小编Sha*_*ngh的帖子

我是openCV的新手,我没有解决这个错误.我正在尝试使用此代码将图像从BGR转换为灰度格式 -

img = cv2.imread('path//to//image//file')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

这似乎工作正常.我检查了img变量的数据类型,结果是numpy ndarray和shape (100,80,3).但是,如果我给numpy ndarray数据类型的代码中已经存在的图像和与cvtColor函数输入相同的尺寸,它会给我以下错误 -

Error: Assertion failed (depth == 0 || depth == 2 || depth == 5) in cv::cvtColor, file D:\Build\OpenCV\opencv-3.4.1\modules\imgproc\src\color.cpp, line 11109
cv2.error: OpenCV(3.4.1) D:\Build\OpenCV\opencv-3.4.1\modules\imgproc\src\color.cpp:11109: error: (-215) depth == 0 || depth == 2 || depth == 5 in function cv::cvtColor

第二种情况的代码是(在这里制作自定义的np.ndarray) -

img = np.full((100,80,3), 12)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 

任何人都可以澄清这个错误的原因是什么以及如何纠正它？

我一直在使用gensim 的库来训练 doc2Vec 模型。在尝试了不同的数据集进行训练后，我对 doc2Vec 模型的理想训练数据大小应该是多少感到困惑？

我将在这里分享我的理解。请随时纠正我/建议更改-

1. 在通用数据集上训练——如果我想使用在通用数据集上训练的模型，在特定用例中，我需要对大量数据进行训练。
2. 在上下文相关数据集上进行训练 - 如果我想在与我的用例具有相同上下文的数据上对其进行训练，通常训练数据的大小可以更小。

但是在这两种情况下，用于训练的单词数量是多少？

一般而言，当误差图达到“肘点”时，我们停止训练 ML 模型，在此进一步训练不会显着降低误差。有没有朝这个方向进行任何研究 - doc2Vec 模型的训练在到达肘部后停止的地方？