Невозможно добавить изображения в существующий классификатор

Question

Я успешно создал классификатор, используя 20 классов, с 200 изображениями в каждом классе. Когда я пытаюсь добавить дополнительные классы для данного классификатора, вызов API не удается:

Traceback (most recent call last): 
    File "create_classifier.py", line 34, in <module> 
    print visual_recognition.update_classifier('flowers_1337689264', **myhash) 
    File "/usr/local/lib/python2.7/dist-packages/watson_developer_cloud/visual_recognition_v3.py", line 96, in update_classifier 
    params=params, accept_json=True) 
    File "/usr/local/lib/python2.7/dist-packages/watson_developer_cloud/watson_developer_cloud_service.py", line 268, in request 
    raise WatsonException(error_message) 
watson_developer_cloud.watson_developer_cloud_service.WatsonException: Unknown error 

Вот мой код:

import json 
from watson_developer_cloud import VisualRecognitionV3 
from glob import glob 

visual_recognition = VisualRecognitionV3('2016-05-20', api_key='xxxx') 

myhash = {} 
for f in sorted(glob('*.zip'))[20:30]: 
    clas = f.replace('.zip',''); 
    clas = clas.replace(' ', '-') 
    clas += '_positive_examples' 
    myhash[clas] = open(f, 'rb') 

print myhash 
#print visual_recognition.create_classifier('test', **myhash) 
print visual_recognition.update_classifier('test_1337689264', **myhash) 

Answer 1

Не уверен, если это ваша проблема, но есть проблема переподготовки - Если ваш файл .zip для обучения включал файлы, которые называются изображениями (например, * .jpg или * .png), но на самом деле не являются действительными файлами изображений, система будет думать, что у него есть неполные данные при попытке маршалировать все векторы для переподготовки. Это может часто возникать при использовании .zip-файлов из MacOS, которые могут содержать «скрытую» папку __MACOSX с такими файлами.

Решение для этой проблемы с файлами, не относящимися к изображению, которые вызывают переподготовку, было развернуто 10 августа 2016 года. Классификаторы, созданные после этой даты, не должны препятствовать переподготовке из присутствия файлов без изображений в примерах обучения. Однако это не ретроактивно, поэтому обходной путь для классификаторов, прошедших подготовку до этой даты, заключается в том, чтобы начать процесс обучения с помощью тех же входных zip-файлов, чтобы создать новый, а затем удалить старый классификатор.