yolo加载模型出错问题记录

zwl613613613

已于 2025-04-14 11:24:38 修改

阅读量720

点赞数

文章标签： pytorch

于 2022-04-29 18:20:07 首次发布

本文链接：https://blog.youkuaiyun.com/zwl613613613/article/details/124501715

版权

本文探讨了在人工智能应用中遇到的模型加载时出错和preRun阶段的问题。加载错误可能源于使用了不匹配的加密库，解决方案是确保使用与程序发布版本相同的加密库。而preRun出错通常指示模型本身存在问题，可能需要检查模型的保存格式或内容。对于这两类常见问题，我们将提供相应的排查和解决策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、加载时出错

可能时模型加解密时出问题的，release的程序需要用release的加密库

2、preRun出错

1、保存的模型本身有问题

2、目录内的库有版本问题，尤其是infer相关的库比如cudnn_ops_infer64_8.dll和cudnn_cnn_infer64_8.dll

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

zwl613613613

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

YOLO 建筑物表面裂缝检测

走向CTO的路上...

03-27

1339

YOLO在建筑物表面裂缝检测中的应用展示了其在实时处理中的强大能力。这种技术不仅提高了建筑物检测和维护的效率，还为结构工程师提供了更加可靠准确的决策支持。

AI Agent开发第32课-微调自己的YOLO12来做复杂图像鉴别-下

打造全国最全的AI Agent开发知识领域的博客

04-15

824

通过详细讲述对于YOLO12的微调如何让AI以几乎99%的精准度识别和检测复杂生活场景中的物体，并通过这一实例带大家一步步深入到大模型的高阶应用中去，本文中还提供了生产环境上的5个python工具的代码均为全代码分享，为网上绝无仅有的说透了YOLO模型的最佳教程。

参与评论您还未登录，请先登录后发表或查看评论

YOLO v3加载权重不成功

qq_41090341的博客

04-26

1973

按照官网命令加载不成功 https://pjreddie.com/darknet/yolo/ ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg layer filters size input output 0 conv 32 3 x 3 / 1 608 x 608 x 3 -> 608 x 608 x 32 0.639 BF

训练yolov5模型时遇到：TypeError: ‘NoneType‘ object is not callable

syh的技术记录

09-07

3027

刚刚在用矩池云的GPU训练yolov5模型（Google Colab的免费GPU确实不错但还是有些慢），同样的操作在Google Colab上就能跑，在矩池云这里用命令： python train.py --img 640 --batch 64 --epochs 180 --data /mnt/yolov5-master/traindata/traindata.yaml --weights yolov5s.pt --nosave --cache 就会出现报错：捣鼓了半个小时才发现原来是batch设置大

使用yolov5训练模型报错：RuntimeError: result type Float can‘t be cast to the desired output type long int

慕溪同学的博客

03-27

566

当我在colab云端训练yolov5模型的时候发现一个错误：RuntimeError: result type Float can’t be cast to the desired output type long int。

YOLO模型label.names读取失败

the_beginner的博客

08-23

320

label.names读取失败：原因：label.names路劲中的“空格”pycharm 无法识别解决办法：用下划线 “_ ”代替“空格”

【Error】Yolo 训练遇到的错误

悠悠小船长的博客

03-11

1309

Yolo遇到的错误

FastAPI封装YOLO目标检测模型

11-26

我们将YOLO模型的权重加载到OpenCV的DNN模块，该模块提供了对多种深度学习框架模型的接口。OpenCV的DNN模块可以处理图像预处理、模型加载、前向传播等任务。接下来，我们要实现模型的封装。这包括定义输入参数（如...

【数据集清洗宝典】：YOLO模型训练效果优化全攻略

YOLO（You Only Look Once）模型作为一种流行的实时目标检测系统，以其速度和准确性的平衡而著称。本章节将介绍YOLO模型训练的基础知识，为初学者和有经验的从业者提供一个坚实的起点。 ## 1.1 YOLO的历史和版本...

Tensorflow+SSD+Yolo（目标检测）文章4：训练自己模型的SSD完整详细步骤

Lininggggggg的博客

06-04

7149

4.训练自己模型的SSD完整详细步骤（写在每篇深度学习文章系列的前面，该系列的文章是我2019年做毕设时的步骤总结，是能实现的，不和其他很多博客一样瞎糊弄人浪费时间。写下这些文章一方面为了方便后来者，一方面也为了自己以后的步骤复现等。另外，如果我给的那些参考帖子看不了了，可以到我的博客下载区那里去下载对应的压缩文件，我把里面所有的链接网页都截了长图，所以不用担心我给的参考帖子链接失效。其次，...

yolov8修改，添加注意力机制，报错，“no model scale passed. Assuming scale=‘n‘ 报错

qq_43199049的博客

04-24

8654

主要原因是在于，无法识别到预训练的模型规格，所以在修改完，神经网络的层结构的yaml文件，重新命名时，可以在后面加一个规格文件，如： yolov8-cbam.yaml ，改名为： yolov8n-cbam.yaml，仅仅加上一个n，模型便会不再报错..

使用yolo训练自己的模型数据遇到的问题

yszbrzdd的博客

12-29

848

查找网上的文章大多都是说文件目录没按规定创建，但我检查了我的目录没问题，后来发现是labels文件夹里的txt文件和images文件夹的图片没有一一对应，对应好之后问题解决。2、解决完上个问题之后还是不报上面的错了但还是Fatal Python error: Aborted；Restarting kernel...检查模型目录也没生成文件。搜网上解决方案：参考。

yolov8修改yaml文件，yolov8模型重复加载，无法确定模型的大小等等问题

qq_45876890的博客

12-14

5715

11月份yolov8一些小bug问题的解决，包括迁移学习，修改配置文件，修改源码让界面中的bug更少。

YOLO测试图像时出错（darknet: ./src/image.c:41: get_pixel: Assertion `x ＜ m.w && y ＜ m.h && c ＜ m.c‘ failed）

Snow_cat123456的博客

12-17

1038

用FLIR数据集训练YOLOv4，前期一切顺利，训练结束后在测试集上测试map也正常，然后开开心心的准备测试一张图像看看效果，结果出现以下错误网上没有找到一样的错误，但是很多关于Assertion的错误，都是说训练样本中有标签错误，即标签的大小超出了图片的范围，用代码排查发现果然找出了隐藏在群众间的坏分子：FLIR_03093 图片的宽为640，而xmax算出来为641，超过了图片的大小把这个错误排除了我再去重新训练一遍，如果一起顺利就是这个问题，如果不是的话我就要哭了 ...

.h5文件转.pb文件报错：NameError: name 'yolo_head' is not defined

qq_40261955的博客

04-06

1771

最近在python环境下使用keras框架训练好了自己的tiny yolov3模型，得到了包含模型结构和权重等全部信息的.h5文件，打算把.h5文件转换为.pb文件，拿到C++去用，在网上找各种.h5转.pb文件的程序，结果总是碰到 NameError: name ‘yolo_head’ is not defined 查找解决方案时踩了很多坑，好在最后总算解决了，下面是我的解决方案，希望可以帮助大...

yolov8训练自己的数据集遇到的问题

古月哥欠666的博客

04-21

5964

根据本地模型配置文件.yaml可以设置nc但是，这里无法用到预训练模型.pt模型文件，预训练模型的权重参数是在大数据集上训练得到的，泛化性能可能比较好，所以，下载了官方的分类模型yolov8n-cls.pt由于需要魔改yolov8，所以下载了官方源码，在default.yaml配置文件中是各种超参数，包括data与model路径的设置。

Darknet的yolov3.weights文件转换成tensorflow的ckpt或者pb文件

lingchuxiao的博客

11-04

936

https://blog.youkuaiyun.com/heiheiya/article/details/91437196?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242

【opencv-目标检测】C++加载Yolov4 、 Yolov3 模型进行推理

cxyhjl的博客

05-22

1407

主程序 #include <opencv2/highgui.hpp> #include "Yolo.h" using namespace cv; void runningYoloV3(); void runningYoloV4(); int main(int argc, char** argv) { runningYoloV3(); //runningYoloV4(); return 0; } void runningYoloV4() { String modelPat

运行yolov3报错解决

qq_34508123的博客

06-24

2290

记录运行代码遇到的错误

c# yolo 毕业设计

最新发布

04-29

<think>嗯，用户想用C#和YOLO做毕业设计，需要资料或教程。首先，我得确认YOLO在C#中的可行性。YOLO本身是用Python和PyTorch实现的，但用户可能想用C#开发界面或者集成到现有系统中。需要找C#调用YOLO模型的方法。然后，用户可能对深度学习不太熟悉，可能需要简化步骤。比如，使用ONNX转换模型，这样C#可以用ML.NET或OpenCVSharp加载。记得之前有资料提到过用ONNX Runtime在C#中运行模型，这可能是个关键点。接下来，用户需要具体的实现步骤。可能需要分步指导：训练模型、转换为ONNX、C#调用。还要考虑数据集准备，比如公开数据集COCO或者自定义数据。另外，代码示例很重要，用户可能需要参考如何用C#写推理代码。另外，界面设计部分，用户可能想用WinForms或WPF展示结果，可能需要引用OpenCVSharp处理图像。性能优化方面，比如使用GPU加速，可能需要安装CUDA和cuDNN，并配置ONNX Runtime的GPU版本。还要考虑毕业设计的常见问题，比如时间安排、难点分析。比如模型转换可能出错，需要检查版本兼容性；C#内存管理问题，避免泄漏。扩展功能方面，可以建议结合数据库或网络功能，提升项目深度。最后，参考资料和社区支持，推荐官方文档和GitHub项目，比如YOLOv5的官方repo和ONNX Runtime的示例。可能用户需要这些资源来进一步研究。确保回答结构清晰，步骤详细，并提供相关问题供用户深入思考。</think>### C#与YOLO结合的毕业设计实现方案 #### 一、技术选型分析 1. **YOLO版本选择** - 推荐使用$YOLOv5$或$YOLOv8$，两者均支持模型导出为ONNX格式[^1] - 可通过Python训练模型后转换为ONNX格式供C#调用 2. **C#开发框架** - 使用`ML.NET`或`OpenCvSharp`加载ONNX模型 - 推荐组合：`OpenCvSharp4` + `Microsoft.ML.OnnxRuntime` #### 二、实现步骤详解 ```mermaid graph TD A[Python训练YOLO模型] --> B[导出ONNX格式] B --> C[C#加载ONNX模型] C --> D[图像预处理] D --> E[模型推理] E --> F[后处理解析] F --> G[界面展示结果] ``` #### 三、核心代码示例 ```csharp // 使用ONNX Runtime加载模型 var session = new InferenceSession("yolov5s.onnx"); // 图像预处理 var inputTensor = new DenseTensor<float>(normalizedImage, new[] { 1, 3, 640, 640 }); // 创建输入容器 var inputs = new List<NamedOnnxValue> { NamedOnnxValue.CreateFromTensor("images", inputTensor) }; // 执行推理 using var results = session.Run(inputs); // 解析输出 var outputs = results.First().AsTensor<float>(); var detections = ParseYoloOutput(outputs, confidenceThreshold: 0.5f); ``` #### 四、关键技术点 1. **模型转换** ```bash python export.py --weights yolov5s.pt --include onnx ``` 注意需安装$torch>=1.8.0$和$onnx>=1.10.0$[^1] 2. **后处理实现** - 使用非极大值抑制(NMS)算法处理重叠框 - 坐标系转换：将$[cx, cy, w, h]$转换为$[x1, y1, x2, y2]$ #### 五、扩展功能建议 1. 开发WPF/WinForms界面实时显示检测结果 2. 集成SQLite记录检测历史数据 3. 添加报警功能（如检测到特定对象时触发） #### 六、开发资源推荐 1. [YOLOv5官方GitHub](https://github.com/ultralytics/yolov5) 2. [ONNX Runtime C#示例](https://github.com/microsoft/onnxruntime-inference-examples) 3. [OpenCvSharp文档](https://shimat.github.io/opencvsharp_docs/)