使用Roboflow Yolov4 PyTorch模型训练自定义数据集出现ValueError错误

• 数据集存在无效样本：使用的Roboflow导出数据集中包含无任何标注框的空标注样本，加载样本时返回的标注框对象out_bboxes为空列表，既不存在.shape属性触发第一个AttributeError，长度为0的空结构也无法匹配YOLOv4要求的5维标注格式[x,y,w,h,类别id]，最终触发广播形状不匹配的ValueError。
• 数据集加载逻辑无异常兼容：当前使用的PyTorch版YOLOv4的dataset.py没有做异常标注兼容逻辑，未提前处理标注类型转换和空标注分支，遇到异常样本直接崩溃。

• 方案1：清理数据集（推荐）
  登陆Roboflow平台对应数据集版本页，筛选出标注数量为0的样本，要么直接删除这类无效样本，要么补全标注后重新导出数据集，替换本地原有训练集即可。
• 方案2：修改数据集加载代码（无需改动数据集）
  打开/content/pytorch-YOLOv4/dataset.py，定位到报错的382行附近代码，做两处修改：
  1. 先将标注框转换为numpy数组，解决无.shape属性的问题
  2. 新增空标注判断分支，遇到无标注样本时直接生成符合格式的空标注数组，避免广播报错
     修改后参考代码：

  # 新增代码 start
  import numpy as np
  out_bboxes = np.array(out_bboxes, dtype=np.float32)
  if out_bboxes.shape[0] == 0:
      out_bboxes1 = np.zeros((self.cfg.boxes, 5), dtype=np.float32)
  else:
  # 新增代码 end
      # 保留原有赋值逻辑
      out_bboxes1[:min(out_bboxes.shape[0], self.cfg.boxes)] = out_bboxes[:min(out_bboxes.shape[0], self.cfg.boxes)]
  

• 修复验证：修改完成后先跑少量batch的测试训练，确认无同类报错后再启动全量训练。

内容的提问来源于stack exchange，提问作者Jaisil Rose Dennison