yolov7模型训练常见错误

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。