yolov5 AssertionError: Image Not Found

于 2021-04-12 17:29:25 发布 7041 收藏 27
文章标签： python pytorch 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Bugs_creater/article/details/115631408
版权

yolov5 AssertionError: Image Not Found

图片存在却提示找不到。
解决：将datasets.py中第124行的
p = str(Path(path).absolute()) # os-agnostic absolute path
改为
p = str(Path(path))

参考：https://www.imooc.com/article/310270?block_id=tuijian_wz

Meolivine
关注
  • 19
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 17
    评论
解决pytorch报错:AssertionError: Invalid device id的问题
09-18
今天小编就为大家分享一篇解决pytorch报错:AssertionError: Invalid device id的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
AssertionError: Image Not Found
于乐_的博客
02-10 3606
问题 要 detect 的图片找不到 解决方案 查阅他人解决方案，最终通过修改 utils\datasets.py 中的 LoadImages类中的图片路径解决。 将图中的红色改为绿色语句即可，下边的 p 爆红不影响，不需要纠结，实测有效。 最后回到 detect.py 运行，成功预测。 参考：https://blog.csdn.net/Bugs_creater/article/details/115631408 https://www.imooc.com/article/310270?block_i
运行YOLO算法检测图片时出现“图片不存在的错误”AssertionError: Image Not Found D:\PyCharmProject\yolov5改进\out.jpg
m0_50004939的博客
02-01 2308
运行YOLO算法检测图片时出现“图片不存在的错误”AssertionError: Image Not Found D:\PyCharmProject\yolov5改进\out.jpg
解决yolov5训练报错AssertionError: Image Not Found D:\develop\yolo\yolov5-5.0\coco128\images\train\1.jpg
J_oshua的博客
03-29 288
解决方法也是比较简单，我们在训练的时候会在label文件夹下面产生一个.cache文件，这个文件是为了方便下次训练而产生的，我们只需要把这个.cache文件删除就能解决这个问题。
yolov5运行报错之AssertionError: Image Not Found
weixin_46288319的博客
06-12 1242
yolov5运行报错之AssertionError: Image Not Found
跑代码：AssertionError: Image Not Found D:\PycharmProjects\yolov5-hat\VOCdevkit\images\train\000000
zmhcj的博客
10-09 904
报错：AssertionError: Image Not Found D:\PycharmProjects\yolov5-hat\VOCdevkit\images\train\000000。这个是由于原作者在自己电脑上跑的代码，所以里面的cashe标签会有其文件存放地址，只要将这两个文件删除即可运行。使用3050系列，跑yolov5代码，有以下报错。
YOLOv5进行训练时出现AssertionError: Image Not Found +路径的问题
ly97264833的博客
02-09 1074
yolov5路径问题
YOLOv5 - AssertionError: Image not Found
NewDay_的博客
03-10 3337
出现上图原因是val 路径还有中文，cv.imread()不能识别。 解决方法：1 修改还有中文的文件名 2 使用绝对路径，把测试图片放在含有中文的文件里面。 下图的名称也无法读取，可能是含有（），重新修改图片名称。 ...
解决YOLOv5训练报错之AssertionError: Image Not Found YOLOv5-5.0/VOCdevkit/images/train/0.jpg
Mr_LanGX的博客
03-28 7114
运行yolov5 train.py报错：AssertionError: Image Not Found …/data/images/xxx.png 情景描述：一开始在北京超算云服务器上用显卡跑训练是可以正常运行的。后来为了调试方便，就在笔记本上运行，但运行train.py时出现了报错。 查询资料：经查询各方资料得知，只需将之前在本机或服务器端训练生成的.cache文件删除，重新在电脑或服务器上运行train.py即可。程序顺利运行。 解决方法： 在存放标签的目录下，删除train.cache和val.ca
出现AssertionError: Image Not Found＋路径
qq_59186384的博客
04-26 1618
解决方案 法1、可能是文件路径中含有中文 法2、将标签文件中的cache文件删除
WebLogic错误 java.lang.AssertionError: Registered more than one
04-23
weblogic日志报如下错误原因及解决方法： WebLogic Server 9.2 Repeatedly Throws: java.lang.AssertionError: Registered more than one instance with the same objectName
解决AssertionError Torch not compiled with CUDA enabled.docx
08-05
当运行pytorch代码出现报错： AssertionError: Torch not compiled with CUDA enabled 本文主要是讲解如何解决上述问题
yoloV3 voc_label.py
05-05
yoloV3 voc_label.py!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
datasets.py
05-06
yolov5 的 utils 文件夹里面的 datasets.py，配合我的博客使用
scrcpy投屏 AssertionError: java.lang.reflect.InvocationTargetExcep
02-18
scrcpy投屏 AssertionError: java.lang.reflect.InvocationTargetException 安装这个版本的scrcpy即可。
assertionerror: torch not compiled with cuda enabled
最新发布
05-26
<h3>回答1：</h3><br/>这个错误信息表示你的PyTorch没有启用CUDA加速功能。CUDA是NVIDIA开发的一种并行计算平台，可以在GPU上运行计算密集型任务，能够大大提高深度学习模型的训练速度。 要解决这个错误，需要重新安装启用CUDA支持的PyTorch版本。首先需要检查你的电脑是否安装了支持CUDA的显卡，如果没有，就需要更换一张支持CUDA的显卡。然后需要下载安装CUDA Toolkit和cuDNN，这是PyTorch使用CUDA的必要组件。最后，重新安装PyTorch，并确认已经启用了CUDA支持。 如果你之前已经安装了PyTorch但是没有启用CUDA支持，可以在源代码中的setup.py文件中添加"--with-cuda"的编译选项来开启CUDA支持。但是更建议从官方网站下载安装支持CUDA的PyTorch版本，以避免不必要的问题。 <h3>回答2：</h3><br/>AssertionError: torch not compiled with CUDA enabled 是 PyTorch 中常见的错误之一。这个错误通常意味着你正在尝试在没有启用 CUDA 支持的情况下运行需要 CUDA 支持的代码。当出现该错误时，通常会伴随着一些关于要求 CUDA 支持的相关信息，比如在使用 GPU 训练深度神经网络之类的操作时出现了该错误。 要解决这个错误，第一步是检查你的环境以确保你的 PyTorch 安装包中包含了需要的 CUDA 支持。如果你的 PyTorch 安装包是从官方源获取的，且你安装了与你的 GPU 兼容的版本，那么你的环境应该已启用 CUDA 支持。 如果你尝试在 CPU 上运行需要 CUDA 支持的代码，那么该错误就会出现。这时候你需要再次确认你的环境。如果你的环境确实不支持 CUDA，则你需要将代码和数据移到一个支持 CUDA 的环境下运行，比如 GPU 云服务器或者个人电脑中的支持 CUDA 的 GPU。 总之，AssertionError: torch not compiled with CUDA enabled 错误意味着你没有在启用 CUDA 支持的情况下运行需要 CUDA 支持的代码。为了避免该错误的出现，确保你的 PyTorch 安装包已启用 CUDA 支持，并且在你的环境中正确地配置了 GPU 支持。 <h3>回答3：</h3><br/>AssertionError: torch not compiled with CUDA enabled 是一个错误信息，它指示在使用 PyTorch 时无法找到 CUDA 设备。CUDA 是 NVIDIA 的并行计算架构，它使得我们可以在 GPU 上加速深度学习工作负载。 默认情况下，PyTorch 包含支持 CPU 的版本，在许多情况下，这是足够的。然而，如果我们有一个 NVIDIA GPU，我们可以安装和使用支持 CUDA 的 PyTorch 版本，以加速我们的深度学习训练和推理。 如果你在使用 PyTorch 时遇到了上述 AssertionError，那么你很可能是在使用不支持 CUDA 的 PyTorch 版本。要解决这个问题，你需要卸载当前的 PyTorch 并安装一个支持 CUDA 的版本。 首先，你需要确定你的 NVIDIA GPU 的 CUDA 版本号。你可以通过在终端上运行 nvidia-smi 命令来找到它。然后，你需要从 PyTorch 官网下载和安装对应的 CUDA 支持版本。 如果你是使用 conda 管理的 Python 环境，你可以使用 conda install 命令来安装支持 CUDA 的 PyTorch，如下所示： conda install pytorch torchvision torchaudio cudatoolkit=xx.x -c pytorch 这里，xx.x 应替换为你的 CUDA 版本号，例如 10.1、10.2 等等。 如果你使用的是 pip 软件包管理器，则可以使用以下命令安装： pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cuxx/torch_stable.html 同样地，这里的 cuxx 应替换为你的 CUDA 版本号。 安装完成后，你需要在代码中明确指定使用 GPU 设备。你可以使用以下代码行在 PyTorch 中设置设备： device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") 这将使你的代码在支持 CUDA 的 GPU 上运行，如果没有 GPU，则会使用 CPU。同时，你可以使用以下代码行来将数据移动到 GPU 上： inputs, labels = inputs.to(device), labels.to(device) 这将有效地将数据从 CPU 移动到 PyTorch 支持的 GPU 设备上。 总之，AssertionError: torch not compiled with CUDA enabled 错误信息意味着你使用的 PyTorch 版本不支持 CUDA。你需要卸载当前的 PyTorch 版本，安装一个支持 CUDA 的版本，并使用正确的代码将数据移动到 GPU 上。这将让你的代码在支持 CUDA 的 GPU 上运行，以加速深度学习工作负载。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 17
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Meolivine

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、C币套餐、付费专栏及课程。

余额充值