yolov5环境配置可能遇到的问题

YOLOv5环境配置中可能出现的问题

今天是2024.3.7 yolov5配置可能出现版本更新中出现各种问题，现在我就写一篇我遇到的问题，给大家避雷！（2024.4.2更新了些网友反映的问题以及解决办法）

我yolov5光光配置环境就花了五天，所以想写一下文章，减少后面的人碰壁的可能

本文章基于"炮哥带你学"博主的文章：（优先看他的文章，我的文章只是我配置时候出现的问题）目标检测---教你利用yolov5训练自己的目标检测模型_目标检测 教你利用-CSDN博客

NVIDIA驱动安装与更新：

1.CUDA版本过高

CUDA版本过高可能会出现有些模块例如pytorch找不到对应的版本，paddle找不到稳定的版本等等

我的建议是11.0-11.2左右就刚刚好。

然后我选择11.1.1的原因是：刚刚好所有包都可以找到对应的版本（炮哥也是这个版本）

可以去以下网址先选择版本：（电脑支持以前的版本，只要不高于电脑支持的版本就行）

CUDA Toolkit Archive | NVIDIA Developer

也可以和我一样：CUDA Toolkit 11.1.1  （推荐）这样就能跟博主炮哥一样，减少麻烦

我的版本：CUDA Toolkit 11.1 Update 1 Downloads | NVIDIA Developer

如果因为之前安装过其他版本，可以进行卸载，参考：

CUDA卸载&&重装-CSDN博客进行卸载

2.Anconda环境搭建问题

首先因为Anaconda版本越高，自带的python版本越高，如果版本太高，在进行打标签labelimg的时候容易出现闪退的情况         

 如果出现闪退可以参考：labelimg打框时闪退_labelimg 拉框闪退-CSDN博客​​​​​​   

但是我的话直接简单粗暴，下载旧版本anconda，这样，他默认配置python环境是3.8的能直接使用，而且不会出现各种问题，安装完具体操作看炮哥的

Anaconda历史版本网站

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirroranconda

我的版本：（同炮哥版本一样）

3.pytorch环境创建

创建虚拟环境conda create -n 环境名字（英文） python=x.x（python版本），如下，我就是创建了一个名字叫pytorch，python是3.8版本的环境。

conda create -n pytorch python=3.8

创建好后：

conda activate pytorch

进入环境，然后看下一步：

这个经历过无数次尝试，我得到一个比较好的流程：

官网那里默认的版本都别选，因为会版本对应不上

我的选择是点击：左下角Previous version of PyTorch（选择更多版本）

然后因为我的是11.1.1的所以，我选择

                对应的是CUDA 11.1的，注意是v1.8.0    前面的对应的不是11.1.1可能是11.1.0

                                            （下一步重要跟着我来，不然速度很慢）

                                                从上图我们可以得到安装代码如下：

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

但是，根据文章评论区反映，如果直接输入安装代码会非常慢，一直卡在Solving environment，通过查CSDN，我找到了比较快的方法：pytorch下载太慢的解决办法-CSDN博客

该方案就是将官网的下载路径，改到清华镜像源的路径，先用activate激活自己之前创建的环境后，在命令行输入以下代码：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

这时候我们输入安装代码，会发现出现错误：

可能是在镜像里找不到这个版本的cudatoolkit 11.1

我的思路如下：

先从官方那安装cudatoolkit=11.1再执行安装指令（单独分开来，这样到时候他会检测到你已经安装了cudatoolkit 11.1 后就会跳过寻找这个包了）不知道佬们有没有别的方法

conda install cudatoolkit=11.1 -c nvidia/label/cuda-11.1.1 -c conda-forge

安装完后再执行：（不需要填写 -c pytorch -c conda-forge就不会一直卡在Solving environment）

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1

                                                       然后等待安装...... 20-30分钟吧

4.paddlepaddle环境安装

如pytorch环境安装一样，首先在base环境下创建一个新的环境来安装paddlepaddle框架。首先创建一个新的环境名叫paddle。执行如下命令。

conda create -n paddle python=3.8

 创建好了名叫paddle这个环境以后，进入到这个环境中（可以在pytorch环境下进入），执行如下命令。

conda activate paddle

然后到这一步也有讲究：

因为版本更新：现在没有2.1版本的paddle了，但是用2.6也能运行只要是CUDA11.2的就行

尽管你CUDA是11.1的但是也无妨

具体选择如下

然后再paddle环境下输入指令：

conda install paddlepaddle-gpu==2.6.0 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge 

到这步了，然后等吧 ......镜像好像也没有 如果中途出现各种错误 csdn都有对应的解决办法

一般下载中断出现问题的话，可以再重复下载，下载过的文件会直接跳过。然后安装的时候如果出现类似文件已经存在的命令，直接按照他的意思删掉相应文件。还有一些各种问题，只能搜csdn了

5.pycharm安装

去官网无脑下载最新版本

我的版本是2023.2

本来以为报错是因为pycharm版本问题，然后下载了2021版本的，但是依然报错，所以还是安装回来应用商店的版本。

然后我也会遇到一些问题，比如找不到conda可执行文件

解决办法参考：pycharm找不到conda可执行文件怎么办？-CSDN博客

完美解决！

致辞，搭建环境问题基本解决了。

6.打标签labelimg

能不用lablme就不用，因为导出格式为json，后续不太好转换，转换软件也容易出现各种问题......亲身体验过了。

按照文章下载安装包。然后当你发现你的labelimg会出现画框框就出现闪退的情况。大概率是你的python版本过高。你可以选择进入你刚刚搭建好的pytorch环境（如果跟着文章来的话你创建的python环境应该是3.8，进入环境后python就是3.8再打标签就不会闪退）。因为你创建的时候就已经写了python==3.8 

然后再进入VOL2007文件夹运行代码开始打标签。

注意一个点：

Open Dir是图片路径也就是JPEGImages

Change Save Dir是保存路径也就是Annotations

标注前要设定好，不然可能白打了，也可以打标签的时候注意下文件夹有没有出现新文件

然后我发现我有一个独有的问题，csdn都没搜到解决办法。

就是我打标签，打完标签然后退回去看发现之前打过的标签位置错乱了！！！

经过半天排查。。发现是我的图片名字出现重复（因为我是一键重命名的）jpg，jpeg文件名字类型不一样，就可以用同一个名字，但是labelimg不知道你文件不一样，所以只要标了一个框框，相同名字的文件也有框框导致框框错乱。所以一个改动，相同名字的图片也会一起改动...

7.VOC标签格式转yolo格式

文件格式跟炮哥一样基本没问题。主要是路径地址要改对，以及你的转换代码要和VOCdekit文件处于同一个目录下，例如：

共同处于数据转换（文件名自定义）文件夹下

遇到的问题：

1.把VOCdevkit复制到数据转换目录下出现报错（具体报错当时我没截图）反正复制过去发现Annotations里面文件夹都不见了。

解决办法： 在桌面创一个文件夹例如名字叫“数据转换”，把VOCdevkit放进去，然后用pycharm打开，点数据转换，然后创建VOL格式转换python文件，把代码复制进去（144行的那个），然后按照流程转换，即可。

2.转换完发现文件夹images/train 或者images/vol里没有文件或者有空数据标签（点开看看里面是否有数据）大概率是没有按照流程走，比如转化代码没跟VOCdevkit在同一个目录下。或者classes = ["xxx"]中没对应上你的标签数据。建议反复看看确保格式正确

8.train文件出现的问题

1.ValueError: zero-size array to reduction operation maximum which has no identity

网上说：要加上assert array.size != 0验证。但是在yolov5检测中很大概率是训练数据中只有空标签数据。也就是转换那一步出现的问题。数据标签里面没东西，参考上一步

2.可能会出现Could not find  xxx

首先第一事情检查路径，一般会有提示在那个路径找不到的。不行就复制报错去csdn，能成

3.UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte

解决：按照下面文章步骤修改即可

win10下Yolov5-5.0的使用问题_unicodedecodeerror: 'gbk' codec can't decode byte -CSDN博客

4.subprocess.CalledProcessError: Command ‘git tag‘ returned non-zero exit status 1.

参考以下文章：

YOLOv5版本运行报错解决——subprocess.CalledProcessError: Command ‘git tag‘ returned non-zero exit status 1._command 'git tag' returned non-zero exit status 1.-CSDN博客

5.tag = subprocess.check_output(‘git tag’, shell=True).decode().split()[-1]
IndexError: list index out of range

超过序列，自查数据集，看看是不是标签没匹配，少标签，多标签什么的。

6.UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xb2 in position 6:invalidstartbyte

一般和3适合配套的，问题会一起出现解决方法如下：

YOLOv5——报错解决：UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xb2 in position 6:invalidstartbyte_yolov5unicodedecodeerror: 'utf-8' codec can't deco-CSDN博客

7.AttributeError: Can't get attribute 'SPPF' on <module 'models.common' from 'D:\\yolov5\\yolov5-5.0\\yolov5-5.0\\models\\common.py'>

这个很常见，应该是算法确实，解决方法如下：

AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ‘H:\\yolov5-5.0\\models\\_can't get attribute 'sppf' on-CSDN博客

8.Dataset not found

经过我的实验，发现是路径问题，因为我的我把yolo文件放在桌面上了，路径包含中文“桌面”

如图：

解决办法：只需要把文件放在全英文路径即可

9.AttributeError: module numpy has no attribute int. 

http://t.csdnimg.cn/iP8s2 （网友Alphanic提供的方法~）

开始训练......

至此。我遇到的所有问题都在这了，还有一些细小的问题我就不说了。可以把报错代码都复制到csdn就好了（前人都会经历过的~）~希望后面的人能够一帆风顺吧，不再花太多时间配置环境。