YOLOv5的常见报错总结

目录

1.安装pycocotools报错

2.Cant get attribute SPPF on module models.common

2.1原因

2.2解决方案

3.[WinError 1455] 页面文件太小，无法完成操作

3.1原因

3.2解决方案

4.AssertionError: Image Not Found D:\PycharmProjects\yolov5-hat\VOCdevkit\images\train\000000 

4.1原因

4.2解决方案

5.AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘  

5.1原因

5.2解决方案

 6-可以看到虽然有结果图片，但是并没有框出识别结果

原因

解决方案

---

1.安装pycocotools报错

 windows下安装

pip install pycocotools-windows

2.Cant get attribute SPPF on module models.common

执行train.py出现的报错，根据提示肯定是在models的common.py中出现的问题。

2.1原因

YOLOv6更新了common.py中的SPPF类而v5版本中没有，这个原因我也很迷惑，为啥跟v6有关系呢？

2.2解决方案

如原因所示，直接从v6版本中找到SPPF类加入到common.py中，你可以直接将以下代码复制到common中：
注意要导入这个warnings库，代码中将warnings放在了代码开头处

import warnings
class SPPF(nn.Module):
    # Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
    def __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))
        super().__init__()
        c_ = c1 // 2  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)
 
    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')  # suppress torch 1.9.0 max_pool2d() warning
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

3.[WinError 1455] 页面文件太小，无法完成操作

3.1原因

 虚拟内存不足。

3.2解决方案

在utils文件下的datasets的第81行，将num_workers=nw改为=0即可：

4.AssertionError: Image Not Found D:\PycharmProjects\yolov5-hat\VOCdevkit\images\train\000000 

4.1原因

如果你是下载别人的数据集进行训练的话，在其他路径配置无误的情况下报这种错说明train.py读取数据集的时候读取之前的缓存文件了。

4.2解决方案

删除数据集文件夹labels下的两个缓存文件，重新训练即可。

5.AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘  

5.1原因

torch的版本过高导致不兼容。

5.2解决方案

从上面点进~\torch\nn\modules\upsampling.py将forword中的return函数里的最后一个参数删除。

 6-可以看到虽然有结果图片，但是并没有框出识别结果

训练图片的结果正常放在以下文件中，但是打开发现没有想像中给我们画出识别框。

原因

detect.py检测代码未设置画框。

解决方案

在detect.py的53行左右加上cudnn.benchmark = True，我这里因为自己加了注释到58行了。

 实际逻辑就是webcam代表batchsize>=1的情况，只有一张图detect的话默认不画框，加上后inference效果如下: