Colab正常运行但高校Jupyter平台报错：栅格化U-Net语义分割标签时出现颜色数量不匹配ValueError

我在Google Colab中运行以下代码，将Shapefile栅格化以生成U-Net语义分割的标签，代码运行正常，栅格化后的Ground Truth也能正常绘制：

rstzr = r.Rasterizer(shape_file, raster_file, class_column, classes_interest = classes_of_interest, non_class_name = non_class)
rstzr.collect_class_names()
rstzr.rasterize_layer()
rstzr.remove_labels_under_cloud(pos_qa = 0, new_label = 3)
m_class_names = ['No Data'] + rstzr.get_class_names() + ['Clouds']
rasterized_layer = rstzr.get_labeled_raster()
rstzr.save_labeled_raster_to_gtiff(out_labels)
vis.plot_labels(rasterized_layer, m_class_names, colors = ['white', 'green', 'yellow', 'blue'], title = "Rasterized Ground Truth")

但在我校的高性能计算Jupyter平台运行完全相同的代码时，却抛出了如下错误：
ValueError: There are 5 color bins including extensions, but ncolors = 4; ncolors must equal or exceed the number of bins

可能的原因分析 #

1. 环境依赖版本差异
   两个平台中vis.plot_labels函数（或其依赖的可视化库，比如matplotlib、rasterio等）的实现或版本不一致是最可能的原因。Colab中的版本可能会自动处理颜色数量不足的情况（比如重复使用颜色或自动补全），而高校平台的版本则严格要求颜色数量必须匹配所有需要渲染的bin数（包括所谓的"extensions"——可能是函数自动添加的边界、额外辅助类别等）。

2. 实际标签类别数量不一致
   虽然代码中m_class_names看起来是4个类别（['No Data'] + 2个目标类别 + ['Clouds']），但在高校平台中，可能存在以下情况导致实际标签数变多：

   • rstzr.get_class_names()返回的类别数量和Colab中不同（比如Shapefile读取时的编码、过滤逻辑差异）
   • rstzr.remove_labels_under_cloud操作后，生成的rasterized_layer中出现了代码预期外的标签值（比如原始数据中存在未处理的类别）

3. 可视化函数的行为差异
   高校平台的vis.plot_labels函数可能默认启用了某些扩展渲染选项（比如显示标签的边界、额外的统计bin），而Colab版本中这些选项是关闭的，导致需要的颜色bin数从4变成了5。

解决方案建议 #

1. 先确认实际的标签数量
   在报错的环境中添加以下代码，检查实际的类别数和标签值：

   import numpy as np
   print(f"类别名称数量: {len(m_class_names)}")
   print(f"栅格中的唯一标签值: {np.unique(rasterized_layer)}")
   

   如果输出显示实际有5个类别，那你需要将colors列表扩展为包含5个颜色值（比如添加'gray'）。

2. 统一依赖库版本
   对比Colab和高校平台中相关库的版本，比如运行pip list查看rasterio、matplotlib以及自定义vis模块的版本，将高校平台的版本调整到和Colab一致。

3. 动态生成颜色列表
   不要硬编码颜色，而是根据实际类别数量动态生成，避免数量不匹配的问题：

   # 使用matplotlib的内置配色方案自动生成对应数量的颜色
   import matplotlib.cm as cm
   num_classes = len(m_class_names)
   colors = [cm.get_cmap('tab10')(i) for i in range(num_classes)]
   # 或者手动扩展颜色列表，确保数量足够
   base_colors = ['white', 'green', 'yellow', 'blue']
   colors = base_colors + ['gray'] * max(0, num_classes - len(base_colors))
   

4. 检查可视化函数参数
   查看vis.plot_labels的文档或源码，看看是否有控制"extensions"的参数（比如add_extensions=False），在调用时关闭该选项，确保只渲染你定义的4个类别。

内容的提问来源于stack exchange，提问作者Akhil Chibber