Stylegan2-ada tfrecords - ValueError：轴与数组不匹配，图像将在一次运行中起作用，而在下一次不起作用

问题描述

我正在通过 Google Colab 使用我从 Wikiart 中抓取并转换为 1024x1024 的照片数据集训练 GAN，但在创建 tfrecords 时不断收到此错误：

Traceback (most recent call last):
  File "dataset_tool.py",line 1249,in <module>
    execute_cmdline(sys.argv)
  File "dataset_tool.py",line 1244,in execute_cmdline
    func(**vars(args))
  File "dataset_tool.py",line 714,in create_from_images
    img = img.transpose([2,1]) # HWC => CHW
ValueError: axes don't match array

我将它设置为打印出它会停顿的文件，并开始将这些文件从数据集中取出；但它的停顿似乎完全是随机的。它会在一次运行中完美地迭代一个文件，然后在从数据集中取出一些其他麻烦的照片后，在下一次运行时失败。

我不确定不断删除停滞不前的照片的过程是否会结束/给我留下一个有意义的数据集，我应该尝试修复它吗？

解决方法

想出了解决方案，结果我抓取的一些图像是灰度的。为了解决这个问题，我使用了 imagemagick（也用于将照片大小调整为 1024x1024）来检查色彩空间。我将终端指向图像文件夹并运行：

magick identify *.jpg

从这里开始，我按 ctrl+f' 来查看哪些标记为“灰色”而不是“sRGB”。将这些从数据集中取出后，它就像一个魅力。

,

不久前我遇到了这个问题，在花了比我愿意承认的时间更长的时间来承认从源集中寻找和提取数据之后，我发现了你的问题。我什至做了 ImageMagick 搜索来清除数据集中的灰度图像，但在我的情况下问题仍然存在。

我什至将我的数据集导出到我们的其中一台 Mac，以便使用预览来批量编辑颜色和分辨率并导出新的、统一的 jpeg。还是没修好。这是我想出的解决方案。 （更新运行时工作区中的 dataset_tool.py）

def create_from_images(tfrecord_dir,image_dir,shuffle):
    print('Loading images from "%s"' % image_dir)
    image_filenames = sorted(glob.glob(os.path.join(image_dir,'*')))
    if len(image_filenames) == 0:
        error('No input images found')

    img = np.asarray(PIL.Image.open(image_filenames[0]))
    resolution = img.shape[0]
    channels = img.shape[2] if img.ndim == 3 else 1
    if img.shape[1] != resolution:
        error('Input images must have the same width and height')
    if resolution != 2 ** int(np.floor(np.log2(resolution))):
        error('Input image resolution must be a power-of-two')
    if channels not in [1,3]:
        error('Input images must be stored as RGB or grayscale')

    with TFRecordExporter(tfrecord_dir,len(image_filenames)) as tfr:
        order = tfr.choose_shuffled_order() if shuffle else np.arange(len(image_filenames))
        for idx in range(order.size):
            pil_img = PIL.Image.open(image_filenames[order[idx]])
            pil_img = pil_img.convert("RGB")
            img = np.asarray(pil_img)
            #print('\nimg: "%s" (%d)' % (image_filenames[order[idx]],channels))
            if channels == 1:
                img = img[np.newaxis,:,:] # HW => CHW
            else:
                img = img.transpose([2,1]) # HWC => CHW
            tfr.add_image(img)

不管怎样，基本上都是用PIL把图片转成RGB。
它确实会稍微减慢准备过程，但如果您的训练数据来自不同来源，则很方便。