yolov5配置错误记录

在使用YOLOv5训练过程中遇到找不到数据集、标签错误、数据为0及FutureWarning: Non-finite norm等问题。通过检查数据集路径、标签命名、数据质量、学习率、梯度爆炸等多方面进行排查,发现数据集标签文件夹命名错误和训练数据可能存在异常值。目前问题尚未完全解决,解决方案将在后续文章中分享。

 这里是直接没有找到数据集,说明是路径错误。经过设置yaml后,

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../autodl-tmp/datasets/neu  # dataset root dir
train: train/images  # train images (relative to 'path') 118287 images
val: val/images  # val images (relative to 'path') 5000 images
test: test/images  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# Classes
nc: 6
names:
  0: crazing
  1: inclusion
  2: patches
  3: pitted_surface
  4: rolled-in_scale
  5: scratches

出现了新的错误。

 这里显示找不到标签,就非常困惑,然后开始了一些无用 的尝试,以为是数据集的问题,甚至想换个数据集,但是还是再尝试了一下,把数据集放在yolov5下面,以及看train.py等配

### 在 Ubuntu 上配置 YOLOv5 环境 #### 1. 检查操作系统版本 在开始之前,确认当前使用的 Ubuntu 版本。可以通过以下命令获取系统版本信息: ```bash cat /proc/version ``` 如果返回的结果类似于 `Linux version 5.4.0-150-generic` 并提到 `Ubuntu 18.04` 或其他版本,则可以根据具体版本调整后续操作[^1]。 --- #### 2. 创建 Python 虚拟环境 YOLOv5 对 Python 的最低要求是 3.7 及以上版本。推荐使用 Conda 来管理虚拟环境,因为它能更方便地处理依赖关系。 ```bash conda create -n yolov5_env python=3.8 conda activate yolov5_env ``` 如果没有安装 Conda,也可以通过 venv 工具创建虚拟环境: ```bash python3 -m venv yolov5_env source yolov5_env/bin/activate ``` --- #### 3. 下载并克隆 YOLOv5 仓库 进入目标工作目录后,执行以下命令以克隆官方 YOLOv5 GitHub 仓库: ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` --- #### 4. 安装必要的依赖项 运行以下命令可以自动安装 YOLOv5 所需的所有依赖库: ```bash pip install -r requirements.txt ``` 这一步会安装诸如 PyTorch、NumPy 和 OpenCV 等核心组件[^2]。 --- #### 5. 配置 GPU 支持(可选) 为了充分利用 NVIDIA 显卡加速训练过程,需要安装 CUDA 和 cuDNN 库。以下是针对不同 Ubuntu 版本的具体方法: ##### **对于 Ubuntu 18.04** 按照 NVIDIA 官方文档逐步安装 CUDA Toolkit 11.4: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/11.4.4/local_installers/cuda-repo-ubuntu1804-11-4-local_11.4.4-470.82.01-1_amd64.deb sudo dpkg -i cuda-repo-ubuntu1804-11-4-local_11.4.4-470.82.01-1_amd64.deb sudo apt-key add /var/cuda-repo-ubuntu1804-11-4-local/7fa2af80.pub sudo apt-get update sudo apt-get -y install cuda ``` 完成后,在 `.bashrc` 文件中添加路径变量以便加载 CUDA: ```bash echo 'export PATH=/usr/local/cuda-11.4/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 验证安装成功与否可通过以下命令测试: ```bash nvcc --version ``` 显示版本号即表示正常[^3]。 ##### **对于更高版本的 Ubuntu** 如果是较新的发行版如 Ubuntu 22.04,可以直接利用 APT 包管理器简化流程: ```bash sudo apt install nvidia-cuda-toolkit ``` --- #### 6. 测试模型推理功能 最后,尝试运行预定义脚本来检验整个设置是否正确无误。例如,检测图像中的对象: ```bash python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/ ``` 此命令将基于小型权重文件 (`yolov5s.pt`) 处理指定图片集下的内容,并输出预测结果到屏幕或保存至本地文件夹内[^5]。 --- #### 注意事项 - 如果遇到任何错误提示,请仔细阅读报错日志定位问题所在; - 不同硬件架构可能影响某些特定模块编译兼容性,必要时查阅对应驱动程序更新记录解决冲突情况。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

五百五。

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
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