meshcnn训练数组序列长度不一致

Question

在使用meshcnn训练时，自建数据集mesh网格模型的面片数量无法保持一致，导致数组序列长度不一致不发进行传播的问题。报错信息如下：
ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (45562,) + inhomogeneous part.
直接使用截断或填充的方法后，模型训练效果不佳，是否有更优秀的方法呢？

Answer 1

让 “紫雾凌寒” 来帮你回答,本回答结合 DeepSeek

如果还有问题，请评论或点击头像私信，如果有帮助到您, 请关注、采纳、点赞

1. 关键点分析：
   - 问题核心在于MeshCNN训练时，自建数据集中mesh网格模型的面片数量不同，造成数组序列长度不一致，这违反了深度学习模型输入数据格式的要求，导致无法正常进行传播。报错信息ValueError: setting an array elem提示可能是在数据处理或模型输入环节，对数组元素的设置出现了问题，比如试图设置一个形状不匹配的数组元素。
2. 解决方案：
   - 补齐长度：
   • 统计数据集中面片数量的最大值。
   • 对每个mesh网格模型，在面片数量不足最大值时，进行补齐操作。例如，如果使用的是numpy数组，可以使用以下代码：

import numpy as np

max_length = max([mesh_array.shape[0] for mesh_array in dataset])  # 假设dataset是包含所有mesh网格模型数组的列表
new_dataset = []
for mesh_array in dataset:
    if mesh_array.shape[0] < max_length:
        padding_length = max_length - mesh_array.shape[0]
        padding = np.zeros((padding_length, mesh_array.shape[1]))  # 假设mesh_array是二维数组，这里padding维度与原数组一致，只补齐第一维
        new_mesh_array = np.vstack((mesh_array, padding))
        new_dataset.append(new_mesh_array)
    else:
        new_dataset.append(mesh_array)

• 截断长度：
  • 统计数据集中面片数量的最小值。
  • 对每个mesh网格模型，在面片数量超过最小值时，进行截断操作。例如：

min_length = min([mesh_array.shape[0] for mesh_array in dataset])
new_dataset = []
for mesh_array in dataset:
    if mesh_array.shape[0] > min_length:
        new_mesh_array = mesh_array[:min_length]
        new_dataset.append(new_mesh_array)
    else:
        new_dataset.append(mesh_array)

1. 方案优缺点：
   - 补齐长度：
   • 优点：能保留所有原始数据，不会丢失任何信息，对于数据量不大且希望充分利用数据的情况较为合适。
   • 缺点：增加了数据量，可能会延长训练时间，并且补齐的数据可能引入一些噪声或不真实的信息，尤其是对于使用随机值进行补齐的情况。
   • 截断长度：
   • 优点：简单直接，不会增加额外的数据，训练速度可能相对较快。
   • 缺点：丢失了部分数据，可能会损失一些有价值的信息，尤其是在数据量有限的情况下。
2. 总结：
   - 当遇到MeshCNN训练中数组序列长度不一致的问题时，可以通过补齐长度或截断长度的方法来解决。补齐长度能保留所有数据但可能增加训练负担，截断长度简单快速但会丢失部分数据。具体选择哪种方法需要根据数据集的特点、数据量大小以及对信息完整性的要求等来综合考虑。

希望以上解答对您有所帮助。如果您有任何疑问，欢迎在评论区提出。