yolo训练bug1

最新推荐文章于 2024-05-06 09:07:13 发布

weixin_46256398

最新推荐文章于 2024-05-06 09:07:13 发布

阅读量679

点赞数

文章标签： YOLO python 开发语言 Powered by 金山文档

本文链接：https://blog.csdn.net/weixin_46256398/article/details/129347105

版权

训练时报错：

    magic_number = pickle_module.load(f, **pickle_load_args)
_pickle.UnpicklingError: STACK_GLOBAL requires str

解决：

数据集文件夹下删掉train.cache和val.cache文件再次运行train.py即可

优惠劵

weixin_46256398

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
yolo训练bug1

bug解决
复制链接

扫一扫

Pytorch load模型出错：_pickle.UnpicklingError: invalid load key, ‘＜‘.

zhangboshen的博客

09-20

3271

检查模型大小（大概率没下载完整），重新（手动）下载。

YOLO2+windows训练配置

12-26

在windows下利用自己的数据，训练YOLO2模型，文档内容一步一步教你如果配置训练数据。

参与评论您还未登录，请先登录后发表或查看评论

yolo训练目录文件

03-16

yolo训练目录文件yolo-data.rar 训练自己的数据集。解压缩到在darknet-master/build/darkent/x64/下。

yolo训练自己数据集.txt

05-16

yolo训练自己数据集参考链接集合，亲测好用

yolo训练可识别滑块缺口等一系列验证码易语言源码

04-04

yolo训练神经网络可识别滑块缺口等一系列验证码识别行人汽车等视觉标注

YOLOv5训练遇到bug记录

m0_54884642的博客

11-01

296

---------------------------------------------------------------定义函数-----------------------------------------在datasets.py脚本里边定义函数：img2label_paths。根据images文件夹的路径寻找labels的路径失败。重新运行train.py，既可正常训练。

【YOLOV5】记录一次自己在yolo训练模型上的全过程（附上多次解决Bug记录以及心得体会）

网瘾中心呼唤爱的博客

11-04

1031

【YOLOV5】记录一次自己在yolo训练模型上的全过程（附上多次解决Bug记录以及心得体会）

YOLO-YOLOV5训练自己模型过程记录

学习中

03-23

512

不过都先不急，下一步先去学会如何看训练效果的文件吧，看看这轮的模型到底怎么样在说别的，不能盲目的再走了。yaml的作用在于将要训练的数据集文件结构位置以及具有的类别，知会给yolov5模型，所以在yolov5项目下的data文件夹中新建自己的yaml文件。选择好路径，因为我的数据集图片过少（2365张，35类），所以增强后要与原先的图片混在一起，所以初始编号设置为2366。不过打开tensorborad界面，显示出错，仔细看了下，是该指令指定的文件路径并不能在python所在位置找到，。

yolo 车辆训练集，7000张无漏标注，识别率99.8 ，无重复图片，直接下载就跑

11-09

yolo 车辆训练集，7000张无漏标注，识别率99.8 ，无重复图片，直接下载就跑，1660跑，大概就需要1小时就搞定

pytorch报错：_pickle.UnpicklingError: invalid load key, ‘\x00‘.

最新发布

Vlone_pp的博客

05-06

478

在目标检测任务中，评估预测边界框的质量是一个重要环节。传统的 IoU（Intersection over Union）损失函数虽然能够评估预测边界框与真实边界框的重叠程度，但在某些情况下存在一些问题。例如，当预测边界框与真实边界框的重叠度较低时，IoU 损失函数的梯度会非常小，导致模型难以进行优化。由于MMYOLO中没有实现Focal IoU损失函数，所以需要在mmyolo/models/iou_loss.py中添加Focal IoU的计算和对应的iou_mode，修改完以后在终端运行。

目标检测算法YOLOv3简介

网络资源是无限的

05-01

704

目标检测算法YOLOv3简介

YOLOv5手势物体识别(附代码)

z240626191s的博客

05-04

1473

之前是做的yolov3手势物体识别，最近几天我将该项目进行了重新的整理和升级，实现了yolov5手势物体识别，同时为了方便更多的人直接拿来应用，我生成了支持windows系统的应用小程序，即便你电脑上没有安装pytorch,没有安装cuda、python，都可以使用~！

magic_number = pickle_module.load(f, **pickle_load_args) _pickle.unpicklingerror: stack_global requires str

06-28

### 回答1：这个错误是由于在反序列化对象时，遇到了一个 stack_global 对象，但是它需要的是一个字符串类型的参数。可能是在序列化时出现了问题，或者在反序列化时传入了错误的参数。建议检查一下序列化和反序列化的代码，以及传入的参数是否正确。 ### 回答2：这个错误信息提示出现在使用Pickle库（Python对象串行化库）中的load()函数时。具体来说，当我们使用pickle_module.load(f, **pickle_load_args)载入已经序列化的数据时，我们得到了一个Pickle.UnpicklingError异常，错误信息为“stack_global requires str”。这个错误表明，在反序列化的过程中，Pickle库试图将一个Python全局变量（stack_global）反序列化成字符串（str），但是这个变量被转换成了其他类型的对象而不是字符串类型。这个错误可能的原因是我们在序列化中使用了不支持序列化的对象。例如，可能有一个对象包含了一个自定义类的实例，这个自定义类并没有实现Pickle库的序列化方法。在这种情况下，Pickle库会报错，提示我们无法对这个实例进行反序列化操作。解决这个错误的方法很简单，在序列化之前，我们需要检查一下要序列化的对象是否支持Pickle库的序列化方法，如果不支持，我们需要进行修改、扩展它的功能，使得它可以被序列化。另外，在反序列化对象时，我们也需要确定将要反序列化的对象是否和序列化时的对象一致，避免发生冲突的问题。总之，我们需要在使用Pickle库时认真检查数据的类型，以保证可以顺利地进行序列化和反序列化操作。避免出现上述错误，这非常重要，只有保证数据的完整性和正确性，我们才能顺利地将数据存储、传输并使用。 ### 回答3：这个错误发生在使用Python的pickle模块时，当pickle模块尝试从文件中加载pickle对象，并将其分配给一个变量（magic_number），但在这个过程中，pickle模块遇到了一个叫“stack_global”的东西，它需要加载一个字符串类型的数据，但是它却在文件中找到了其他数据类型，因此抛出了“_pickle.unpicklingerror: stack_global requires str”的错误。这个错误通常是由以下几种情况引起的： 1.在pickle文件存储时，变量类型被错误地更改为其他类型，导致pickle模块在加载时无法识别其类型。 2.pickle文件本身出现了问题，比如文件已经被损坏或者已经被篡改。 3.pickle文件是由不同的Python版本或者操作系统生成的，导致pickle模块无法正确解析其中的数据。为了解决这个问题，我们可以尝试以下几种方法： 1.检查pickle文件存储时的变量类型是否正确，确保存储的所有变量类型都是正确的。 2.如果pickle文件出现了问题，我们可以尝试重新生成一个新的pickle文件，或者使用备份文件恢复pickle文件。 3.如果pickle文件是由不同的Python版本或操作系统生成的，那么我们可以尝试在相同版本的Python中进行加载pickle文件，或将pickle文件转换为JSON等其他格式来确保跨平台兼容性。总之，这个错误是由pickle模块的使用问题引起的，我们需要仔细检查pickle文件的生成和加载过程中的所有步骤，确保pickle文件中包含的所有数据都是正确的数据类型，并且确保我们在加载pickle文件时使用相同版本的Python。

“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