YOLOv5-7.0解决No module named ‘utils.datasets‘和cannot import name ‘scale_coords‘ from ‘utils.general‘

首先检查自己的根目录下面的utils文件夹是否有datasets.py的文件。如果没有,可能是该文件夹改名了,检查是否有dataloaders.py文件。

 

如果存在该文件,在程序报错的地方修改文件名字即可。

如果utils中缺少这些文件,可能是utils安装有问题,可以尝试重新下载其他版本的YOLO或者卸载重新安装该模块。解决方法自行百度。

utils文件夹中general.py中找不到scale_coords函数名,可以在出现该标红错误选中该函数名右键点击“在文件中查找”。可以显示它在程序中的用法和位置。

 点击下一处行数(图中py74)即可定位代码中出现的位置。

 

可以看该函数名及参数个数类型等等对比general.py中一样功能的函数,可以推断出改后函数名。

 在7.0版本中scale_coords改名为scale_boxes,代码中修改即可。

 

本人初学yolo小白,文中若有错误,请谅解指正。

 

 

  • 26
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
以下是使用yolov5-master库进行实例分割推理的简化代码示例: 1. 导入所需库和模块: ```python import torch from PIL import Image from yolov5.models.experimental import attempt_load from yolov5.utils.general import non_max_suppression, scale_coords from yolov5.utils.datasets import letterbox from yolov5.utils.plots import plot_one_box device = torch.device("cuda" if torch.cuda.is_available() else "cpu") ``` 2. 定义推理函数: ```python def instance_segmentation(image_path): # 加载模型 model_path = 'path/to/your/model.pt' model = attempt_load(model_path, map_location=device) # 加载模型 model.to(device).eval() # 读取图像 image = Image.open(image_path) original_image = image.copy() image = letterbox(image, new_shape=model.imgsz)[0] # 转换为Tensor image = torch.from_numpy(image.transpose(2, 0, 1)).float().div(255.0).unsqueeze(0).to(device) # 进行推理 pred = model(image)[0] pred = non_max_suppression(pred, conf_thres=0.3, iou_thres=0.45) # 处理预测结果 for det in pred[0]: if det is not None: det[:, :4] = scale_coords(image.shape[2:], det[:, :4], original_image.size).round() # 绘制边框和标签 for *xyxy, conf, cls in reversed(det): plot_one_box(xyxy, original_image, label=f'{conf:.2f}', color=(0, 255, 0), line_thickness=3) # 显示结果 original_image.show() ``` 3. 调用推理函数: ```python if __name__ == '__main__': image_path = 'path/to/your/image.jpg' instance_segmentation(image_path) ``` 请确保已将模型文件和待推理的图像文件路径正确设置,并对代码进行适当的调整以满足自己的需求。这是一个简化的示例代码,你还可以根据具体情况对其进行修改和优化。

“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 7
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