基于Matterport Mask RCNN构建模型时lambda层步长切片越界报错

问题根源 #

你自定义的配置类存在三个核心错误，直接触发了切片越界报错：

• 手动设置了IMAGE_META_SIZE = 0：该参数用于定义图像元信息的存储维度，原版Config父类会自动根据配置参数计算该值，无需手动赋值。你将其设为0后，对应元信息张量的第二维长度为0，执行切片操作时自然会触发slice index 0 of dimension 1 out of bounds报错，和你收到的错误信息完全匹配。
• 变量名不匹配：你实例化的模型对象名为pathmodel，但后续加载权重时调用的是未定义的model变量，即使解决了配置问题也会触发变量未定义报错。
• 重写了父类的__init__方法：你自定义的__init__没有包含父类中IMAGE_META_SIZE的计算逻辑，进一步加剧了配置错误。

修复步骤 #

1. 删掉pathsConfig类中IMAGE_META_SIZE=0这行配置
2. 删掉你自定义的__init__和print方法，父类Config已经内置了完整的初始化逻辑和display()方法，不需要重复实现
3. 修正加载权重部分的变量名，把所有model.load_weights替换为pathmodel.load_weights

额外说明 #

你当前安装的TensorFlow 1.13.1、Keras 2.0.8、h5py 2.10.0是matterport版Mask RCNN的官方适配版本，版本组合没有问题，不需要再切换版本。运行时lambda节点编号变化是不同运行环境下张量节点命名规则不同导致的，和核心报错无关。

内容的提问来源于stack exchange，提问作者Talha Bhuta