data.yaml file has different references for image paths
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Error
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- python
Línea de trabajo
Ejecuta el ejemplo proporcionado de descarga mediante la Roboflow API e inspecciona las rutas del data.yaml generado. Sigue el flujo de descarga de Dataset y el punto de entrada del entrenamiento de YOLO para determinar si la inconsistencia la produce el archivo descargado o si el entrenamiento la compensa. La tarea se considera terminada cuando las descargas de la API utilizan rutas de imágenes coherentes y reubicables, y el entrenamiento sigue funcionando después de renombrar la carpeta de Dataset.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
When a dataset is downloaded via the API, the data.yaml file has inconsistent image paths. For example they look like:
test: ../test/images
train: project-name/train/images
val: project-name/valid/images
Oddly enough, when exported and downloaded manually from the roboflow page, the paths are correct. It would seem that this problem must be two fold:
- data.yaml file is inconsistent
- the
Datasetobject or theyolotool must have an issue to compensate for the incorrect path
This was most obvious to me when I changed the name of the downloaded dataset folder and the YOLO training would no longer work.
Simply doing this:
from roboflow import Roboflow
rf = Roboflow(api_key="YOUR_API_KEY")
project = rf.workspace("roboflow-jvuqo").project("football-players-detection-3zvbc")
dataset = project.version(1).download("yolov8")
will illustrate the problem.
- Lenguaje dominante
- Python
- Estrellas
- 629
- Forks
- 140
- Merge medio
- 1 d 23 h
- PR fusionados (30 d)
- 6
Preparar el entorno
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de roboflow/roboflow-python
-
RLE segmentation mask visible in dataset thumbnail, but invisible in annotation preview/editorAbierto
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
roboflow/roboflow-python#505 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 30/100
roboflow/roboflow-python#433 ·
Los mantenedores suelen responder en 1 día
-
Dataset Download StuckAbierto
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
roboflow/roboflow-python#429 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
roboflow/roboflow-python#427 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Inability to upload raw bytesAbierto
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
roboflow/roboflow-python#426 ·
Los mantenedores suelen responder en 1 día
Todos los issues de roboflow/roboflow-python
Issues similares
-
correction metadata
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
acl-org/acl-anthology#10104 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
bug status/needs-triage
Dificultad 2/5 1-3 horas Aptitud para principiantes 86/100
prowler-cloud/prowler#12885 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Bug in GaussianTailProbabilityCalibrator: running_statistics=False still uses a windowed varianceAbiertobug good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
selimfirat/pysad#107 ·
Los mantenedores suelen responder en 1 día
-
bug ci-failure high priority
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
vllm-project/vllm-omni#8194 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
Los mantenedores suelen responder en 1 día