YOLOV9运行自己的数据集(小白ERROR合集)

文章讲述了在使用深度学习框架时遇到的四个问题:FreeTypeFont对象的getsize属性缺失,P、R、mAP为0的解决方案,CUDA内存不足引发的RuntimeError,以及TensorBoard图可视化失败。这些问题的解决方法包括降级依赖、调整文件路径为绝对地址、减小batch_size以及更新TensorBoard版本。
摘要由CSDN通过智能技术生成

1.AttributeError: 'FreeTypeFont' object has no attribute 'getsize'

原因:可能是新版本删除了该getsize功能,降级后可解决该问题

解决方式:

pip install Pillow==9.5

2.P、R、mAP等都为0

按照网上的方式改变.half()等尝试后结果都还是这样,没有任何起色。

后来调整了数据集,没有使用txt文件的方式寻找data的下载路径后解决了此问题,大家可以参考一下。(也可能我哪里写的不对,有大神看到的话欢迎指导)

解决方式:直接使用绝对地址,放弃相对地址

原:

path: /home/xxx/yolov9/datasets/dataset/  # dataset root dir
train: train.txt  # train images (relative to 'path') 118287 images
val: val.txt  # val images (relative to 'path') 5000 images

现:

#path: /home/xxx/yolov9/datasets/dataset/  # dataset root dir


train: /home/xxx/yolov9/datasets/dataset/images/train  # train images (relative to 'path') 118287 images


val: /home/xxx/yolov9/datasets/dataset/images/val  # val images (relative to 'path') 5000 images

文件结构是酱紫:

3.RuntimeError: CUDA out of memory. Tried to allocate 400.00 MiB (GPU 0; 10.91 GiB total capacity; 5.44 GiB already allocated; 149.38 MiB free; 5.73 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

原因:显卡太小导致的越界问题

解决方法:调小batch_size

4.目前还未解决的问题:WARNING ⚠️ TensorBoard graph visualization failure Only tensors, lists, tuples of tensors, or dictionary of tensors can be output from traced functions

已经尝试过tensorboard==2.9.0、ensorboard==2.10.1、tensorboard==2.12.0,均失败。

  • 18
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
评论 14
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