目录

一、解决报错UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe3 in position 15: invalid continuation byte

二、解决ERROR: Could not build wheels for pycocotools, which is required to install pyproject.toml-based pro

三、解决OSError: [WinError 1314] 客户端没有所需的特权。: 'D:\\my\\else\\code-learning2\\python-study\\deep-learning\\network\\yolo\\Yolov5_for_PyTorch-master\\Yolov5_for_PyTorch-master\\coco\\train2017' -> './images/train2017'

四、解决RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory

---

一、解决报错UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe3 in position 15: invalid continuation byte

问题：出现了无法识别的字符，导致模型文件加载失败，并且这个无法识别的字符是第15个字符。

# 读取验证集csv
X_valid = pd.read_csv("./database/X_valid.csv", index_col=0)
y_valid = pd.read_csv("./database/y_valid.csv", index_col=0)

报错如下， 

原因：实际上是因为这段代码中传递模型文件路径字符出现了utf-8无法解码的情况。

解决方法：模型文件路径中包含 中文 ，导致解码失败，具体来说是存储该模型的文件夹为中文，将文件夹修改为 英文 后，发现代码运行成功了。

二、解决ERROR: Could not build wheels for pycocotools, which is required to install pyproject.toml-based pro

问题：安装pycocotools时报错，

原因：根本错误在于Microsoft Visual C++ 14.0 or greater is required. 

解决方法：我们可以直接安装Microsoft C++ Build Tools，而不需要安装Visual Studio。

（1）下载地址：http://my.visualstudio.com/，首先，登录账号，点击进入下载页面。接下来，在下载页面搜索 Build Tools for Visual Studio 2015 with Update 3，

地址：Downloads - Visual Studio Subscriptions Portal

在搜索结果中，点击Visual Studio 2015 update 3后，下载对应的文件即可，约1.1G，这里需要将格式修改为DVD。 

（2）下载完成后，我们得到了文件mu_visual_cpp_build_tools_2015_update_3_x64_dvd_dfd9a39c.iso，

双击打开，然后双击VisualCppBuildTools_Full.exe即可自动进行安装。

开始安装，

（3）安装后，即可正常使用pip进行对应包的安装，

pip install  -i https://pypi.tuna.tsinghua.edu.cn/simple pycocotools

 OK，解决了。

三、解决OSError: [WinError 1314] 客户端没有所需的特权。: 'D:\\my\\else\\code-learning2\\python-study\\deep-learning\\network\\yolo\\Yolov5_for_PyTorch-master\\Yolov5_for_PyTorch-master\\coco\\train2017' -> './images/train2017'

解决方法：以管理员运行pycharm，然后重新运行训练命令即可。

四、解决RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory

问题：

原因：

1. 模型训练的时候pytorch版本与目前使用的pytorch版本不一致，不能很好的兼容。
2. 原来模型损坏。

解决方法：

1. 模型训练的时候pytorch版本与目前使用的pytorch版本不一致，不能很好的兼容。
2. 原来模型损坏：预训练模型文件损坏 或者 预训练参数文件损坏 找到并替换就ok了。

确实，我是先训练的模型，保留模型参数到一个.ph文件，才进行的测试。 看网上说是因为原来模型损坏，然后我猜测是因为.ph文件损坏的问题，重新训练模型之后，就可以了。