运行yolov5的总结

(建议直接用yolov6.2的版本训练,前面的版本会出现很多问题)

Q1:pycocotools在windows安装失败

A1:①有conda:利用https://pan.baidu.com/s/1nWQdPRtGwNnOO2DkxRuGuA提取码:i5d7,安装完直接解压复制其中pycocotools两个文件夹到conda境…\Lib\site-packages之中

②无conda:安装完直接解压复制其中pycocotools两个文件夹到pythonsite-packages(如果找不到可以利用everything软件查找site直接搜索)

Q2:复现碰到报错Can't get attribute 'SPPF' on <module 'models.common' from 'D:\\Pycharm\\Code\\yolov5-5.0\\models\\common.py'>

A2: 用的是Tags5的话,就去Tags6里面的model/common.py里面去找到这个SPPF的类,把它拷过来到Tags5的model/common.py里面,这样你的代码就也有这个类了,还要引入一个warnings包(import warning),

Q3: The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3

Q4:AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'问题应该是pytorch新版本API修改导致的

A34:问题太多,解决问题一直出现新问题,最终采用6.2版本训练成功。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
安卓设备本身是基于Linux内核的操作系统,可以通过Android Studio等开发工具运行yolov5目标检测算法。要在安卓设备上成功运行yolov5,需要以下几个步骤。 首先,需要在安卓设备上安装好Android Studio。Android Studio是一种专门用于安卓开发的集成开发环境,提供了一套完整的工具和库,方便我们进行安卓应用程序的开发和调试。 接下来,需要将yolov5的目标检测算法移植到安卓设备上。可以使用TensorFlow Lite或者PyTorch等深度学习框架将yolov5算法转化为适合在安卓设备上运行的模型。这样做的目的是减小模型的大小和提高运行效率,以适应安卓设备的资源条件。 然后,需要在Android Studio中创建一个安卓项目,并在项目中导入yolov5的模型文件和相关代码。可以使用Java或者Kotlin等编程语言来编写安卓应用程序的代码。在代码中,需要定义好模型的输入和输出,并对图像进行预处理和后处理,以进行目标检测操作。 最后,可以在安卓设备上测试和运行yolov5目标检测算法。可以通过连接安卓设备,设置好必要的开发者选项,并在Android Studio中选择设备进行运行和调试。在运行过程中,可以通过摄像头或者读取本地图像,对图像进行目标检测,并输出检测结果。 总结来说,要在安卓设备上运行yolov5目标检测算法,需要安装Android Studio、移植算法模型、创建安卓项目和编写相关代码,并通过连接设备在Android Studio中进行运行和测试。这样可以将yolov5的强大目标检测功能应用到安卓设备中,实现各种应用场景的需求。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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