近期要在macos上使用yolov10跑一个简单的物体识别任务,因此在本地部署一个yolov10进行模型训练。部署的步骤与yolov10的github仓库所述一致。
GitHub - THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detectionw
唯一不同的是,在requirements.txt文件中有一个onnxruntime-gpu==1.18.0装不上
考虑到onnx runtime对于本地训练和使用一个模型的简单任务来说不是必须的,因此将其从requirements.txt中删除就可以流畅地完成模型相关包的安装。
安装完毕以后,由于从github上拉取的目录中并没有直接包含yolov10的模型,因此需要自行下载,在此我选择的是yolov10n.pt模型,准备好数据集以后,使用以下代码对模型进行训练:
from ultralytics import YOLO
# Load a YOLOv10 model configuration
model = YOLO('../yolov10n.pt')
# Train the model
results = model.train(data='../datasets/xxx/data.yaml', epochs=100, imgsz=640)
训练过程是正常的,但使用以下代码进行预测时,出现了标题所述的问题:
import ultralytics
model = ultralytics.YOLO("best.pt")
results = model.predict("xxx.png")
# Display the results
results[0].show()
报错:
AttributeError: Can't get attribute 'v10DetectLoss' on <module 'ultralytics.utils.loss' from '/Users/xxx/miniconda3/envs/yolo/lib/python3.9/site-packages/ultralytics/utils/loss.py'>
发现这个报错,第一时间选择上网去寻求解决方案。
网上的解决方案比较少,对我的情况好像不起作用,在此也做一个记录:
https://github.com/ultralytics/ultralytics/issues/13931
这个github issue里面,有一位老哥建议可以更新ultralytics到最新的版本
执行pip install --upgrade ultralytics之后,再次运行依然是报错的
看了一些 其他的解决方案,经过尝试没有效果,于是把之前作出尝试的操作都取消了,保留了这个对ultralytics的更新。
没找到合适的办法,只好自己寻求解决方案咯
Can't get attribute 'v10DetectLoss' on <module 'ultralytics.utils.loss' from '/Users/xxx/miniconda3/envs/yolo/lib/python3.9/site-packages/ultralytics/utils/loss.py'>
顺着这个报错的路径去找loss.py,果然发现这个文件里没有v10DetectLoss
第一想法是,能不能自己创建一个,或者找一个有v10DetectLoss内容的loss.py对其替换
想到,yolov10目录下,也有一个ultralytics文件夹,在这个文件夹下ultralytics/utils/目录里,也有一个loss.py
于是很自然地想用这个文件去替换掉/Users/xxx/miniconda3/envs/yolo/lib/python3.9/site-packages/ultralytics/utils/loss.py
对两个loss.py文件都另存备份以后,大胆替换,再次运行模型预测代码,发现报错发生了变化,在此忘记记录了,大意是新的loss.py里面没有的一个类,但是原来的loss.py里面是有的
于是我将两个loss.py文件内容整合成了新的loss.py文件,放入该目录下,再进行预测后就恢复正常了,不再报错。
啰哩啰嗦地记录了一个笨方法,不过这个坑好像还没有比较通用的解决方案,在此算是记录了自己的一点点思路,希望对之后遇到这个问题的人能产生帮助。