【土堆】手把手带你解决 YOLOv5 运行 train.py 文件时遇到的问题 AttributeError: module ‘distutils‘ & RuntimeError & ...

目录

前言

一、关于 torch 的版本问题

二、关于 AttributeError: module 'distutils' has no attribute 'version'

三、关于 unzip 失败的问题  

四、关于 OMP: Error #15: Initializing libiomp5md.dll, but found ...

五、关于 RuntimeError: CUDA out of memory. 

六、运行 YOLOv5 的 train.py 文件

补充：运行 detect.py 发现图片无法识别

最后说些话

---

前言

这篇文章记录了我在运行 YOLOv5 的 train.py 文件时遇到的一系列问题以及相应的解决方式，如果有小伙伴看过我的前几篇文章，应该知道我之前为了能够成功运行 YOLOv5 的 detect.py 文件，将 torch 和 torchvision 降级了，版本如下图所示，不仅导致 torch 和部分包的版本不兼容，而且还不能进行 GPU 训练了！所以在这篇文章中，我将 torch 和 torchvision 等包重装了，现在不仅能成功运行 train.py 文件，而且又可以进行 GPU 训练啦~我的解决方式可能并非适用于所有人，希望能够为大家提供一些解决思路！

【补充】为了让大家提前知道我重新装包的版本，我先在这里贴张装包成功后的图~大家可以根据自己电脑安装合适的版本！因为我电脑的 CUDA  只支持 11.6 以前的版本，所以我选择的是 PyTorch 官网提供的 CUDA 为 11.1 的 pip install 语句（后面细讲）。

 

一、关于 torch 的版本问题

因为后面学习的视频教程中需要用到 GPU 训练，所以我打算重装 torch ，具体操作如下：

【操作1】在命令行窗口输入 nvidia-smi 命令查看电脑是否支持 CUDA 以及 CUDA 的版本，我电脑支持的 CUDA 版本为 11.6 以前。

【操作2】根据是否支持 CUDA 以及 CUDA 的版本，在 PyTorch 官网复制对应的安装语句：

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

在进行这步操作的时候，我因为懒惰只重装了 torch ，结果就导致 torchaudio 的版本与 torch 不匹配，报错如下：

于是我又将 torchvision 和 torchaudio 都重装了 torch 的对应版本，建议大家直接运行官网提供的安装语句，这样它们仨整整齐齐的！

【操作3】在 PyCharm 的 Python Console 中 import torch ，若无报错则说明 PyTorch 安装成功,然后再输入 torch.cuda.is_available() 命令查看输出，若为 True 则说明电脑有可供 PyTorch 调用的 GPU 。

 

二、关于 AttributeError: module 'distutils' has no attribute 'version'

在确保 torch ，torchvision 和 torchaudio 都重装成功后，我再次运行了 YOLOv5 的 train.by 文件，却出现了 AttributeError 报错，如下图所示，这是因为 setuptools 包版本过高，需要降低其版本，具体操作我参考了知乎的这篇文章：

AttributeError: module ‘distutils‘ has no attribute ‘version‘ 解决方案 - 知乎参考链接： (37条消息) AttributeError: module ‘distutils‘ has no attribute ‘version‘ 解决方案_indigo love的博客-CSDN博客 错误的提示： AttributeError: module 'distutils' has no attribute &…https://zhuanlan.zhihu.com/p/556704117?utm_id=0

【补充】为了让公主王子们能够免去看这篇文章的时间，我将文章推荐运行的命令贴在下面啦~ pip 和 conda 二者取其一即可！

pip install setuptools==58.0.4
conda install setuptools==58.0.4

安装 setuptools-58.0.4 后，我们再次运行 train.py 文件，这时可以看到 AttributeError 报错已经解决了，并且运行显示 YOLOv5 使用了我们重装后的 torch 版本 torch 1.9.1+cu111 。

【补充】wandb 是用于机器学习的开发工具，大家可以自行去【wandb官网】了解哟~（建议使用 Google 浏览器打开）

三、关于 unzip 失败的问题  

解决了 AttributeError 报错问题后，我们再再再次运行 train.py 文件，coco128 数据集将自动进行下载，然后项目文件的根目录中就会出现 coco128.zip 压缩包，接着就出现了 unzip 失败的报错问题，具体如下图所示。

关于这个问题，我参考了视频教程的评论区，只需将 coco128.zip 解压到 coco128 文件夹，再将其放在项目文件夹的同一目录下即可。

 

四、关于 OMP: Error #15: Initializing libiomp5md.dll, but found ...

报错~问题~无穷尽也！关于这个问题，我也参考了视频教程的评论区，在 train.py 文件中补充以下代码即可：

import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'

 

五、关于 RuntimeError: CUDA out of memory. 

这应该是我运行 train.py 文件遇到的最后一个问题啦！大家要先打开自己的任务管理器，在性能页面查看自己的 GPU 信息，如下图所示，我电脑中有 NVIDIA 的只有 GPU1，因此我在 train.py 文件中补充了以下代码：

import os
os.environ['CUDA_VISIBLE_DEVICES'] = "1"

六、运行 YOLOv5 的 train.py 文件

解决上面所有问题后，我们的 train.py 文件就可以成功地跑起来啦~ 

补充：运行 detect.py 发现图片无法识别

文章进行到这里，你以为已经结束了吗！并没有噢！在尝试运行 train.py 文件的过程中，我出于某种好奇心理，又去运行了 detect.py 文件，结果发现！输出的图片又没有标注框啦！图片居然又无法识别/(ㄒoㄒ)/~~于是我又去翻了视频教程的评论区，发现可以用这个方式解决：将 cudnn.benchmark = True 这一行剪切到 if webcam: 的上一行。具体如下图所示：

最后说些话

其实作者最近在整理《目标检测 YOLOv5 开源项目入门实战》的第二篇文章，但是在跟着土堆的视频教程学习的过程中，总是难免会遇到一些配置问题或者其他问题，所以进度就会比较缓慢，但是通过这次问题解决的经历，我明白了该重装时就重装！不要因为担心重装会带来更多问题而逃避重装，有时候重装合适的版本会让你少走很多弯路！最后希望王子公主们学习顺利！工作顺利！