Yolo5实现，运行问题 AttributeError: ‘DetectMultiBackend‘ object has no attribute ‘input_details‘

最新推荐文章于 2024-03-28 09:56:33 发布
最新推荐文章于 2024-03-28 09:56:33 发布
阅读量3.9k 收藏
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43620460/article/details/125523429
版权

运行detect.py文件报错 AttributeError: ‘DetectMultiBackend’ object has no attribute ‘input_details’
问题如图：
在这里插入图片描述
问题原因，缺少输入，权值文件weights丢失，修改如下：

    parser.add_argument('--weights', nargs='+', type=str, default='/home/tzh/Downloads/learning_work/yolo5_learn/yolo_face/runs/best.pt', help='model path(s)')
颜色不一样的烟火_t.zhenhui
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
YOLOv5源码逐行超详细注释与解读（2）——推理部分detect.py
路人贾的博客
03-07 3万+
全网最详细的YOLOv5之推理部分detect.py源码逐行注释，近四万字的超详细讲解！小白入门必看！
python报错: list object has no attribute shape的解决
12-17
numpy.array可使用 shape。list不能使用shape。 可以使用np.array(list A)进行转换。 （array转list：array B B.tolist()即可） 补充知识：Pandas使用DataFrame出现错误：AttributeError: ‘list’ object has no attribute ‘astype’ 在使用Pandas的DataFrame时出现了错误:AttributeError: ‘list’ object has no attribute ‘astype’ 代码入下： import pandas as pd pop = {'Neva
YOLOv5源码解读1.7-网络架构common.py
qq_40992158的博客
08-01 588
学习了yolo.py网络模型后，今天学习common.py，common.py存放这YOLOv5网络搭建的通用模块，如果修改某一块，就要修改这个文件中对应的模块。7.注意力模块TransformerBlock。23.模型扩展模块AutoShape。24.推理模块Detections。17.幻象卷积GhostConv。5.深度可分离卷积DWConv。14.空间金字塔池化模块SPP。3.填充padautopad。10.简化的CSP瓶颈层C3。11.自注意力模块的C3TR。1.导入python包。
YOLOv5 common.py中DetectMultiBackend类中文注释
m0_46606108的博客
03-19 730
为多种后端（如 PyTorch、TensorFlow、ONNX 等）提供统一接口的类。
【YOLOV5 入门】——detect.py简单解析&模型检测&基于torch.hub的检测方法
最新发布
weixin_51658186的博客
03-28 2529
我用YOLOv5与名侦探柯南邂逅！基于torch.hub的检测方法是一种利用PyTorch Hub的功能来进行目标检测任务的方法。在进行目标检测时，可以通过函数来加载PyTorch Hub中提供的目标检测模型，然后利用加载的模型进行目标检测任务。
遇到：AttributeError: ‘NoneType‘ object has no attribute ‘find_all‘ 错误应该如何解决
牛肉胡辣汤
08-10 1万+
这个错误通常发生在你使用BeautifulSoup或其他HTML解析库时，当解析的HTML文档中不存在要查找的元素时。例如，使用BeautifulSoup库时，你需要先创建一个BeautifulSoup对象，并使用find_all或其他查找方法来查找元素。请注意，以上示例代码中的"html"是一个代表HTML文档的字符串变量，你需要将其替换为你实际的HTML文档。检查HTML文档：确保你正在解析的HTML文档中存在要查找的元素。如果元素不存在，你可能需要重新检查HTML文档的结构或寻找其他的解析方法。
yolov5-master代码详解笔记——detect模块
qq_68271367的博客
09-30 6896
本文将开始带你进行yolov5-master模块代码详解，该专栏谨适用于python、opencv有一定基础且尝试使用过yolov5-master人士进行参考，不适合小白学习阅读。文章有待更新，敬请期待。
【YoloV5 6.0|6.1 部署 TensorRT到torchserve】环境搭建|模型转换|engine模型部署（详细的packet文件编写方法）
m0_61139217的博客
07-05 5241
QQ: 1757093754注：Yolov5 1~5版本并没有封装完好的TensorRT转换流程，故需要借助其他方法完成模型转换，但是6.0、6.1内置TensorRT的export。tensorrtx下载链接：GitHub - wang-xinyu/tensorrtx: Implementation of popular deep learning networks with TensorRT network definition APIhttps://github.com/......
执行YOLOv5时报错，解决：AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘
weixin_41653613的博客
08-16 4165
执行YOLOv5时报错，解决：AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'
YOLOv5中detect.py代码解读
sinat_41942180的博客
03-02 6405
接下来，代码使用"save_dir"变量中的路径和图像文件名来构建保存检测结果图像的完整路径，并将其保存在变量"save_path"中。如果使用的是网络摄像头，则代码会遍历每个图像并复制一份备份到变量"im0"中，同时将当前图像的路径和计数器记录到变量"p"和"frame"中。循环中的变量"i"是一个索引变量，表示当前正在处理第几个物体，而变量"det"则表示当前物体的检测结果。如果没有使用网络摄像头，则代码会直接使用"im0s"变量中的图像，将图像路径和计数器记录到变量"p"和"frame"中。
Yolov5代码详解——detect.py
qq_46137895的博客
03-17 1826
2.新建保存结果的文件夹。5.执行模型的推理过程。4.加载待预测的图片。
基于keras和tensorflow的入门级代码
04-18
深度学习基础入门资源，基于keras和tensorflow的入门级代码
yolo-v4-tf.keras:YOLO v4的简单tf.keras实现
05-06
YOLO v4的简单tf.keras实现 去做 余弦退火调度器 地图 镶嵌增强 DropBlock 自我对抗训练（SAT） 标签平滑 米什 IoU，GIoU，CIoU丢失 多GPU训练 快速开始 从下载官方YOLO v4预先训练的权重 初始化YOLO模型...
yolo_various_framework:在各种框架上运行YOLO（对象检测模型）
04-09
yolo_various_framework 在各种框架上运行YOLO（对象检测模型）与该存储库相对应的文章（Qiita） 以下文章仅以日语撰写。我的动机我想在PC上运行对象检测模型我没有太多钱可以买任何GPU 我想知道哪个框架在经过时间...
yolo-v2_pytorch：:orange_book:yolo v2重新实现
02-16
yolo-v2_pytorch：:orange_book:yolo v2重新实现
YOLO_V5的官方预训练权重
10-14
YOLO_V5的官方预训练权重，包含S、M、L、X四个模型。
torch.nn.modules.module.ModuleAttributeError: ‘Detect‘ object has no attribute ‘m‘ 解决方案
热门推荐
GRF-Sunomikp31
02-03 1万+
windows下利用Pytorch跑yolov5模型时报错“‘Detect’ object has no attribute ‘m’” 首先确认你的所以配置是满足yolov5需求：Python >= 3.8, PyTorch >= 1.6 etc. 然后这里的解决方法就是更换新的权重文件，这里我用的是 yolov5s.pt 你可以用官方github上直接下载，确保你使用的权重文件是最新的 github: https://github.com/ultralytics/yolov5/release
详解 ultralytics / yolov5 中的 detect.py 文件
z1100hello0011z的博客
02-01 1075
详解 ultralytics / yolov5 中的 detect.py 文件 : 本文将对当前 https://github.com/ultralytics/yolov5.git 中的 detect.py 文件进行详细的流程描述并且附上全程的代码注释, 从而将 detect.py 脚本运行的逻辑清晰地展示出来 ​
yolo5 AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'
08-26
根据引用、[2]和所提供的信息，出现错误信息"AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'"是由于在yolo5中的Upsample对象中找不到'recompute_scale_factor'属性所导致的。这个错误可以通过以下方法来解决： 1. 确保你正在使用的是最新版本的yolo5代码。有时这个错误是由于旧版本代码中的bug引起的，更新到最新版本可能会修复这个问题。 2. 检查你的代码中是否正确地定义了Upsample对象。确保你使用的是正确的类名和参数，并正确导入了所需的模块。 3. 检查你的代码中是否正确地使用了'recompute_scale_factor'属性。确认你在代码中正确地使用了这个属性，并避免任何拼写错误或语法错误。 4. 如果以上方法都无法解决问题，你可以在yolo5的官方论坛或社区上寻求帮助。其他用户或开发者可能会遇到相同的问题并提供解决方案。 总之，要解决"AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'"错误，你可以尝试更新代码、检查对象定义和属性使用，并在需要时寻求帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor](https://blog.csdn.net/m0_62988777/article/details/131858230)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [YOLOV5 | AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘ 问题解决 亲...](https://blog.csdn.net/weixin_43401024/article/details/124428432)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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