步骤参考:目标检测---教你利用yolov5训练自己的目标检测模型_didiaopao的博客-CSDN博客
Q1: 在使用“conda install pytorch torchvision torchaudio cudatoolkit=11.1命令安装pytorch时,若出现错误:“PackagesNotFoundError: The following packages are not available from current channels: - cudatoolkit=11.1”
A1: 可先输入conda config --add channels conda-forge 命令后再进行安装。
Q2:
正常的结果: 失败的结果:
A2: 如果有独立显卡应该安装GPU版本的,但是可能之前电脑上安装过CPU版本的pytorch,现在想安装GPU版本的,从官网复制命令后,下载的还是CPU版本的pytorch
最后发现原因是安装过CPU版本的pytorch后,会给电脑安装一个名字叫做cpuonly的模块,要换成GPU,需要卸载这个模块conda uninstall cpuonly,卸载时好像会自动替换为GPU版本的pytorch。
Q3: 安装依赖pip install -r requirements.txt中出现的问题
A3: pycocotools>=2.0这个包要依赖Visual C++ 编译环境
解决办法:
报错问题:
Q4: 报错AttributeError: Cant get attribute SPPF on module models.common
A4:
报错OSError
A5: 可以根据如下的操作来修改,在utils路径下找到datasets.py这个文件,将里面的第81行里面的参数nw改完0就可以了。
Q6: 报错CUDA out of memory(GPU显存溢出的报错)
这里就要调小这两个参数了,每个人的电脑配置不一样,所以可以根据自己的电脑配置来修改参数。
其他扩展:
目标检测 YOLOv5 - 如何提高模型的指标,提高精确率,召回率,mAP等_flyfish-CSDN博客目标检测 YOLOv5 - 如何提高模型的指标,提高精确率,召回率,mAP等flyfish文中包括了YOLOv5作者分享的提高模型指标小技巧和吴恩达(Andrew Ng)在做缺陷检测项目( steel sheets for defects)时遇到的需要提高模型指标的问题是如何解决的。1 YOLOv5获得最佳训练效果指南大多数情况下,只要数据集足够大且良好标注(provided your dataset is sufficiently large and well labelled),就可以在不更改模https://blog.csdn.net/flyfish1986/article/details/120704968?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~aggregatepage~first_rank_ecpm_v1~rank_v31_ecpm-6-120704968.pc_agg_new_rank&utm_term=mAP%E3%80%81P%E3%80%81R%E3%80%81+yolov5%E7%9A%84&spm=1000.2123.3001.4430 yolov5 训练结果解析_高祥xiang的博客-CSDN博客在每次训练之后,都会在runs-train文件夹下出现一下文件,如下图: 一:weights 包含best.pt(做detect时用这个)和last.pt(最后一次训练模型) 二:confusion 1:混淆矩阵: ①:混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确预测的数量,并按每个类进行细分,这是混淆矩阵的关键所在。混淆矩阵显示了分类模型的在进行预测时会对哪一部分产生混淆...https://blog.csdn.net/qq_27278957/article/details/119968555?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-3.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-3.no_search_link
https://www.cnblogs.com/zhuweidong/p/15363825.htmlhttps://www.cnblogs.com/zhuweidong/p/15363825.html
关于Tensorboard:
版权声明:本文为CSDN博主「hanwanbing」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/hanwanbing/article/details/121370356
暂无评论