DeepLabCut 3.0 PyTorch版训练数据集创建问题解析

问题背景

在使用DeepLabCut 3.0 PyTorch版本创建多动物训练数据集时，用户遇到了一个文件路径错误。具体表现为系统无法找到dlcrnet_ms5.yaml配置文件，导致训练数据集创建失败。这个问题在Windows 11和Ubuntu 22.04 WSL2环境下均会出现。

技术分析

问题根源

经过分析，这个问题源于DeepLabCut 3.0 PyTorch版本中模型配置文件的命名变更。在最新版本中，开发团队将原有的dlcrnet_ms5.yaml配置文件更名为更具描述性的名称，加入了步长(stride)信息：

• dlcrnet_stride16_ms5.yaml
• dlcrnet_stride17_ms5.yaml

然而，代码中仍保留了旧版本的配置文件引用，导致系统在尝试加载dlcrnet_ms5.yaml时失败。

解决方案

针对这个问题，开发团队已经确认并计划通过Pull Request来保持向后兼容性。同时，用户可以采用以下临时解决方案：

1. 修改项目配置： 在项目配置文件中，将default_net_type参数值从dlcrnet_ms5更改为dlcrnet_stride16_ms5。

2. 显式指定网络类型： 在创建训练数据集时，直接指定新的网络类型：

   deeplabcut.create_training_dataset(
       config="...",
       net_type="dlcrnet_stride16_ms5",
   )
   

3. 尝试新架构： 用户还可以尝试DeepLabCut提供的新型多动物模型架构，如：

   • dekr_w32
   • top_down_resnet_50
   • top_down_hrnet_w32

技术建议

对于使用DeepLabCut进行多动物姿态估计的研究人员，建议：

1. 版本适配：在使用新版本工具时，注意查看更新日志，了解可能存在的API变更。

2. 模型选择：根据实验需求选择合适的模型架构，不同架构在精度和性能上可能有显著差异。

3. 环境验证：在开始训练前，确保GPU环境配置正确，可以通过torch.cuda.is_available()验证CUDA是否可用。

4. 错误排查：遇到类似文件缺失错误时，可以检查对应版本的源代码仓库，确认文件命名和路径是否发生变化。

总结

DeepLabCut作为流行的动物行为分析工具，其PyTorch版本的开发仍在持续优化中。用户遇到此类配置文件缺失问题时，可以通过修改配置参数或显式指定新版本文件名来解决。开发团队也正在积极修复这类兼容性问题，未来版本将提供更稳定的使用体验。