【无标题】onnx推理出错

最新推荐文章于 2025-08-07 09:43:36 发布
最新推荐文章于 2025-08-07 09:43:36 发布
阅读量228 收藏
点赞数 2
CC 4.0 BY-SA版权
文章标签： pytorch opencv 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_63828426/article/details/145930085

cv2.error: OpenCV(4.10.0) D:\a\opencv-python\opencv-python\opencv\modules\dnn\src\layers\reshape_layer.cpp:109: error: (-215:Assertion failed) total(srcShape, srcRange.start, srcRange.end) == maskTotal in function 'cv::dnn::computeShapeByReshapeMask'

检查过

blob = cv2.dnn.blobFromImage(image, scalefactor=1 / 255, size=(self.train_size,self.train_size), swapRB=True).astype(np.float32)

没有错误

解决方法：

训练时batch_size设为1

晨阳流苏
关注
AI原生应用架构设计：最佳实践与模式
AI天才研究院
07-07 887
AI原生应用并非“传统应用+AI模块”的简单叠加，而是从需求定义到运营的全生命周期中，以AI（尤其是机器学习/深度学习）为核心逻辑的系统。数据驱动：数据是系统的“燃料”，而非辅助输入；模型闭环：模型的输出通过反馈机制持续优化自身（如特斯拉FSD的“车端数据→云端训练→车端更新”）；自主决策：无需人工规则干预，模型直接生成决策（如ChatGPT的对话生成）；持续进化：通过增量学习适应环境变化（如推荐系统的实时更新）。对比传统应用维度传统应用AI原生应用核心逻辑规则/流程驱动数据/模型驱动。
AI系统可扩展性设计避坑指南：我踩过的12个坑及解决方案
AI天才研究院
08-01 307
数据管道的 scalability 直接决定了系统的效率。提前用分布式、异步、GPU加速的方案，避免“数据等模型”的尴尬。模型的大小和延迟是部署的关键。优先选择轻量级模型，或者用压缩技术优化大模型，避免“模型无法部署”的问题。计算资源的潮汐效应会导致资源浪费或过载。用弹性计算、任务调度、资源共享，优化资源使用，降低成本。状态ful服务的扩展需要将状态存储到分布式存储中，或者用无状态服务设计，避免状态依赖。监控是系统 scalability 的“眼睛”。全面监控各个层面的指标。
yolov5转成onnx报错：error: (-215:Assertion failed) blob_0.size == blob_1.size in function ‘parseBias‘
Oh_Python的博客
04-09 638
将yolov5训练获得的pt转换成onnx，然后使用opencv的。
onnx转模型时遇到错误onnx.onnx_cpp2py_export.checker.ValidationError的解决思路
滑了丝的螺丝钉
07-24 1611
onnx.onnx_cpp2py_export.checker.ValidationError: 图中的节点必须按拓扑排序，但是节点的输入“905”：名称：Conv_272 OpType：Conv 不是任何先前节点的输出。错误的原因是在模型检查时发现有些节点的输入在前，输出在后，比如在节点的output ‘905’ 之前就出现了input ‘905’，这肯定是不符合onnx模型格式的；将打印结果保存下来分析后发现input “905”出现的确实比output “905”要早，问题就出现在这；
【已解决】Dynaslam运行10余帧后报错Assertion failed (a_size.width == len) in gemm解决方法
qq_53736794的博客
06-18 147
摘要： 该问题由于深度因子名称不匹配导致深度值单位转换异常。解决方法是在tracking.cc构造函数中，将深度因子变量名改为与YAML配置文件一致（如TUM3.yaml中的RGBD.DepthMapFactor）。调试发现原代码未正确读取深度因子，导致深度图未按比例缩放，引发后续矩阵运算维度错误。修正后，系统成功运行并输出正确结果。 （字数：150）
python assertionerror怎么解决,python 错误处理 assert详解
热门推荐
weixin_39658966的博客
03-25 6万+
assert是断言的意思，解释为：我断定这个程序执行之后或者之前会有这样的结果，如果不是，那就扔出一个错误。语法：assert expression [, arguments]assert 表达式 [, 参数]举例：def foo(s):n = int(s)assert n != 0, 'n is zero!'return 10 / ndef main():foo('0')>Tracebac...
error: (-215:Assertion failed)的两种解决方案
yin20020606的博客
10-10 2万+
捣鼓了半天的assertion error！菜鸟纯经验分享
error: (-215:Assertion failed) !_src.empty() in function ‘cv::cvtColor‘ 错误分析
qq_58611650的博客
10-14 4178
error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor' 错误分析
创新玩法！AI应用架构师的AI模型量化部署新方式
AI 算法实战派
08-01 701
训练好的FP32模型太大（比如ResNet50有100MB+），部署到边缘设备或云服务器时占用过多内存？推理速度太慢（比如实时目标检测需要100ms/帧），无法满足低延迟要求？传统量化方法（如QAT）需要重新训练，PTQ需要手动调参，流程繁琐且容易出错？本文将介绍一种创新的量化部署新方式：结合ONNX Runtime的自动化PTQ（Post-training Quantization）工具与TensorRT的高性能INT8推理引擎，实现从FP32模型到轻量级INT8模型的一键优化。
【通义千问】大模型Qwen GitHub开源工程学习笔记（2）--使用Qwen进行推理的示例代码解析，及transformers的使用
weixin_46481662的博客
09-29 3329
在这里，使用了`【GenerationConfig.from_pretrained("Qwen/Qwen-7B-Chat", trust_remote_code=True)】`方法，从预训练模型"Qwen/Qwen-7B-Chat"中加载生成配置。在这个代码中，因为我的是3070显卡，因此使用BF16精度，并且通过eval()方法将模型设置为评估模式。注释中提到的"Qwen/Qwen-7B-Chat"和"Qwen/Qwen-14B-Chat"是可选的模型，这意味着你可以根据需求选择不同的预训练模型。
AI编程未来趋势下，AI应用架构师需要避免的5个致命误区
最新发布
AI天才研究院
08-07 347
某公司的肺癌筛查AI，在测试集上的准确率达到95%，但上线后却把「肺炎」误诊为「肺癌」——原因是测试集中没有「肺炎伴胸腔积液」的样本，模型泛化误差导致错误。AI编程的未来，不是「用AI写代码」，而是「用AI重新设计系统」。AI应用架构师的核心挑战，不是「掌握更多技术」，而是「打破传统思维的惯性」——从「设计静态、确定性的系统」，到「设计动态、自适应、负责任的AI生态」。「人在回路」的核心是**「分层授权+可解释性+反馈机制」**，让人类在「关键决策」中发挥作用，同时让系统在「常规决策」中自治。
error: (-215:Assertion failed) !_src.empty() in function ‘cv::cvtColor‘
knighthood2001
08-26 876
遇到这个问题，首先，好好检查一下你的文件路径是否设置正确。实在不行，相对路径改成绝对路径，然后不要有中文。opencv中，路径包含中文，可能会报错。然后检查一下文件后缀是否一致。
使用C++ OpenCV加载YOLOV7模型报错：error:(-215:Assertion failed)
qq_45091388的博客
05-06 1648
在报各种OpenCV的错误时，如果差不到资料，就使用nerton模块查看一下自己的ONNX模型导出是否出现问题。如果发现没问题，在Python中的CV2的DNN模块测一下模型。如果可以运行但是C++的OpenCV加载报错，大概率是网络出现一些识别不了的操作了。还有一件事，OpenCV做ONNX推理的时候是不支持动态输入的，一定不要动态导出。
【深度Debug】OpenCV自定义层Unspecified error: Can‘t create layer、Assertion failed) inputs.size() == required
CC&UU的博客
05-24 820
深度Debug、模型执行全过程，OpenCV自定义层Unspecified error: Can't create layer、Assertion failed) inputs.size() == required
cv2error: (-215:Assertion failed)
weixin_45808526的博客
03-04 584
需要检查路径 文件名 格式。
成功解决error: (-215:Assertion failed) src_depth != CV_16F && src_depth != CV_32S in function ‘conve
创作高质量博文，分享知识，共同进步！
11-28 2135
成功解决error: (-215:Assertion failed) src_depth != CV_16F && src_depth != CV_32S in function ‘conve
遇到：(-215:Assertion failed) !_src.empty() in function ‘cv::cvtColor‘ 错误应该如何解决
牛肉胡辣汤
08-05 1万+
​ 函数将彩色图像转换为灰度图像，并将结果显示出来。_src.empty() in function 'cv::cvtColor'" 错误，请根据前面提到的方法进行排查和解决。_src.empty() in function 'cv::cvtColor'" 错误通常表示在使用OpenCV中的颜色转换函数 ​。​​ 替换为你自己的彩色图像路径。​ 时，输入图像为空。请确保已经正确安装了OpenCV，并将示例代码中的 ​。以下是一个简单的示例代码，演示了如何使用 ​。​​ 函数读取彩色图像，然后使用 ​。
onnx推理框架
04-01
### ONNX推理框架简介 ONNX（Open Neural Network Exchange）是一种开放式的神经网络交换格式，旨在实现不同深度学习框架之间的互操作性。通过将模型转换为ONNX格式，可以轻松地在多个平台上进行推理或部署[^1]。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值