YOLO11报错：AttributeError: module ‘torch‘ has no attribute ‘OutOfMemoryError‘

原创 已于 2025-03-19 21:00:28 修改 · 1.2k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO #yolov8 #python #yolo11 #报错

于 2025-03-19 20:58:45 首次发布
该文章已生成可运行项目，

事情是这样的：前几天YOLO11的代码还是可以训练的，昨天训练了一天，今天换模型就报这个错。

AttributeError: module 'torch' has no attribute 'OutOfMemoryError'

我查了一下：YOLO11官方代码issues里面也有人有同样的问题，不过给出的解决方法是：

检查数据集中的所有标签是否有错误

我的情况是前几天能用，今天突然不能用，显然不是这个问题。

链接在这：https://github.com/ultralytics/ultralytics/issues/18433

后面我又看到一个回答，说是YOLO11代码中有BUG，但是作者回答说2023年1月已经修复了漏洞。所以如果你用的YOLO11比较早，建议换最新的代码

链接在这：https://github.com/ultralytics/ultralytics/issues/487

后来我细看了一下，产生BUG的原因是Pytorch的版本问题，说上面的报错只有高一点的Pytorch才有，于是我升级到最新的Pytorch，问题就解决了。

查资料看有人说降低Batch-size也能行，我没试，如果上面的思路都解决不了，就试试吧~

本文章已经生成可运行项目
【yolo系列：运行报错AttributeError: module ‘torch.nn‘ has no attribute ‘Mish‘】
weixin_47869094的博客
08-13 3711
这个问题的原因是这个版本的torch中的torch.nn函数表里面没有这个Mish函数，需要更高版本的torch，在官方的文档中我们就可以查看这个版本里有没有包含这个模块。搜索1.12.0版本具有mish，所以这里推荐下载1.12.0版本的，也可以下载其他版本，具体的得看你自己缺少的是什么模块，其次就是自己的cuda一定要对应上。我们就搜索什么，然后开始在右边空白处按住ctrl+f，搜索mish，但是这里显示没有，说明torch1.8.1没有mish的模块，于是换torch。点击左上角的1.13的倒三角。
YOLOv10报错解决:AttributeError: ‘str‘ object has no attribute ‘view‘
①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体；
05-28 1385
YOLOv10报错解决:AttributeError: 'str' object has no attribute 'view'
AttributeError: module ‘torch._C‘ has no attribute ‘_cuda_setDevice‘解决错误
weixin_64966207的博客
01-12 4586
笔者正在自学深度学习相关知识，最近给电脑配上了pytorch的gpu版本，并且根据各种教程成功安装了cuda，正打算跑几个关系抽取模型的时候遇到了如标题所述的报错。而如果真的像笔者一样出现了cuda和pytorch版本不匹配的情况，可以重新进入pytorch官网下载合适的cuda版本，具体做法可以参考这篇文章。2.可能是该电脑上的pytorch和cuda版本不兼容导致的，这种情况下需要查看目前电脑上pytorch和cuda的安装情况。如果结果是这样则你的cuda已经安装了，并且为12.2版本。
AttributeError: module ‘torch‘ has no attribute ‘_C‘
wbk1669177085的博客
12-09 4864
这个错误表明你正在尝试访问torch模块的一个不存在的属性'_C'。这可能是因为你使用的PyTorch版本与你的代码不兼容。请检查你的PyTorch版本，并确保它与你的项目要求的版本一致。如果你的PyTorch版本过低，你可以尝试升级到最新版本。如果问题仍然存在，你可能需要检查你的代码，确保你没有错误地引用了不存在的属性。
在已经安装了torch的情况下，还是出现AttributeError: module ‘torch‘ has no attribute ‘__version__‘的解决办法
专注嵌入式~
11-25 7490
最快的方法直接重开。或者参考引文3。至于上述cuda版本可以参考自己的driver version在cmd中利用指令即可查看。nvidia-smi参考下表看那个cuda与自己的driver version契合。
【已解决】pytorch完成深度学习代码遇到错误AttributeError: module ‘torch‘ has no attribute ‘_six‘
qq_41594434的博客
11-08 4490
Pytorch编写代码过程中遇到的问题，记录解决方法
AttributeError: module ‘torch‘ has no attribute ‘cuda‘
weixin_42735060的博客
05-07 1万+
看了下原因为没有装pytorch。（印象中是装了的不知道什么时候这台服务器没有了。解决方案：到pytorch官网上找到对应的cuda版本的pytorch安装即可。比如我的是cuda 10.2（使用nvcc -V命令查看）那么就是使用以下命令安装——
YOLOv10训练报错：AttributeError: ‘str‘ object has no attribute ‘view‘ 解决方法
kay_545
06-23 755
YOLOv10报错，yolov10
yolo训练时出现AttributeError: module ‘numpy‘ has no attribute ‘int‘的解决方法
sjjg129的博客
05-21 1023
yolo训练时出现AttributeError: module 'numpy' has no attribute 'int'的解决方法
Pytorch出现错误AttributeError: module ‘torch‘ has no attribute ‘_six‘
weixin_47755296的博客
04-05 1682
重新安装torch stable（2.0.0）版本，问题解决。
pycharm报错：AttributeError: module ‘torch._C‘ has no attribute ‘_cuda_setDevice‘
weixin_43978384的博客
09-17 4717
原因：pytorch没有配置GPU/CUDA（若已经安装并配置GPU+CUDA） 到pytorch官网安装适合的版本： https://pytorch.org/get-started/locally/ 将最底层的 Run this Command复制，到pycharm的终端运行。
module ‘torch‘ has no attribute ‘xxx‘ 问题的一种解决思路
weixin_64314630的博客
03-13 1325
不要将文件名命名为任何包的名字。
【BUG】PyTorch AttributeError: module ‘torch._C‘ has no attribute ‘_cuda_setDevice‘
热门推荐
xiangduixuexi的博客
07-25 3万+
如果时Python文件中调用了GPU，那么设置：torch.cuda.set_device(-1)，注意-1才代表不使用GPU。
AttributeError: module ‘torch.cuda‘ has no attribtue ‘amp‘ 问题解决
qq_34211771的博客
10-06 1万+
AttributeError: module 'torch.cuda' has no attribtue 'amp' 问题解决AttributeError: module 'torch.cuda' has no attribtue 'amp' 问题解决 AttributeError: module ‘torch.cuda’ has no attribtue ‘amp’ 问题解决 之前没有使用过apex，所以使用apex的时候，发现报了一条错误。 AttributeError: module 'torch.c
AttributeError: module ‘torch‘ has no attribute ‘outer‘ 解决方法
wpw5499的博客
03-03 2436
结论：outer替换成ger即可 pytorch1.7.0才出现的torch.outer与torch.ger功能等价 都是计算向量间外积的方法 如果你和我一样，使用的环境低于1.7.0。比如我的pytorch1.5，直接把outer替换成ger即可。 ok各位，如果你觉得这篇笔记对你有所帮助求赞求收藏求评论求转发，别忘了点一个大大的关注，各位的支持就是我最大的动力，再见！邮箱：734140820@qq.com ...
AttributeError: module ‘torch._C‘ has no attribute ‘_cuda_setDevice‘
牧羊女
07-05 5202
Jetson平台上安装PyTorch的问题定位过程。
attributeerror：module ‘torch.cuda’ has no attribute ‘reset_peak_memory_stats’
weixin_49034139的博客
11-25 2259
报错信息：attributeerror：module ‘torch.cuda’ has no attribute ‘reset_peak_memory_stats’ 应该又是版本不适配的问题。因为用的是RTX3090显卡，只支持CUDA11.0版本及以上。 解决方法：在终端中输入以下命令重新安装pytorch Pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pyto
YOLO 训练报错：AttributeError: 'InfiniteDataLoader' object has no attribute 'iterator'
最新发布
03-31
<think>嗯，用户在使用YOLO训练时遇到了AttributeError，具体是关于InfiniteDataLoader没有iterator属性的问题。首先，我需要回忆一下这个错误的常见原因。通常，AttributeError表示对象没有某个属性或方法，可能的原因包括类定义不正确、版本不兼容，或者代码中存在拼写错误。 根据用户提供的引用[1]，InfiniteDataLoader类中确实定义了__iter__方法，并且初始化时有self.iterator = super().__iter__()。这说明正常情况下应该存在iterator属性。但用户报错说没有这个属性，可能是哪里出了问题？ 可能的情况有几个： 1. **类继承问题**：用户可能在自定义InfiniteDataLoader时没有正确继承父类，导致某些方法未被正确覆盖或初始化。比如，可能漏掉了super().__init__()的调用，导致父类的初始化没有完成，进而iterator属性未被正确创建。 2. **代码版本问题**：用户使用的YOLO版本（比如YOLOv5）可能更新了DataLoader的实现，而自定义的InfiniteDataLoader没有同步更新，导致兼容性问题。例如，新版本的DataLoader可能修改了内部变量名或方法，使得旧的自定义类无法正常工作。 3. **多进程/多线程问题**：在使用多进程加载数据时，可能由于子进程未能正确复制父进程的环境或属性，导致在子进程中访问iterator属性时出现NoneType错误。这种情况下可能需要检查DataLoader的workers参数设置是否正确，或者尝试禁用多进程测试。 4. **代码拼写错误或缩进问题**：用户可能在自定义类时，代码存在拼写错误，比如将iterator拼写错误，或者__iter__方法的实现有误，导致iterator未被正确创建。 接下来，需要根据引用中的代码片段检查用户的InfiniteDataLoader实现是否正确。例如，引用[1]中的代码显示，在__init__方法中调用了super().__init__()，并且设置了self.iterator。因此，用户需要确认自己的代码是否与引用中的一致，尤其是是否在初始化时正确调用了父类的构造函数，并正确设置了iterator。 可能的解决方案包括： - **检查类定义**：确保InfiniteDataLoader正确继承了DataLoader，并且在__init__中调用了super().__init__()，同时正确初始化了iterator属性。 - **更新代码版本**：检查使用的YOLO版本是否有相关问题的修复，或者是否有社区提出的解决方案。例如，YOLOv5的GitHub仓库（引用[2]）可能已经有相关的issue或commit解决了这个问题。 - **禁用多进程**：设置workers=0，排除多进程导致的问题，如果问题消失，则可能是多进程环境中的类属性复制问题，需要调整数据加载方式。 - **异常处理**：在__iter__方法中添加异常捕获，确保在iterator不存在时重新初始化，避免程序崩溃。 另外，用户提到的另一个引用[3]中的错误是关于Keras的get_file属性错误，可能与当前问题无关，但可能提示用户环境中存在包版本冲突，例如PyTorch或相关库的版本不兼容，导致DataLoader的行为异常。因此，检查库的版本是否符合YOLO训练的要求也是必要的。 总结来说，解决步骤应围绕检查类实现、更新代码库、调整数据加载参数以及环境配置等方面展开，逐步排查可能的原因。</think>### YOLO训练出现AttributeError: 'InfiniteDataLoader'无iterator属性的解决方案 --- #### 一、问题原因分析 根据引用[1]提供的`InfiniteDataLoader`类定义，该问题通常由以下原因引起： 1. **多进程数据加载冲突**：PyTorch的DataLoader在多进程模式下可能出现属性未正确初始化的现象[^1] 2. **代码版本不兼容**：YOLOv5代码更新导致自定义DataLoader与新版本存在冲突（引用[2]的YOLOv5仓库更新记录可能涉及相关修改）[^2] 3. **类继承关系错误**：自定义DataLoader未正确覆盖父类方法 --- #### 二、分步解决方案 ##### 1. 验证基础代码结构 确认自定义`InfiniteDataLoader`的完整实现： ```python class InfiniteDataLoader(torch.utils.data.DataLoader): def __init__(self, *args, **kwargs): super().__init__(*args, **kwargs) # 必须显式调用父类初始化 object.__setattr__(self, 'batch_sampler', _RepeatSampler(self.batch_sampler)) self.iterator = super().__iter__() # 初始化迭代器 def __iter__(self): for _ in range(len(self)): yield next(self.iterator) # 正确调用迭代器 ``` **注意**：缺少`super().__init__()`会导致父类初始化不完整 ##### 2. 临时禁用多进程加载 修改训练命令尝试排除多进程问题： ```bash python train.py --workers 0 # 禁用多进程数据加载 ``` 若此时错误消失，说明是多进程环境下的属性复制问题 ##### 3. 添加异常处理机制 在自定义DataLoader中增加安全校验： ```python def __iter__(self): if not hasattr(self, 'iterator') or self.iterator is None: self.iterator = super().__iter__() # 重新初始化迭代器 for _ in range(len(self)): yield next(self.iterator) ``` ##### 4. 检查PyTorch版本兼容性 推荐使用官方验证的版本组合： ```bash pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 # 对应YOLOv5 v6.2版本 ``` 版本不匹配可能导致DataLoader内部机制变化（参考引用[2]的版本要求）[^2] ##### 5. 更新YOLOv5代码库 从官方仓库同步最新代码： ```bash git clone https://github.com/ultralytics/yolov5 # 引用[2]的仓库 cd yolov5 git pull origin master ``` --- #### 三、验证流程 1. 在单GPU环境下测试基础功能 2. 逐步增加`workers`数量（0 → 2 → 4） 3. 监控训练日志中的警告信息 4. 使用官方示例数据集进行验证 --- #### 四、典型错误排查 若出现类似引用[3]的`NoneType`错误[^3]，需检查： 1. 数据路径是否正确 2. 自定义Dataset是否返回有效数据 3. 数据预处理是否产生空值 ---
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小小的学徒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值