YOLOv5训练自己的数据集之问题解决篇

软硬件配置：Ubuntu + Tesla m40 24GB + cuda10.2 + anaconda
源码下载：https://github.com/ultralytics/yolov5

1、ValueError: setting an array element with a sequence.

WARNING: data/images/000442.jpg: [Errno 2] No such file or directory: 'data/images/000442.jpg'

解决：
Ubuntu图片格式jpg和JPG严格区分，将train.txt、val.txt、test.txt中图片路径改成对应的图片格式路径。

2、Process finished with exit code 134 (interrupted by signal 6: SIGABRT)

0%|          | 0/54 [00:00

解决：
服务器配置了两块显卡：Tesla是计算卡不可显示，NVS用来显示不可计算

using CUDA device0 _CudaDeviceProperties(name='Tesla M40 24GB', total_memory=22945MB)
           device1 _CudaDeviceProperties(name='NVS 510', total_memory=1997MB)

train中有并行计算，识别到两个显卡进行了并行计算，但是只有一个显卡可用于计算
将并行计算部分注释掉

# DP mode
    if cuda and rank == -1 and torch.cuda.device_count() > 1:
        model = torch.nn.DataParallel(model)

3、BrokenPipeError: [Errno 32] Broken pipe

Traceback (most recent call last):
  File "F:\FH\FxH\Go\code\yolov5_venv\lib\multiprocessing\popen_spawn_win32.py", line 89, in __init__
    reduction.dump(process_obj, to_child)
  File "F:\FH\FxH\Go\code\yolov5_venv\lib\multiprocessing\reduction.py", line 60, in dump
    ForkingPickler(file, protocol).dump(obj)

解决：
该问题的产生是由于windows下多线程的问题，和DataLoader类有关
因为同时在debug两个项目，简单粗暴地终止debug

4、RuntimeError：Trying to create tensor with negative dimension -1601340342: [-1601340342]

Traceback (most recent call last):
  File "F:/ZYY/chess/yolov5/yolov5-2-2/train.py", line 468, in <module>
    train(hyp, opt, device, tb_writer)
  File "F:/ZYY/chess/yolov5/yolov5-2-2/train.py", line 331, in train
    save_dir=log_dir)
  File "F:\ZYY\chess\yolov5\yolov5-2-2\test.py", line 113, in test
    output = non_max_suppression(inf_out, conf_thres=conf_thres, iou_thres=iou_thres, merge=merge)
  File "F:\ZYY\chess\yolov5\yolov5-2-2\utils\general.py", line 652, in non_max_suppression
    i = torch.ops.torchvision.nms(boxes, scores, iou_thres)

解决：
negative dimension表示数组越界。根据Trackback定位到utils/general.py中non_max_suppression函数红框区域。boxes的shape是8 * 661674 * 4。8表示batch_size, 661674表示候选框的个数，4是4个坐标参数。

计算一下：img_size = 640，经过8倍、16倍、32倍下采样的特征图是80 * 80、40 * 40、20 * 20
三张特征图生成的候选框：”20 * 20 + 40 * 40 + 80 * 80 = 8400
multi label机制：8400 * 81 = 680400
解决：
由于我们的数据集不存在同一区域有多个类别的情况，可以考虑删掉multi label。也可以用多个数组存储候选框参数。
去除multi label添加best class only

去除红框部分代码，增加黄框部分代码
--------------------------------------- to be continued…