关于小土堆目标检测YOLOv5的一些报错
内容来自B站UP主:我是土堆的个人空间-我是土堆个人主页-哔哩哔哩视频
视频链接:如何利用 YOLOv5 进行预测(一)_哔哩哔哩_bilibili
报错1,如下图所示:

解决办法:
找到models/experimental.py文件
修改第118行为:
ckpt = torch.load(w, map_location=map_location, weights_only=False)

报错原因:
这个错误是因为 PyTorch 从 2.6 版本开始,加强了 torch.load 函数的安全机制,将默认参数从 weights_only=False 改为了 weights_only=True。weights_only=True 会严格限制可加载的对象类型,以避免执行模型文件中可能隐含的恶意代码。使用的 YOLOv5 v5.0 在保存模型时包含了不被新机制允许的自定义 Python 类 models.yolo.Model,从而触发了加载错误。
报错2,如下图所示:

解决办法:
- 找到model/common.py
- 在文件的任意位置(通常放在
SPP类附近)添加以下代码:
import warnings
import torch
import torch.nn as nn
class SPPF(nn.Module):
# Spatial Pyramid Pooling - Fast (SPPF) layer
def __init__(self, c1, c2, k=5):
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')
y1 = self.m(x)
y2 = self.m(y1)
y3 = self.m(y2)
return self.cv2(torch.cat([x, y1, y2, y3], 1))


报错原因:
遇到的 AttributeError: Can't get attribute 'SPPF' 错误,是因为你使用的 YOLOv5 代码库版本(v5.0)较老,它所包含的models/common.py中没有定义新版本 YOLO 模型(如 v6.0+)中使用的 SPPF 模块。你尝试加载的权重文件很可能是用新版 YOLOv5 训练的,其中包含了 SPPF 层,所以加载失败。
报错3,如下图所示:

RuntimeError: The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3
解决办法:
手动下载权重文件,下载地址:YOLOV5的权重文件下载地址
通过网盘分享的文件:YOLOv5小土堆权重文件
链接: https://pan.baidu.com/s/1nkmEieO3T_5vB-IIh1DE2w?pwd=tcbe 提取码: tcbe 
手动下载完成后放到detect.py的同级目录下后,重新运行即可

报错原因:
这个错误是张量维度不匹配,在 YOLO 的检测头(Detect 层)里,anchor_grid 的形状与模型预测的特征图尺寸不一致。常见原因是:训练时使用的输入图片尺寸(例如 640×640)与当前运行 detect.py 时的输入尺寸不一致,导致特征图缩放比例变化,Anchor 的个数无法对齐。很可能当前使用的权重文件(比如 yolov5s.pt)是用较新版本(v6.0+)训练的,而你的代码是 v5.0。两个版本间的 Anchor 生成逻辑有所不同,即使输入尺寸相同,仍可能触发维度不匹配。
报错4,如下图所示:

AssertionError: Image Not Found C:\Users\demo\Desktop\中文路径\yolov5-5.0\yolov5-5.0\data\images\bus.jpg
解决方法:
保证项目的路径中没有中文字符即可。

报错原因:
文件找不到的问题确实很常见。这个报错 AssertionError: Image Not Found ... 核心意思是 YOLOv5 程序没能找到 bus.jpg 这张图。其实文件是有的,读者发现好像只要路径中没有中文字符就可以解决了。
结束:
完成上述步骤之后即可生成检测结果。
enjoy yourself!


AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐



所有评论(0)