中文乱码解决 

yolov9 加载中文标签显示乱码解决办法-CSDN博客https://blog.csdn.net/bill125bill/article/details/136609839参考如上博客。同时，需要留意几点内容。

修改完这部分代码以后，需要重新训练才能看到效果，且matrix混淆矩阵等，需要完全训练完毕才能看见。

训练需要注意的问题

报错解决

报错1：

AttributeError: 'list' object has no attribute 'device'

报错1解决方案：

 需要自行调整源代码。yolov9目标检测测试报错AttributeError: ‘list‘ object has no attribute ‘device‘_list' object has no attribute 'device-CSDN博客文章浏览阅读1.5k次，点赞21次，收藏27次。general.py的位置可以直接点击报错的这个链接跳转，当然也可以在根目录下的yolov9-main\utils\general.py手动打开。这是因为general.py代码中，900行左右的代码错误了，可以看到里面是一个包含两个数据的，假如直接设置是会报错的。下面的yolov5的，可以看到只有一个数据，所以不会报错，照抄代码是不对的哟，官方大大！现在是2024年2月23日，后期官方可能会修改这个bug，根据具体情况来修改。所以需要对代码进行遍历，设置它改写后的代码如下，替换之前的代码即可。_list' object has no attribute 'devicehttps://blog.csdn.net/weixin_41717861/article/details/136261437

报错2：

AttributeError: 'list' object has no attribute 'view' 

报错2解决：训练需要用到train_dual.py而不是train.py

原因如下，WongKinYiu大神做出了回应，训练yolov9模型需要用train_dual.py而不是train.py

本人训练的超参数设置

def parse_opt(known=False):
    parser = argparse.ArgumentParser()
    # parser.add_argument('--weights', type=str, default=ROOT / 'yolo.pt', help='initial weights path')
    # parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
    parser.add_argument('--weights', type=str, default='D:/Code/yolov9/yolov9-c.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default='D:/Code/yolov9/models/detect/yolov9-c.yaml', help='model.yaml path')
    parser.add_argument('--data', type=str, default=ROOT / 'D:/Code/yolov9/data/datasets/my_data.yaml', help='dataset.yaml path')
    parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-high.yaml', help='hyperparameters path')
    parser.add_argument('--epochs', type=int, default=688, help='total training epochs')
    parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
    parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
    parser.add_argument('--rect', action='store_true', help='rectangular training')
    parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
    parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
    parser.add_argument('--noval', action='store_true', help='only validate final epoch')
    parser.add_argument('--noautoanchor', action='store_true', help='disable AutoAnchor')
    parser.add_argument('--noplots', action='store_true', help='save no plot files')
    parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')
    parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
    parser.add_argument('--cache', type=str, nargs='?', const='ram', help='image --cache ram/disk')
    parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
    parser.add_argument('--device', default='1', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
    parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
    parser.add_argument('--optimizer', type=str, choices=['SGD', 'Adam', 'AdamW', 'LION'], default='SGD', help='optimizer')
    parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
    parser.add_argument('--workers', type=int, default=8, help='max dataloader workers (per RANK in DDP mode)')
    parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')
    parser.add_argument('--name', default='exp', help='save to project/name')
    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
    parser.add_argument('--quad', action='store_true', help='quad dataloader')
    parser.add_argument('--cos-lr', action='store_true', help='cosine LR scheduler')
    parser.add_argument('--flat-cos-lr', action='store_true', help='flat cosine LR scheduler')
    parser.add_argument('--fixed-lr', action='store_true', help='fixed LR scheduler')
    parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
    parser.add_argument('--patience', type=int, default=100, help='EarlyStopping patience (epochs without improvement)')
    parser.add_argument('--freeze', nargs='+', type=int, default=[0], help='Freeze layers: backbone=10, first3=0 1 2')
    parser.add_argument('--save-period', type=int, default=-1, help='Save checkpoint every x epochs (disabled if < 1)')
    parser.add_argument('--seed', type=int, default=0, help='Global training seed')
    parser.add_argument('--local_rank', type=int, default=-1, help='Automatic DDP Multi-GPU argument, do not modify')
    parser.add_argument('--min-items', type=int, default=0, help='Experimental')
    parser.add_argument('--close-mosaic', type=int, default=0, help='Experimental')

    # Logger arguments
    parser.add_argument('--entity', default=None, help='Entity')
    parser.add_argument('--upload_dataset', nargs='?', const=True, default=False, help='Upload data, "val" option')
    parser.add_argument('--bbox_interval', type=int, default=-1, help='Set bounding-box image logging interval')
    parser.add_argument('--artifact_alias', type=str, default='latest', help='Version of dataset artifact to use')

batch-size=16就可以让24GB显存的GPU近乎满载运行训练代码了。因此batch-size大于16的参数不建议使用。如果是小于16GB显存的GPU。则建议使用batchsize=8来运行。