DeepLabCut Pytorch版本训练中NaN值导致的关键点绘制错误分析
2025-06-09 05:17:19作者:仰钰奇
问题背景
在DeepLabCut Pytorch版本(DLC3.0)的模型训练过程中,当系统尝试将关键点可视化并记录到WandB日志时,可能会遇到一个由NaN值引发的错误。这个错误会导致训练过程中断,影响模型开发流程。
错误现象
错误的核心表现为在绘制关键点椭圆时出现的"x1必须大于或等于x0"的ValueError。具体来说,当PIL库的ImageDraw模块尝试绘制椭圆时,发现传入的x1坐标值小于x0坐标值,违反了绘图的基本规则。
根本原因分析
经过深入排查,发现问题的根源在于:
- 当某些关键点被标记为不可见或缺失时,系统会使用NaN值来表示这些关键点
- 在可视化阶段,这些NaN值没有被正确处理
- NaN值被传递到绘图函数中,导致坐标计算异常
- 最终触发了PIL库的坐标验证错误
技术细节
在DeepLabCut的logger.py文件中,_prepare_image
方法负责准备要记录到WandB的图像。该方法会:
- 对图像进行去归一化处理(如果配置要求)
- 转换图像数据类型为uint8
- 绘制关键点和边界框(如果存在)
问题主要出现在关键点绘制阶段。当关键点张量中包含NaN值时,torchvision的draw_keypoints
函数无法正确处理这些异常值,最终导致PIL绘图错误。
解决方案
目前有两种解决方案:
临时解决方案
修改训练配置文件,禁用WandB的图像记录功能:
logger:
type: WandbLogger
image_log_interval: null
这种方法简单有效,但会牺牲关键点可视化功能。
长期解决方案
在logger.py的_prepare_image
方法中添加NaN值处理逻辑:
if keypoints is not None and len(keypoints) > 0:
assert len(keypoints.shape) == 3
# 将包含NaN的关键点设置为0
keypoints[torch.isnan(keypoints).any(dim=2)] = 0
image = draw_keypoints(
image, keypoints=keypoints[..., :2], colors="red", radius=5
)
这种方法能够保留可视化功能,同时避免NaN值导致的错误。
最佳实践建议
- 在训练前检查数据集,确保没有异常的关键点标注
- 考虑在数据加载阶段就处理NaN值,而不是在可视化阶段
- 对于不可见的关键点,使用特定的标记值(如-1)而不是NaN,可以提高代码的健壮性
- 在可视化函数中添加更严格的输入验证
总结
这个问题的出现揭示了深度学习框架中数据预处理、模型训练和可视化环节之间的协调问题。正确处理异常值对于构建健壮的训练流程至关重要。DeepLabCut团队已经意识到这个问题,并将在后续版本中提供更完善的解决方案。
对于用户来说,理解这个问题的本质有助于更好地使用DeepLabCut进行姿态估计研究,并在遇到类似问题时能够快速定位和解决。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0365Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++092AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
192
2.16 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
78
72

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
971
572

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
548
76

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
349
1.36 K

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0

React Native鸿蒙化仓库
C++
206
284

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17