PyTorch人脸识别报错：ValueError: too many values to unpack (expected 3)

使用Face-Transformer仓库的预训练模型对7个数据集进行评估，所有数据集存储在同一文件夹（含.bin和.npy文件），训练阶段运行正常，但评估时触发上述错误，多次尝试修复未解决。

相关代码 #

import torch
import torch.nn as nn
import sys
from vit_pytorch import ViT_face
from util.utils import get_val_data, perform_val, perform_val_deit, buffer_val, test_forward
from IPython import embed
import sklearn
import cv2
import numpy as np
from image_iter import FaceDataset
import torch.utils.data as data
import argparse
import os


DEVICE = torch.device("cuda:0")
DATA_ROOT = '/home/cvpr/Documents/ms1m-retinaface-t1/'
with open(os.path.join(DATA_ROOT, 'property'), 'r') as f:
    NUM_CLASS, h, w = [int(i) for i in f.read().split(',')]

model = ViT_face(
    image_size=112,
    patch_size=8,
    loss_type='CosFace',
    GPU_ID=DEVICE,
    num_class=NUM_CLASS,
    dim=512,
    depth=20,
    heads=8,
    mlp_dim=2048,
    dropout=0.1,
    emb_dropout=0.1
)

model_root = '/home/cvpr/Documents/Backbone_VIT_Epoch_2_Batch_20000_Time_2021-01-12-16-48_checkpoint.pth'
model.load_state_dict(torch.load(model_root))

TARGET = 'lfw'
vers = get_val_data('/home/cvpr/Documents/OPVT/eval')
print(vers)
for ver in vers:
    name, data_set, issame = ver
    time = test_forward(DEVICE, model, data_set)
    print(time)

print(vers)输出 #

(carray((12000, 3, 112, 112), float32)
  nbytes := 1.68 GB; cbytes := 9.02 MB; ratio: 190.96
  cparams := cparams(clevel=5, shuffle=1, cname='lz4', quantize=0)
  chunklen := 13; chunksize: 1956864; blocksize: 262144
  rootdir := '/home/cvpr/Documents/OPVT/eval/lfw'
  mode    := 'r'
[[[[ 0.92941177  0.94509804  0.96862745 ..., -0.81960785 -0.7647059
    -0.73333335]

报错回溯 #

Traceback (most recent call last):
  File "/home/cvpr/Documents/OPVT/test_forward.py", line 42, in <module>
    name, data_set, issame = ver
ValueError: too many values to unpack (expected 3)

问题原因与解决方法 #

核心原因 #

get_val_data函数的返回值不符合预期：原仓库中该函数应返回包含多个元组的列表，每个元组格式为(数据集名称, 数据数组, issame数组)。但当前vers直接返回了单个carray对象，说明函数未正确加载多个数据集，导致循环时尝试将单个数据对象解包为3个变量，触发错误。

具体修复步骤 #

1. 检查数据集路径
   确认传入get_val_data的路径'/home/cvpr/Documents/OPVT/eval'是包含7个数据集文件夹的父目录，而非某个具体数据集（如lfw）的目录。若路径错误，函数只会加载单个数据集，返回结构不符合预期。

2. 验证get_val_data返回结构
   在代码中添加以下调试代码，确认返回值类型与结构：

   print(type(vers))
   print(len(vers) if isinstance(vers, list) else "Not a list")
   

   正常情况下应输出<class 'list'>和7，每个列表元素是包含3个元素的元组。

3. 对齐原仓库的get_val_data实现
   检查本地util/utils.py中的get_val_data函数，确保与Face-Transformer仓库的实现一致。原函数逻辑应为：遍历指定目录下的所有数据集文件夹，加载每个文件夹内的.bin和.npy文件，返回(name, data, issame)元组组成的列表。

4. 手动排查单个数据集加载
   若上述步骤无效，可尝试单独加载一个数据集，确认函数是否能正确返回三元组：

   single_ver = get_val_data('/home/cvpr/Documents/OPVT/eval/lfw')
   print(type(single_ver), len(single_ver))
   

   若返回的是三元组而非列表，说明get_val_data未处理多数据集目录的情况，需修改函数逻辑支持遍历目录下的所有数据集。

内容的提问来源于stack exchange，提问作者Khawar Islam