yolov5训练时遇到的问题

torch会自动被requirement.txt替换

在对yolov5_5.0进行pip install requirement.txt后，yolo5_5.0会将虚拟环境中中的torch替换为2.0.1版本的，但要注意查看该torch是否为gpu版本，查看方式如下：打开Anaconda Prompt，激活相应环境，输入python，输入import torch 及 torch.cuda.is_available()，就可查看cuda是否可用。事实证明，被更换后的torch版本是cpu版本。

安装gpu版本的torch并卸载cpu版本的torch

安装gpu版本的torch见这篇博文，注意使用清华镜像下载：-i https://pypi.tuna.tsinghua.edu.cn/simple(9条消息) PyTorch1.9.1 GPU版本安装（python3.8+pyTorch1.9.1, torch1.9.1/cu111 + torchvision0.10.1/cu111）_python3.8对应的pytorch_weixin_39450145的博客-CSDN博客https://blog.csdn.net/weixin_39450145/article/details/126454261卸载原有的torch注意在conda的命令窗口中无法执行，需要使用pip才能顺利卸载。

显卡驱动太高

安装torch2.0.1gpu版本之后，在运行train时报错ddl，原因是显卡驱动版本太高了，torch不兼容，例如我的显卡驱动为12.4（当下最新的驱动，事实证明，最新的技术要承担不兼容的风险），所以在控制面板的程序中删除对应的显卡，安装12.0以下版本的显卡驱动，安装10.2版本的驱动，如果安装11.7版本的显卡驱动，会出现问题：训练时box obj total都为nan。

先用小样本调试

一开始不要用很大的样本训练，先用一个小样本的数据集训练，比如coco128，方便排查各种问题。

colab训练

colab模型的传输

直接将项目的zip文件拖到content目录之下  解压命令:

!unzip file.zip -d /path/to/destination

//file.zip：要解压的ZIP文件的名称。
///path/to/destination：要将文件解压到的目标目录路径。

colab数据集的传输

先将数据集的zip文件上传到谷歌硬盘上面，如下：

进入ipynb，点击装载云盘：

装在云盘完成之后，进入路径 /content/drive/MyDrive/Colab Notebooks，就能看到自己上传的压缩文件。

解压上传的数据集

# 解压缩文件
import zipfile
file_dir = '/content/drive/MyDrive/Colab Notebooks/datasets.zip'  # 压缩包路径
zipFile = zipfile.ZipFile(file_dir)
for file in zipFile.namelist():
    zipFile.extract(file, '/content')  # 解压路径
zipFile.close()

box obj total都为nan

 用的显卡版本为cuda11.7，将其改为10.2就好了，具体方法为，在Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/这个网站找对应的torch版本并下载，然后在conda prompt中安装（安装命令为 conda install 下载文件路径），在官网（Previous PyTorch Versions | PyTorch）中找到对应版本的torchvision，torchaudio，cudatoolkit并下载。

 清华源的使用

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名 
//conda prompt中也能运行

“OSError: [WinError 1455]页面文件太小，无法完成操作。”解决方案

(9条消息) “OSError: [WinError 1455]页面文件太小，无法完成操作。”解决方案_页面文件太小,无法完成操作_indigo love的博客-CSDN博客https://blog.csdn.net/weixin_46133643/article/details/125042903?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168525951116782427453854%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=168525951116782427453854&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-1-125042903-null-null.142^v88^control_2,239^v2^insert_chatgpt&utm_term=OSError%3A%20%5BWinError%201455%5D%20%E9%A1%B5%E9%9D%A2%E6%96%87%E4%BB%B6%E5%A4%AA%E5%B0%8F%EF%BC%8C%E6%97%A0%E6%B3%95%E5%AE%8C%E6%88%90%E6%93%8D%E4%BD%9C%E3%80%82%20Error%20loading%20D%3A%5Csoftware_deep_learning%5Canaconda%5Cenvs%5Cpytorch_2.0.1%5Clib%5Csite-packages%5Ctorch%5Clib%5Ccaffe2_detectron_ops_gpu.dll%20or%20one%20of%20its%20dependencies.&spm=1018.2226.3001.4187https://blog.csdn.net/weixin_46133643/article/details/125042903?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168525951116782427453854%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=168525951116782427453854&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-1-125042903-null-null.142%5Ev88%5Econtrol_2,239%5Ev2%5Einsert_chatgpt&utm_term=OSError%3A%20%5BWinError%201455%5D%20%E9%A1%B5%E9%9D%A2%E6%96%87%E4%BB%B6%E5%A4%AA%E5%B0%8F%EF%BC%8C%E6%97%A0%E6%B3%95%E5%AE%8C%E6%88%90%E6%93%8D%E4%BD%9C%E3%80%82%20Error%20loading%20D%3A%5Csoftware_deep_learning%5Canaconda%5Cenvs%5Cpytorch_2.0.1%5Clib%5Csite-packages%5Ctorch%5Clib%5Ccaffe2_detectron_ops_gpu.dll%20or%20one%20of%20its%20dependencies.&spm=1018.2226.3001.4187

KeyError：momentum

这是因为用adam训练出来的权重，不能用于训练sdg的模型。

训练出来的权值在评估数据集上的精度非常低

1、检查数据集的标签是否有问题

具体操作为，使用一张图片为例，对转yolo格式的程序进行debug，检查过程中是否出错。

2、检查模型是否有问题

对已有的数据集coco128，进行训练及测试，发现模型正常工作。

3、检查预训练权重是否合适

从ultralytics上下载的yolov5s.pt预训练权重，是从coco数据集上训练得到的，coco数据集的识别的80类别里面，并没有直接包含车牌的类别，所以我认为这是训练后测试的精度非常低的主要原因。针对以上的分析，我对模型进行从头开始训练，问题得到有效解决。结论就是，当识别的目标完全不同时，直接套用预训练权重可能会出现精度很低的问题。