我收到此错误：logits 和标签必须具有相同的第一个维度，在尝试训练我使用 tensorflow 的 SimpleRNN 层创建的聊天机器人时，logits 形状为 [3,21]，标签形状为 [15]

当我尝试训练我使用 tensorflow 提供的 SimpleRNN 层创建的聊天机器人时，我得到了这个错误：logits 和标签必须具有相同的第一个维度，logits 形状为 [3,21]，标签形状为 [15]。我已确保使用填充和适当的标记化来使输入具有相同的大小，但我仍然收到此错误。我的代码如下。

import tensorflow as tf
import numpy as np
import json

# Step 1: Prepare the Data
questions = ["What is your name?", "How are you?", "What is the time?"]
answers = ["My name is ChatBot.", "I am fine, thank you.", "I do not have a watch."]

with open('q.txt', 'w') as q_file, open('a.txt', 'w') as a_file:
    for q, a in zip(questions, answers):
        q_file.write(q + '\n')
        a_file.write(a + '\n')

# Step 2: Preprocess the Data
with open('q.txt', 'r') as q_file:
    questions = q_file.readlines()
with open('a.txt', 'r') as a_file:
    answers = a_file.readlines()

tokenizer = tf.keras.preprocessing.text.Tokenizer()
tokenizer.fit_on_texts(questions + answers)

q_sequences = tokenizer.texts_to_sequences(questions)
a_sequences = tokenizer.texts_to_sequences(answers)

q_sequences = tf.keras.preprocessing.sequence.pad_sequences(q_sequences, padding='post')
a_sequences = tf.keras.preprocessing.sequence.pad_sequences(a_sequences, padding='post')

q_sequences = np.array(q_sequences)
a_sequences = np.array(a_sequences)

# Step 3: Build the Model
model = tf.keras.Sequential([
    tf.keras.layers.Embedding(input_dim=len(tokenizer.word_index) + 1, output_dim=64, input_length=q_sequences.shape[1]),
    tf.keras.layers.SimpleRNN(64, return_sequences=True),
    tf.keras.layers.SimpleRNN(64),
    tf.keras.layers.Dense(len(tokenizer.word_index) + 1, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.summary()

# Step 4: Train the Model
# Adjust labels to match the model's output
# Since we are predicting the next token, slice answers accordingly
model.fit(q_sequences, a_sequences[:, 1:], epochs=10)

# Step 5: Save the Weights and Biases
model.save('chatbot_model.h5')

weights_and_biases = {}
for layer in model.layers:
    if isinstance(layer, tf.keras.layers.SimpleRNN) or isinstance(layer, tf.keras.layers.Dense):
        weights_and_biases[layer.name] = {
            'weights': layer.get_weights()[0].tolist(),
            'biases': layer.get_weights()[1].tolist()
        }

with open('weights_and_biases.json', 'w') as json_file:
    json.dump(weights_and_biases, json_file)

# Step 6: Custom Feedforward Function
def custom_feedforward(input_sequence, weights_and_biases):
    def relu(x):
        return np.maximum(0, x)

    def softmax(x):
        e_x = np.exp(x - np.max(x))
        return e_x / e_x.sum(axis=-1, keepdims=True)

    w_rnn1 = np.array(weights_and_biases['simple_rnn']['weights'])
    b_rnn1 = np.array(weights_and_biases['simple_rnn']['biases'])

    hidden_state = np.zeros((w_rnn1.shape[1],))
    for t in range(input_sequence.shape[0]):
        hidden_state = relu(np.dot(input_sequence[t], w_rnn1) + b_rnn1 + np.dot(hidden_state, w_rnn1.T))

    w_dense = np.array(weights_and_biases['dense']['weights'])
    b_dense = np.array(weights_and_biases['dense']['biases'])

    output = softmax(np.dot(hidden_state, w_dense) + b_dense)
    
    return output

# Example usage of the custom feedforward function
input_sequence = q_sequences[0]
output = custom_feedforward(input_sequence, weights_and_biases)
print(output)

model.fit 行发生错误。

我原本希望该程序能够正确地完成 20 个 epoch 的训练，并且不会出现任何大小错误。谢谢您的帮助！

错误是不言而喻的：您传递了两个数组，其中第一个数组的第一个维的长度（3）与第二个数组的第一个维的长度（15）不同。您是否尝试过连接调试器并在有问题的行上放置断点？

按照该文章操作后，我收到此错误：ValueError：形状（None，5）和（None，21）不兼容。

我目前正在使用 YOLOv8 进行自定义对象检测项目，并已成功在自定义数据集上训练我的模型。但是，我在尝试裁剪细节时遇到了问题...

我目前正在使用 YOLOv8 进行自定义对象检测项目，并已成功在自定义数据集上训练我的模型。但是，当我尝试使用 YOLOv8 生成的边界框从图像中裁剪检测到的对象并将其保存到指定文件夹中时，我遇到了问题。

使用 Ultralytics 库中提供的预测代码时，该模型在绘制边界框方面​​表现良好：

from ultralytics import YOLO

model = YOLO('/path/to/best.pt')
source = '/path/to/image.jpg'

# Run inference on the source
results = model.predict(source, show=True, save=True)

输出

（ https://i.sstatic.net/BHNcpwZz.jpg )

但是，当我尝试使用以下代码裁剪检测到的对象时：

from ultralytics import YOLO
import cv2
import os

model = YOLO('/path/to/best.pt') 
source = '/path/to/image.jpg'
img = cv2.imread(source)

# Directly use `img` for the prediction to ensure alignment
results = model.predict(img)

if results[0].boxes is not None:
    for i, box in enumerate(results[0].boxes.xyxy):
        x1, y1, x2, y2 = map(int, box[:4])
        crop_img = img[y1:y2, x1:x2]
    
        save_dir = 'cropped_images'
        os.makedirs(save_dir, exist_ok=True)
        
        cv2.imwrite(os.path.join(save_dir, f'crop_{i}.jpg'), crop_img)
        print(f'crop_{i}.jpg saved successfully!')
else:
    print("No objects detected.")

尽管在上一个代码片段中成功检测，但输出始终显示“未检测到任何对象”。我已经使用验证集验证了模型的准确性，并取得了令人满意的结果。

有人能提供一些见解或建议，说明如何在自定义对象检测项目中使用 YOLOv8 生成的边界框成功从图像中裁剪对象吗？尽管检测成功，但在尝试裁剪并将检测到的对象保存到指定文件夹中时，我遇到了问题。

您知道 img 是 BGR 格式的，因为它是由 cv2 读取的，所以它不是 RGB 格式的。我想这就是您的问题

我用自己的模型和图像尝试了您的代码，结果一切正常。您能将您的模型和图像上传到某个地方让我看看能否解决您的问题吗？