1、UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 231: illegal multibyte sequence
这个错误是由于在加载 数据集的.yaml文件时,Python 默认使用 GBK 编码读取该文件,但.yaml文件内容却是使用utf-8编码的,所以导致了 UnicodeDecodeError
。
解决:
(1)检查.yaml文件的地址,确保所有地址里没有中文。如果地址中有中文,代码会找不到数据。
(2)重新设置数据集
只要把split_txt.py里的原始路径的文件地址设置好,这个原始数据指的是数据集中
例如:
D:\A\MT3D_VOC\JPEGImages
D:\A\MT3D_VOC\labels
其他的都不用管,split_txt.py代码会将生成的文件都保存在datasets文件中。
# 将图片和标注数据按比例切分为 训练集和测试集
# 直接划分txt文件jpg文件
#### 强调!!! 路径中不能出现中文,否则报错找不到文件
import shutil
import random
import os
# 原始路径
image_original_path = r"JPEGImages/"
label_original_path = r"labels/"
cur_path = os.getcwd()
# 训练集路径
train_image_path = os.path.join(cur_path, "datasets/images/train/")
train_label_path = os.path.join(cur_path, "datasets/labels/train/")
print("----------")
# 验证集路径
val_image_path = os.path.join(cur_path, "datasets/images/val/")
val_label_path = os.path.join(cur_path, "datasets/labels/val/")
print("----------")
# 测试集路径
test_image_path = os.path.join(cur_path, "datasets/images/test/")
test_label_path = os.path.join(cur_path, "datasets/labels/test/")
print("----------")
# 训练集目录
list_train = os.path.join(cur_path, "datasets/train.txt")
list_val = os.path.join(cur_path, "datasets/val.txt")
list_test = os.path.join(cur_path, "datasets/test.txt")
print("----------")
train_percent = 0.8
val_percent = 0.1
test_percent = 0.1
print("----------")
def del_file(path):
for i in os.listdir(path):
file_data = path + "\\" + i
os.remove(file_data)
def mkdir():
if not os.path.exists(train_image_path):
os.makedirs(train_image_path)
else:
del_file(train_image_path)
if not os.path.exists(train_label_path):
os.makedirs(train_label_path)
else:
del_file(train_label_path)
if not os.path.exists(val_image_path):
如果不是 os.path.exists(val_image_path):
os.makedirs(val_image_path)
else:
del_file(val_image_path)
if not os.path.exists(val_label_path):
os.makedirs(val_label_path)
else:
del_file(val_label_path)
if not os.path.exists(test_image_path):
os.makedirs(test_image_path)
else:
del_file(test_image_path)
if not os.path.exists(test_label_path):
os.makedirs(test_label_path)
else:
del_file(test_label_path)
def clearfile():
if os.path.exists(list_train):
os.remove(list_train)
if os.path.exists(list_val):
os.remove(list_val)
if os.path.exists(list_test):
os.remove(list_test)
def main():
mkdir()
clearfile()
file_train = open(list_train, 'w')
file_val = open(list_val, 'w')
file_test = open(list_test, 'w')
total_txt = os.listdir(label_original_path)
num_txt = len(total_txt)
list_all_txt = range(num_txt)
num_train = int(num_txt * train_percent)
num_val = int(num_txt * val_percent)
num_test = num_txt - num_train - num_val
train = random.sample(list_all_txt, num_train)
# train从list_all_txt取出num_train个元素
# 所以list_all_txt列表只剩下了这些元素
val_test = [i for i in list_all_txt if not i in train]
# 再从val_test取出num_val个元素,val_test剩下的元素就是test
val = random.sample(val_test, num_val)
print("训练集数目:{}, 验证集数目:{}, 测试集数目:{}".format(len(train), len(val), len(val_test) - len(val)))
for i in list_all_txt:
name = total_txt[i][:-4]
srcImage = image_original_path + name + '.jpg'
srcLabel = label_original_path + name + ".txt"
if i in train:
dst_train_Image = train_image_path + name + '.jpg'
dst_train_Label = train_label_path + name + '.txt'
shutil.copyfile(srcImage, dst_train_Image)
shutil.copyfile(srcLabel, dst_train_Label)
file_train.write(dst_train_Image + '\n')
elif i in val:
dst_val_Image = val_image_path + name + '.jpg'
dst_val_Label = val_label_path + name + '.txt'
shutil.copyfile(srcImage, dst_val_Image)
shutil.copyfile(srcLabel, dst_val_Label)
file_val.write(dst_val_Image + '\n')
else:
dst_test_Image = test_image_path + name + '.jpg'
dst_test_Image = test_image_path + 姓名 + .jpg
dst_test_Label = test_label_path + name + '.txt'
shutil.copyfile(srcImage, dst_test_Image)
shutil.copyfile(srcLabel, dst_test_Label)
file_test.write(dst_test_Image + '\n')
file_train.close()
file_val.close()
file_test.close()
if __name__ == "__main__":
main()
(3)修改train.py 源代码
找到train.py文件中的这部分,然后添加上
with open(opt.data,'r',encoding='utf-8') as f:
这个方法最管用。
对我来说!!!
2、KeyError: 'assets'
这里出现错误,可能是因为模型找不到指定的预训练权重模型,尝试通过GitHub下载模型,同样失败了,因为yolov7-train文件中这个网址失效了。
解决:
在输入训练参数时,尝试使用绝对地址,切记:地址中不要出现汉字,空格等,地址设置的越常规,越容易运行成功。
3、subprocess.CalledProcessError: Command 'git tag' returned non-zero exit status 128.
这个错误和上面第二个错误时相互影响的,因为找不到权重的地址选择去GitHub中下载,.git
表示脚本正在尝试执行 git 命令,但未在 git 仓库中运行。会导致 git tag
命令失败。
解决:
KeyError: 'assets'错误解决之后,这个错误可能就解决了,如果解决不了可以在终端尝试运行下面这个代码,这会在当前目录创建一个 .git
文件夹,使其成为一个 Git 仓库。之后再运行脚本。
git init
4、KeyError: 'nc'
nc = 1 if opt.single_cls else int(data_dict['nc']) # number of classes
KeyError: 'nc'
这个错误产生的原因是yolov7的数据集yaml文件格式和yolov8的不一样,我在运行时用了yolov8的yaml文件。