YOLOV7调试的bug

跑yolov7-d6出现的问题:

注意:yolov7-d6要使用train_aux.py代码跑哦!!!!记得修改配置文件!!!!

File “/home/pc/renrong/yolov7-main/utils/loss.py”, line 1563, in
build_targets2 from_which_layer = from_which_layer[fg_mask_inboxes]
RuntimeError: indices should be either on cpu or on the same device as
the indexed tensor (cpu)

找在yolo7/utils/loss.py文件中下面代码:

from_which_layer.append((torch.ones(size=(len(b),)) * i)

修改为

from_which_layer.append((torch.ones(size=(len(b),)) * i).to('cuda'))

第二也是在loss文件里面找到下面的代码:

from_which_layer = from_which_layer[fg_mask_inboxes] 

在每一行的上面那个代码后面添加一句代码,把向量放在一个地方,好像是这个意思吧哈哈哈,添加的代码是下面一行,每一个都要添加,代码里面有好几处这个代码

from_which_layer = from_which_layer.to(fg_mask_inboxes.device)[fg_mask_inboxes]
  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用内容提供的信息,yolov7的安装教程可以分为以下几个步骤: 1. 准备Python环境:首先要确保你的电脑上已经安装了Python,可以从官网下载并安装最新版本的Python。另外,你还需要安装一些Python依赖包,如numpy、opencv等,这些都可以通过pip命令来安装。 2. 安装PyCharm:PyCharm是一个编译运行Python的平台,安装PyCharm可以方便地打开yolov7的源码进行分析和查看。你可以从PyCharm的官网下载并安装适合你操作系统的版本。 3. 下载yolov7源码:你可以从相关博客中找到yolov7的源码下载链接,下载后可以在PyCharm中打开源码进行分析和修改。 4. 配置深度学习环境:为了使用yolov7进行推理和训练,你需要配置深度学习环境。这包括安装CUDA和cuDNN、配置GPU加速等步骤。具体的配置方法可以参考相关的深度学习环境搭建教程。 5. 运行yolov7:在配置好深度学习环境后,你可以使用Python和C两种语言分别实现yolov7。根据你的实际需求选择使用哪种语言。 6. 调试常见bug:在使用yolov7的过程中,可能会遇到一些常见的bug。你可以通过分析这些bug的原因并进行修复来解决问题。 综上所述,yolov7的安装教程主要包括准备Python环境、安装PyCharm、下载yolov7源码、配置深度学习环境、运行yolov7调试常见bug等步骤。详细的操作方法可以参考相关的博客和教程。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [YOLOv7(目标检测)入门教程详解---环境安装](https://blog.csdn.net/weixin_64524066/article/details/126840322)[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: 100%"] [ .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
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