查您的环境变量是否正确设置了 Python 的路径。确保在您的系统环境变量中添加了 Python 的安装路径。
2. Python 版本问题：请检查您当前使用的 Python 版本是否与 ModelScope 支持的版本相匹配。ModelScope 建议使用 Python 3.7 或更高版本。您可以尝试更新 Python 版本或使用虚拟环境来解决兼容性问题。
3. 缺少依赖库：请检查您的系统中是否缺少 ModelScope 所需的依赖库。您可以通过安装 pip 包来解决这个问题。在安装 ModelScope 之前，您可以尝试运行以下命令来安装所需的依赖库：

pip install -r requirements.txt
CopyCopy

1. 检查 ModelScope 的版本：您可能需要检查您下载的 ModelScope 版本是否与您的系统兼容。您可以尝试更新 ModelScope 或使用与您的系统兼容的版本。
2. 代码编辑器或 IDE 问题：您可能需要检查您使用的代码编辑器或 IDE 是否正确配置。如果您在使用 Visual Studio 或 Visual Studio Code，请确保已正确安装 Python 扩展。
   建议您尝试以上建议，逐一排除问题