YOLOV5s 训练问题总结

问题1：训练出现检测结果和标签不对应

解决说明：数据配置文件data.yaml文件中参数分类要根据yolo中0，1，2顺序排序！！例如：0：kp 1：hh 2：qk

问题2：运行yolov5 train.py报错：AssertionError: Image Not Found …/data/images/xxx.png

解决说明：需将之前在本机或服务器端训练生成的.cache文件删除，重新在电脑或服务器上运行train.py即可

实际操作：在存放标签的目录下，删除train.cache和val.cache后再重新在自己电脑或者服务器上运行即可

问题3：PermissionError: [Errno 13] Permission denied

解决说明：是文件无法打开，可能产生的原因是文件找不到，或者被占用，或者无权限访问，或者打开的不是文件，而是一个目录

实际操作：sudo chmod 777 filename

filename换成你需要解锁的文件即可，例如：sudo chmod 777 main.cpp.那么被锁的main.cpp文件就解锁了。但是要注意，这种方法如果是一个文件夹，那么这个大的文件夹是解锁了，里面的一些小的文件或是文件夹还是上锁的，但是可以单独对这个大的文件夹操作了，比如增删之类的。

对于整个文件的解锁：

实际操作：sudo chown -R username filename

username就是你Ubuntu系统安装的时候取得名字，filename就是被锁文件夹名字。

例如 sudo chown -R coco libbpf 这个时候libbpf文件夹就被解锁而且里面的内容都不会被锁，也就是相当于是全部解锁。

————————————————
版权声明：本文为CSDN博主「木可木可❀」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44260459/article/details/122713532

问题4：对于服务器单击多卡训练问题

单击多卡命令

$  python -m torch.distributed.launch --nproc_per_node 2 train.py --batch 32 --data data/AKD1.yaml --weights weights/yolov5s.pt --device 0,1

–nproc_per_node： 指定多少GPU要被使用。
–batch-size：这里是总的大小，多个GPU这个值将被均分，比如以上示例有2个GPU，那每个GPU batch-size为32/2=16

注意：一定要对应文件路径，有的博客写的是直接pt文件或者yaml文件，我这边会报错改为路径就好了

1.可以选择在pycharm的终端上进行输入

2.可以选择直接在系统terminal终端输入，但是要先cd 到项目的文件夹里面不然会报错！