记录yolov5的一个问题

最新推荐文章于 2024-05-10 15:51:02 发布
最新推荐文章于 2024-05-10 15:51:02 发布
阅读量113 收藏
点赞数
文章标签： YOLO 深度学习 人工智能
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/guo_pp/article/details/130588902
版权

我自己构建了一个模型，在yolo.py中倒入模型并输出的时候，显示有问题，数据的尺寸对不上，但是我在用train.py去训练这个模型的时候是没有错的能直接训练？？？？
就很神奇，从来没碰到过这个问题，害我白训练了3天的结果。。。
有人碰到过类似的问题吗？
一起讨论一下

GUO_PP
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLOv5训练笔记
11-03
自己练习的笔记，记录一下学习过程。
记录yolov5训练报错问题
XXX
04-21 1825
AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘ 解决办法： 解决方法 Pytorch中报错RuntimeError: The size of tensor a (60) must match the size of tensor b (56) 解决办法： 解决警告UserWarning: torch.meshgrid: in an upcoming release, it will be require.
记录一次yolov5 编码报错问题
weixin_66216655的博客
02-04 421
2.看报错一步步找到源文件（打开yaml的文件，加上encoding='utf-8'）还是报错，但是position变了。1.删去yaml注释中的中文。
yolov5——问题记录
retainenergy的博客
05-06 8437
简介 记录自己学习yolov5中遇到的问题，随即不定时更新，遇到问题记录下来方便回顾。 2022.05.06 1、改用VOC数据集进行训练，修改完格式后，运行train.py报错： AssertionError: train: No labels in …/train.cache. Can not train without labels. See https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data 解决方法：打开文件目录下 utils/
关于yolov5训练大量数据存在的问题记录
门前大橋下丶
04-20 4765
相关配置环境 拉取官方最新的镜像（docker pull ultralytics/yolov5） 以及代码（git clone https://github.com/ultralytics/yolov5） torch 1.10.1+cu102 CUDA:0 (Tesla V100-PCIE-32GB, 32510MiB) 相关问题 我是自定义数据集一共多达4.5w张，图像大小大多为3M（4000*3000）甚至更高。因为使用的是V100 32G显卡，本着batch_size越大训练越快的原则直接把ba
yolov5问题
SuperBeauty的专栏
06-02 1351
yolov5开发碰到的一些问题，做个简单记录
yolov5问题解决记录贴
热门推荐
HOLEYU的博客
11-12 2万+
随手记，以后有时间再整理吧 问题一：环境配置后cuda与pytorch不符 detect: weights=yolov5s.pt, source=data/images, imgsz=[640, 640], conf_thres=0.25, iou_thres=0.45, max_det=1000, device=, view_img=False, save_txt=False, save_conf=False, save_crop=False, nosave=False, classes=None,
记录Yolov5(6.0)转为NCNN全过程
qq_41151593的博客
03-16 2521
1、下载yolov5 6.0源码 2、转换为ONNX格式（参数一定要全，很关键！！！） python export.py --weights yolov5n.pt --img 640 640 --batch 1 --train --simplify --include onnx #或者 python export.py --weights yolov5n.pt --img 640 640 --batch 1 --train --simplify --include onnx --opset 11 3
【详细记录】rv1126 跑通 yolov5
weixin_45824067的博客
08-02 2174
在前面，已经将 onnx模型转为 rknn模型。这里探讨的是：rknn模型在rv1126开发板上运行。
YOLOV5 环境搭建和使用记录
AAI666666的博客
12-28 1089
YOLOV5 环境搭建和使用记录
记录一次YOLOV5遇到的问题
iamjingong的博客
08-13 1189
1、 出现这个问题，首先先看一下是不是自己的label出现了问题，label的起始值应该是从0开始才对，如果从1开始的，大概率是因为这个问题导致的。 2、如果上面没有解决问题，可能是因为在训练自己的数据时，划分训练数据和测试数据出了问题，例如我这里有1700个数据，共30类数据，我用了前1200个作为了训练集，后面的500作为了测试集，很有可能是因为前1200个数据没有全部包含到30类，导致在测试阶段出现了以上问题。 解决办法：可以通过重新划分数据集进行尝试，例如把训练集划分的多一点，划分到前160..
基于YOLOv5的车型识别系统，源码+操作界面
06-28
使用yolov5制作出了一款车型识别系统，并编写了基于pyqt5的系统操作界面，系统所特有的功能有识别三种车型（轿车，suv，商务车）、五种品牌（奥迪，宝马，大众，奔驰，丰田）、摄像头识别、记录识别历史和统计识别...
yolov5-deepsort计数，可运行
10-24
v5版本的，计数效果好，出现的bug均已在csdn记录https://blog.csdn.net/m0_64346597/article/details/127489946
jetson nano + ROS + yolov5开发记录
04-15
jetson nano + ROS + yolov5开发记录版本：cuda10.2+jetson461，其中包含不易安装的python模块压缩包、mediapipe的tflite文件、对应python3.6的yolov5源码文件
rotate-yolov5
04-19
2021年1月5日： ：nn.SiLU（）激活，记录， 集成。 2020年8月13日： ：nn.Hardswish（）激活，数据自动下载，本机AMP。 2020年7月23日： ：改进了模型定义，培训和mAP。 2020年6月22日： 更新：新机头，减少了...
【YOLO改进】换遍IoU损失函数之Focal IoU Loss（基于MMYOLO）
Vlone_pp的博客
05-06 501
在目标检测任务中，评估预测边界框的质量是一个重要环节。传统的 IoU（Intersection over Union）损失函数虽然能够评估预测边界框与真实边界框的重叠程度，但在某些情况下存在一些问题。例如，当预测边界框与真实边界框的重叠度较低时，IoU 损失函数的梯度会非常小，导致模型难以进行优化。由于MMYOLO中没有实现Focal IoU损失函数，所以需要在mmyolo/models/iou_loss.py中添加Focal IoU的计算和对应的iou_mode，修改完以后在终端运行。
YOLOv5-7.0改进（二）BiFPN替换Neck网络
mw的博客
05-08 856
BiFPN即“双向特征金字塔网络”，常用于目标检测和实例分割的神经网络架构。EfficientDet是以EfficientNet模型和双向特征加权金字塔网络BiFPN为基础，于2020年创新推出的新一代目标检测模型。
Mac YOLO V9推理测试（基于ultralytics）
最新发布
zhujiahui622的专栏
05-10 661
Mac YOLO V9推理测试（基于ultralytics）
YOLOv5手势物体识别(附代码)
z240626191s的博客
05-04 1500
之前是做的yolov3手势物体识别，最近几天我将该项目进行了重新的整理和升级，实现了yolov5手势物体识别，同时为了方便更多的人直接拿来应用，我生成了支持windows系统的应用小程序，即便你电脑上没有安装pytorch,没有安装cuda、python，都可以使用~！
yolov5目标跟踪统计个数
04-06
1. 使用YOLOv5进行目标检测，得到每个目标的边界框和类别信息。 2. 对于每个目标，使用唯一的ID进行跟踪，记录其在不同帧中的位置和状态。 3. 在每个帧中，统计跟踪的目标数量。 4. 可以根据需要进行目标数量的...

“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
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
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、付费专栏及课程。

余额充值