dlib致命误差与output_tensor

我目前正在使用RCNN算法处理面部检测应用程序。 dlib-129.2 C 中开发的代码。我的操作系统是 Windows 10 Home Edition 。框架为 QT 5.7 。

我的781张图像（高度：228和宽度：307）在一个名为"图像"

std::vector<matrix<rgb_pixel>> images;

之后，我将"图像"分为两个向量：一个包含训练图像（总计389）和测试图像（总计391）：

std::vector<dlib::matrix<dlib::rgb_pixel>> training_images(images.begin(), images.begin() + half_size);
std::vector<dlib::matrix<dlib::rgb_pixel>> testing_images(images.begin() + half_size, images.end());

然后，我尝试使用Train（）函数来训练RCNN网络：

template <long num_filters, typename SUBNET> using con5d = con<num_filters,5,5,2,2,SUBNET>;
template <long num_filters, typename SUBNET> using con3  = con<num_filters,3,3,1,1,SUBNET>;
template <typename SUBNET> using downsampler  = relu<bn_con<con5d<32, relu<bn_con<con5d<32, relu<bn_con<con5d<32,SUBNET>>>>>>>>>;
template <typename SUBNET> using rcon3  = relu<bn_con<con3<32,SUBNET>>>;
using net_type  = loss_binary_log<con<1,6,6,1,1,rcon3<rcon3<rcon3<downsampler<input_rgb_image_pyramid<pyramid_down<6>>>>>>>>;
net_type net;
dnn_trainer<net_type> trainer(net);
trainer.set_learning_rate(0.01);
trainer.set_min_learning_rate(0.00001);
trainer.set_mini_batch_size(5);
trainer.be_verbose();
trainer.train(training_images, training_labels);

但是，这行不通。每次运行代码时，都会出现以下错误：

在第179行中检测到的错误 ../../../desktop/dlib-19.2/dlib/dnn/loss.h。函数中检测到的错误 double dlib :: lose_binary_log _ :: compute_loss_value_and_gradient（const） dlib :: tensor＆amp; const_label_iterator，subnet＆amp;）const [ const_label_iterator = __gnu_cxx :: __ normal_iterator>;子网= dlib :: dimpl :: subnet_wrapper，dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: add_layer， dlib :: input_rgb_image_pyramid>，void>，void>， void>，void>，void>，void>，void>，void>，void>，void>，void>，void>，void>，void>，void>， void>，void>，void>，void>，void>，void>，void>，void>，true，void>]。

失败表达式为output_tensor.nr（）== 1＆amp;＆amp;output_tensor.nc（） == 1＆amp;＆amp;output_tensor.k（）==1。

我真的不知道发生了什么。你能帮我吗？

非常感谢您的所有答案。