目录
1.安装pycocotools报错
2.Cant get attribute SPPF on module models.common
2.1原因
2.2解决方案
3.[WinError 1455] 页面文件太小，无法完成操作
3.1原因
3.2解决方案
4.AssertionError: Image Not Found D:\PycharmProjects\yolov5-hat\VOCdevkit\images\train\000000
4.1原因
4.2解决方案
5.AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘
5.1原因
5.2解决方案
6-可以看到虽然有结果图片，但是并没有框出识别结果
原因
解决方案
1.安装pycocotools报错
windows下安装
pip install pycocotools-windows
2.Cant get attribute SPPF on module models.common
执行train.py出现的报错，根据提示肯定是在models的common.py中出现的问题。
2.1原因
YOLOv6更新了common.py中的SPPF类而v5版本中没有，这个原因我也很迷惑，为啥跟v6有关系呢？
2.2解决方案
如原因所示，直接从v6版本中找到SPPF类加入到common.py中，你可以直接将以下代码复制到common中：
注意要导入这个warnings库，代码中将warnings放在了代码开头处
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))
3.[WinError 1455] 页面文件太小，无法完成操作
3.1原因
虚拟内存不足。
3.2解决方案
在utils文件下的datasets的第81行，将num_workers=nw改为=0即可：
4.AssertionError: Image Not Found D:\PycharmProjects\yolov5-hat\VOCdevkit\images\train\000000
4.1原因
如果你是下载别人的数据集进行训练的话，在其他路径配置无误的情况下报这种错说明train.py读取数据集的时候读取之前的缓存文件了。
4.2解决方案
删除数据集文件夹labels下的两个缓存文件，重新训练即可。
5.AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘
5.1原因
torch的版本过高导致不兼容。
5.2解决方案
从上面点进~\torch\nn\modules\upsampling.py将forword中的return函数里的最后一个参数删除。
6-可以看到虽然有结果图片，但是并没有框出识别结果
训练图片的结果正常放在以下文件中，但是打开发现没有想像中给我们画出识别框。
原因
detect.py检测代码未设置画框。
解决方案
在detect.py的53行左右加上cudnn.benchmark = True，我这里因为自己加了注释到58行了。
实际逻辑就是webcam代表batchsize>=1的情况，只有一张图detect的话默认不画框，加上后inference效果如下:
