使用yolo进行饮料分类所涉问题及其解决方法简析

        本文是使用yolo进行饮料识别。

        github源码网址：GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite

        

1.解决方法的主要思想

       本实验需要检查torch和torchvision库的版本，如果版本过低，后面运行可能无法运行，所以需要重装。

       可以通过监测GPU进度，验证程序是否正常运行。

       注意，要阅读官方文档，CSDN上的解决方案有时未能解决问题。

2.解决方法的实现

2.1  找不到yaml文件

图1 文件夹里有yaml文件，但运行时显示该文件不存在

     查阅资料后，将训练指令里的路径和yaml里的路径都改成绝对路径。同时，修改测试的种类数量以及名字。注意，由于是在Linux环境下，需要使用反斜杠。如图2。

图2 fall.yaml的内容初步配置

     发现新的报错，“NotImplementedError: Could not run 'torchvision: :nms' with arguments from the ' CUDA' backend.”，即torchvision版本不匹配，无法调用CUDA。重装后，版本显示如图3。

图3 torchvision的版本要求

2.2  无法生成缓存文件

图4 没有生成对应的Cache文件

     发现labels文件夹为空，故考虑将ImageSets里的文本文件放入labels文件夹里。同时，减少训练的参数。

        出现报错：[Errno 2] No such file or directory: 'data\\images\\002.jpg。检查文件夹里图片文件发现，要求jpg文件，而数据库里都是jpeg文件，故需要进行格式转换。

        考虑将data文件夹放入ultralytics文件夹里，并修改fall.yaml里路径

2.3  找不到图像

图5 找不到图像

发现train.txt，trainval.txt和val.txt为空，考虑将data文件夹里的对应文本文件拿出来替换。经过测试发现，三个文本文件里都应该是图片编号，而没有train\trainval\val等英文单词。

发现fall.yaml文件里train,val,test的路径是没有后缀的，即指向的应该是文件夹而不是文件

考虑将images文件里图片拆分进train,val,test文件夹，labels文件夹里进行类似的分类。Fall.yaml里配置如图6。

图6 fall.yaml的内容最终配置

3 实验及运行结果

图7 正常运行

参考文献：

YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等_Zhijun.li@Studio的博客-CSDN博客

Train Custom Data - Ultralytics YOLOv8 Docs