关于吴恩达车辆识别代码出错的问题

1、ValueError: bad marshal data (unknown type code)

原因：从他那里网上下载的h5文件不可用，需要自己重新生成

注：加载yolo.h5出问题时，主要重新生成yolo.h5替换原有的yolo.h5


yolo.h5生成：


1、下载yad2k:
    git clone https://github.com/allanzelener/yad2k.git
2、下载 yolo.weights和yolo.cfg放到yad2k文件夹下：
    yolo.cfg——》git clone https://github.com/pjreddie/darknet，然后打开darknet/cfg/yolov2.cfg，修改参数，将width和height都修改为608，最后复制到目录yad2k下
    weights文件——》进入网站https://pjreddie.com/darknet/yolov2/ ，找到here(258MB),点击下载，下载完毕之后将weight文件拷贝到目录yad2k下
3、cd yad2k
4、转换为模型h5：
    python ./yad2k.py yolov2.cfg yolov2.weights model_data/yolo.h5
5、在本地yad2k\model_data文件夹下找到yolo.h5，拷贝到作业model_data文件夹中即可

 

2、上述步骤在走到第四部时，遇到问题，解决avx2问题    完美解决Tensorflow不支持AVX2指令集问题

https://blog.csdn.net/beyond9305/article/details/95896135

 

不对：第二部描述的问题只是一个警告，不是主要问题，主要问题：

Using TensorFlow backend.
2019-11-20 20:37:10.030212: I d:\build\tensorflow\tensorflow-r1.9\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
Traceback (most recent call last):
  File "./yad2k.py", line 25, in <module>
    from yad2k.models.keras_yolo import (space_to_depth_x2,
  File "E:\吴恩达深度学习\cheliangshibie\yad2k\yad2k.py", line 25, in <module>
    from yad2k.models.keras_yolo import (space_to_depth_x2,
ModuleNotFoundError: No module named 'yad2k.models'; 'yad2k' is not a package

我吧那一行的yad2k去掉，之后有注释了两行带有相对路径的错误，才把这个h5文件能下来

 

3、第三部按照文档给的代码，遇到了一个问题

为题如下：

运行scores, boxes, classes = yolo_eval（yolo_outputs, image_shape）时，报错为InvalidArgumentError Traceback (most recent call last) ~/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/ops.py in _create_c_op(graph, node_def, inputs, control_inputs) 1658 try: -> 1659 c_op = c_api.TF_FinishOperation(op_desc) 1660 except errors.InvalidArgumentError as e: InvalidArgumentError: Dimensions must be equal, but are 2 and 80 for 'mul_12' (op: 'Mul') with input shapes: [?,?,?,5,2], [?,?,?,5,80]

解决方法：

将yolo_outputs = yolo_head(yolo_model.output, anchors, len(class_names))这句代码改为： yolo_outputs = yolo_head(yolo_model.output, anchors, len(class_names)) print(str(yolo_outputs)) box_xy,box_wh,box_confidence,box_class_probs = yolo_outputs yolo_outputs = (box_confidence,box_xy,box_wh,box_class_probs) print(str(box_confidence)) print(str(box_xy)) print(str(box_wh)) print(str(box_class_probs)) print(str(yolo_outputs)) 报错原因是模型中几个参数的排列顺序变了，从print结果就能看出来

 这样程序就能完整的运行出来，在out中可以看到倍圈出的图像。