复现炮哥带你学—Yolo5训练安全帽（vscode + pytorch）报错总结，数据库链接+权重文件链接-CSDN博客

本文链接：https://blog.csdn.net/why1249777255/article/details/133716767

复现炮哥带你学—Yolo5训练安全帽（vscode + pytorch）报错总结，数据库链接+权重文件链接

1、本篇博客说明
2、训练YOLOV5前的准备工作
3、开始我们的bug解决之旅
4、模型的验证和推理
5、总结

1、本篇博客说明

该篇博客是小编苦经环境配置以及代码各种问题报错后，成功复现博客“炮哥带你学”的Yolo5安全帽的经验分享，也可以算是我所遇到的问题的总结，也顺便记录我深度学习的过程。

在这里贴一张成功复现，并正在训练的图片。
在这里插入图片描述

环境的配置以及给自己想要的数据集打标签等步骤我在这里省略，如果你有什么不清楚的，可以去看“炮哥带你学”的相关博客以及对应的B站视频。为了更好的帮到你，我在此列出我所省略的东西，并说明学习的顺序以及对应的链接。如下：

第一步：环境的安装
对应的博客：https://blog.csdn.net/didiaopao/article/details/119787139
对应的B站视频：https://www.bilibili.com/video/BV1f44y187Xg?p=2&vd_source=cca00652b9b49985d570f56c8317309d

第二步：学习使用labelimg给数据集打标注
对应的博客：https://blog.csdn.net/didiaopao/article/details/119808973
对应的B站视频：https://www.bilibili.com/video/BV1f44y187Xg?p=3&vd_source=cca00652b9b49985d570f56c8317309d

第三步：数据集格式转换与划分
对应的博客：https://blog.csdn.net/didiaopao/article/details/120022845
对应的B站视频：https://www.bilibili.com/video/BV1f44y187Xg?p=4&vd_source=cca00652b9b49985d570f56c8317309d

前面这三步是复现的基础，也是以后去训练自己模型的基本步骤，所以也请认真学习。完成这三步的学习后，就到了第四步，也就是我遇到问题最多的地方，即下载源代码并开始训练。

2、训练YOLOV5前的准备工作

2.1学习第四步对应的博客链接和B站链接

对应的博客：https://blog.csdn.net/didiaopao/article/details/119954291
对应的B站视频：https://www.bilibili.com/video/BV1f44y187Xg?p=5&vd_source=cca00652b9b49985d570f56c8317309d

2.2数据集下载

在这里插入图片描述

https://pan.baidu.com/s/1WwNX-bU9fD_mAofasn7E4A?pwd=6x9r
下载好数据集之后，用第三步“数据集格式转换与划分”中将voc数据格式转换为yolo数据格式的代码，完成数据集的划分。
在划分数据集之前，你的数据集结构应该是这样子的：
在这里插入图片描述

当数据集划分后，除了在VOC2007路径下多了yolo格式的数据文件夹：

在VOCdevkit路径下会多出两个文件夹，分别是images和labels，里面其实就是划分的训练集和验证集。

2.3YOLOV5源代码下载

进入yolov5下载的GitHub网站下载代码：https://github.com/ultralytics/yolov5/tree/v5.0
在这里插入图片描述

2.4权重文件yolov5s.pt下载

通过下面这个链接下载5s这个权重文件
https://pan.baidu.com/s/10uyMTanqm9DQvSFctiyYQQ?pwd=wnlt

2.5放置划分好的数据集和权重文件

数据集的放置：放置到你解压源代码文件后的yolov5-5.0路径下就可以了，与data、models、runs等文件夹是同路径的。
在这里插入图片描述
权重文件的放置：放置到yolov5-5.0路径下的weights文件夹里面。

2.6修改我们需要的数据.yaml文件

在这里插入图片描述
修改我们的hat.yaml文件内容：

我们所需要的数据路径如下：

修改好的hat.yaml文件如下：

2.7修改我们需要的模型.yaml文件

在这里插入图片描述
然后把第一行的类别改为2就可以了。

2.8修改我们的train.py文件

修改我们的权重文件、模型文件、数据文件路径。修改位置为train.py的458到460行。
在这里插入图片描述
权重路径：

模型路径：

数据路径：

2.9修改我们的datasets.py文件

将81行的 num_workers的值设置为0，如果步设置为0，会发生3.5所描述的报错。
在这里插入图片描述

到这里，我们的准备工作就做完了，接下来就要开始运行代码，报错即将开始。

3、开始我们的bug解决之旅

这里说明一下，本篇文章与炮哥的视频中的步骤是不一样的，我在运行任何代码（包括配置环境所需要的包）前，已经将准备工作（包括data和models中的.yaml文件改写以及train.py文件修改好）。

3.1运行requirements.txt配置发生报错

错误描述：在终端运行pip install -r requirements.txt配置所需要的包发生报错，报错内容如下

FileNotFoundError: [WinError 206] 文件名或扩展名太长

在这里插入图片描述

错误原因：

安装onnx-simplifier包的时候使用以下指令时出现了报错。

解决办法1：在终端下运行下面这行代码，这里是参考的“今天一定要洛比达”的文章，链接放在这里：https://blog.csdn.net/weixin_46274756/article/details/129732390

pip install -i https://pypi.douban.com/simple onnx-simplifier==0.4.10 --user

解决办法2：如果办法1没有解决问题，也可能是因为你开了翻墙软件的原因，导致在下载所需要的包的时候跑到了国外下载，所以发生报错。你可以关闭翻墙软件后，重启电脑，然后再在终端运行pip install -r requirements.txt。本人是这样解决的。如果比较慢，可以运行下面的代码（使用清华源下载）：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3.2运行train.py发生报错之SPPF类报错

错误描述：在第一次运行train.py时发生了以下报错

AttributeError: Cant get attribute SPPF on module models.common from E:\VScode_project\Y5\yolov5-5.0\models\common.py

错误原因：common.py文件中缺少了SPPF类
解决办法：在vscode中的models下找到common.py文件

在这给文件中加入以下代码：

import warnings
class SPPF(nn.Module):
    # Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
    def __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))
        super().__init__()
        c_ = c1 // 2  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)
 
    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')  # suppress torch 1.9.0 max_pool2d() warning
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

加入SPPF类后的common.py文件如下：
在这里插入图片描述

参考文章：该问题解决参考了“啥也不是的py人”的文章，链接：https://blog.csdn.net/weixin_50920579/article/details/121307820

3.3运行train.py发生报错之RuntimeError:result type Float can‘t be cast to the desired output type long int报错

错误描述：

RuntimeError: result type Float can‘t be cast to the desired output type long int
或者
RuntimeError: result type Float can‘t be cast to the desired output type __int64

错误原因：yolov5-master版本和yolov5-5.0/yolov5-6.1等版本下的【utils】中的【loss.py】文件是不一样的，大概是yolov5-5.0/yolov5-6.1等版本在更新版本的时候出了问题。
问题解决：找到utils下的loss.py，

用以下代码修改第178行代码，

 anchors, shape = self.anchors[i], p[i].shape

修改后代码图片：（一定要注意对其）
在这里插入图片描述
用以下代码修改第211行代码，

indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1)))  # image, anchor, grid

修改后代码图片：
在这里插入图片描述

参考文章：该问题解决是参考的“蓝胖胖”的文章，链接：https://blog.csdn.net/Thebest_jack/article/details/125649451

3.4运行train.py发生报错之AttributeError: module ‘numpy’ has no attribute ‘int’.

错误描述：

AttributeError: module ‘numpy’ has no attribute ‘int’.

错误原因：原因是你下载的numpy版本过高，里面已经不支持int这个函数还是类，反正就是你的numpy中没有“int”这个结构了。
解决办法：将你的numpy降低版本，降到1.22这个版本，具体操作如下：

先用下面的代码卸载你当前版本的numpy，

pip uninstall numpy

然后用下面的代码安装1.22版本的numpy，

pip install numpy==1.22

如果下载是不是就出现链接报错或者是远程服务器关闭等错误，那就关掉你的翻墙软件，在进行下载安装，不行就重启电脑

3.5运行train.py发生报错之[WinError 1455]页面文件太小,无法完成操作。

问题描述：
问题原因：虚拟内存不够
问题解决：看2.8的操作。

3.6运行train.py发生报错之CUDA out of memory.

问题描述：
问题原因：GPU显存溢出的报错。
问题解决：修改train.py的batch size 和参与的cpu个数.

4、模型的验证和推理

因为博客写到这里的时候，模型也刚好训练完，所以就干脆把模型的验证和推理所遇到的报错给写了。相信部分小伙伴肯定也会遇到这些问题。

4.1图片的推理

首先我们要找到我们训练好之后的模型文件，last.py和best.pt这两个文件，他们的位置在runs->train里面，如下图：
在这里插入图片描述
然后我们找到我们的推理文件detect.py，修改模型路径和所要测试的图片路径：

运行detect.py文件，然后就会报错啦，哈哈哈！！！

报错描述：

OSError: [Errno 22] Invalid argument: ‘weights\x08est.pt’

报错原因：路径书写格式有问题，比如’weights\best.pt’，我们在单引号里面使用了‘\’，大家学过点编程都知道这个符号是比较特殊的符号，即转义字符，例如‘\t’表示换行，‘\a’表示发出警报。所以尽量不要用’'的路径表示方式。
解决办法：把所有的‘\’全部换位‘/‘。即原本的’weights\best.pt’变成’weights/best.pt’. 还有其他的改写方法，这里我就不说了，百度一下就全知道了。

运行成功后，我们的图片会被保存到下面这个地方，点击就可以进行查看了：exp后面的数字代表你第几次运行detect.py这个文件
在这里插入图片描述