关于yolov5-lite训练过程的踩坑记录

最新推荐文章于 2024-05-20 15:31:58 发布
最新推荐文章于 2024-05-20 15:31:58 发布
阅读量131 收藏
点赞数 3
文章标签： YOLO 深度学习 嵌入式硬件
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_74279806/article/details/136989539
版权

博主最近在做一个关于智能小车的视觉项目，想选用yolov5-lite模型进行搭载，训练过程中发现 train.py文件中报错：浮点数转换错误。

此问题是由于在tensor张量中，有部分参数并未默认为浮点数类型，点击报错的代码行，将问题参数直接加.long()后缀转换即可

39841
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
YOLOv5-lite预训练权重文件
07-06
YOLOv5-lite预训练权重文件（V5lite-e.pt/V5lite-s.pt/V5lite-g.pt/V5lite-c.pt） YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练权重文件 YOLOv5-lite预训练...
树莓派部署yolov5-lite全过程及踩坑记录
Alihao_的博客
10-14 2145
总之，YOLOv5-Lite模型相较于YOLOv5更轻、更快、更易部署，将其部署到树莓派上可以实现实时目标检测，并节约成本和提供便携性。内容包括树莓派上部署yolov5-lite模型
yolov5lite v1.4 踩坑记录
megaparsec
05-26 512
1.定位utils文件夹下的loss.py，将 gain = torch.ones(7, device=targets.device).long() 改为 gain = torch.ones(7, device=targets.device).int() 或者直接省略后面的 .int()我的环境是CUDA 12.0.1 ，CUDA可向下兼容（通常情况下，较新版本的 CUDA 驱动能够向下兼容较老版本的 PyTorch），必须要注意版本的对应性，可参考此，将PyTorch降级为1.11.0。
最强人脸检测来了 yolov5 face
jacke121的专栏
04-26 7002
yolov5 face 在yolov5的基础上增加landmark预测分支，loss使用wingloss,使用yolov5s取得了相对于retinaface-r50更好的性能。 WiderFace测试 在wider face val精度（单尺度最大边输入分辨率：1024） Backbone Easy Medium Hard yolov5s 95.4% 94.6% 88.2% Yolov5m 95.8% 95.1% 90.5% ...
【YOLOv5】--详细版训练自己的数据集 保姆级学习日志记录 手把手教程
weixin_45768644的博客
07-22 1670
yolov5-6.1 训练自己的数据集
基于树莓派4B的YOLOv5-Lite目标检测的资源包
06-27
基于树莓派4B的YOLOv5-Lite目标检测的移植与部署的资源包，搭配本人树莓派4B的镜像版本使用效果更佳！（积分不够的朋友点波关注，无偿提供）
yolov5-lite树莓派部署文件，参考博客yolov5lite部署使用
10-14
然后，需要下载yolov5-lite的代码和预训练模型。 接下来，可以通过修改代码中的配置文件来定制模型的行为。 最后，运行代码即可使用yolov5-lite进行目标检测。 需要注意的是，具体的部署步骤可能会因为不同的树莓派...
yolov5-lite
08-04
采用yoloV5-lite进行数字识别，这个是移植过树莓派4B上的，直接加载到树莓派4B上，配置好环境就可以直接使用，帧率较低，一秒3帧左右
Yolov5-Lite训练样本集，可直接使用
04-10
Yolov5-Lite训练样本集，可直接使用
YOLOv8改进 | 图像修复 | 适用多种复杂场景的全能图像修复网络AirNet助力YOLOv8检测（全网独家首发）
Snu77的博客
05-16 266
官方代码地址点击此处即可跳转 ​文章提出的一种名为AirNet（All-in-one Image Restoration Network）的全能图像修复网络。AirNet由对比基降解编码器（CBDE）和降解引导修复网络（DGRN）两个神经模块组成，能够在未知损坏类型和程度的情况下恢复受损图像。这两部分共同工作，能够处理多种类型的图像退化，而无需预先知道损坏的具体信息。
【YOLOv7改进系列】引入YOLOv5的C3模块
2401_84870184的博客
05-14 268
C3模块的第二阶段使用深度可分离的膨胀卷积，扩大了感受野，增强了全局一致性。：C3模块采用两阶段设计，首先使用深度方向的非对称卷积来收集并压缩相邻像素的信息，减轻由于膨胀卷积造成的局部信息丢失问题。总之，C3模块通过创新的结构设计，有效融合了深度可分离卷积和膨胀卷积的优点，实现了轻量化模型设计中的一个关键突破，同时保持了分割和分类任务的高性能表现。：除了语义分割，C3模块还被应用于ImageNet分类任务，展示出替换膨胀卷积并维持或提升性能的能力，进一步验证了其作为深度学习基本构建块的潜力。
[数据集][目标检测]抽烟喝酒检测数据集VOC+YOLO格式1026张2类别
FL1623863129的博客
05-18 273
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:[“drinking”,“smoking”]图片数量(jpg文件个数)：1026。标注数量(xml文件个数)：1026。标注数量(txt文件个数)：1026。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
深度学习之基于YoloV7+OpenPose姿态识别系统
qq1744828575的博客
05-17 908
一、系统背景随着深度学习技术的快速发展，其在计算机视觉领域的应用也日益广泛。姿态识别作为计算机视觉的一个重要分支，对于人机交互、运动分析、动作捕捉、虚拟现实等领域具有重要意义。YOLOv7和OpenPose作为两种先进的深度学习算法，分别在目标检测和人体姿态估计方面表现出色。因此，结合YOLOv7和OpenPose的优势，构建基于YOLOv7+OpenPose的姿态识别系统，具有广阔的应用前景。二、系统组成。
[智能AI摄像头]RV1126部署yolov5并加速
warren103098的博客
05-15 423
[AI智能摄像头]RV1126部署yolov5并加速
YOLOv5独家改进：mamba系列 | 视觉态空间（VSS）块结合C3二次创新，轻量级改进 | VMamba2024年最新成果
最新发布
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9，订阅者私信添加本人微信！！！ By AI小怪兽
05-20 37
视觉态空间（VSS）块结合C3二次创新，轻量级改进
YOLOv8 如何实现多主干特征融合方式 | GhostNet+ShuffleNet / SwinTransformer+ShuffleNet
weixin_39818775的博客
05-17 663
未来可以探索更多类型的轻量级主干网络,如 MobileNetV3、EfficientNet 等,并尝试将它们与 SwinTransformer 或其他高性能网络进行融合,进一步提升 YOLOv8 在移动端的性能和部署效果。通过将不同类型的轻量级主干网络组合,可以充分利用各自的优势,提升模型的特征提取能力和推理效率。YOLOv8 采用多主干特征融合的方式,可以有效提升目标检测的性能。多主干特征融合技术可以显著提升 YOLOv8 在资源受限设备上的目标检测性能,为智能设备的应用场景提供了更多可能性。
YOLO8 物体检测,啥都不懂，尝试着玩一下
Zzzzzzz_s的博客
05-17 205
然后，在pycharm上输入。youtube上的一个教程。
yolov5-lite训练数据集
09-08
训练数据集对于目标检测算法的训练非常重要，以下是一些关于训练数据集的注意事项： 1. 数据集收集：首先，您需要收集包含您感兴趣的目标类别的图像数据集。这可以通过从互联网上下载现有数据集，或者自己拍摄和...

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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