然后，在 PyCharm 中打开这个项目，先根据 requirements.txt 安装缺失的包，需要提前说明的是，由于我的 conda 版本比较旧，不能正常使用 conda install 命令来安装包，所以我一般会借助 Anaconda Navigator ( anaconda3 ) 或者 pip install 命令来安装包，而且我个人觉得 Anaconda Navigator ( anaconda3 ) 挺好用的，有时候 Anaconda Navigator (anaconda3) 部分包没有提供，我才会用 pip install 命令来安装，作者我呀~小白且懒，因为不想重装所以才这样瞎搞，也不知道这样有没有什么弊端，如果有的话请求指出！感谢！

这是我根据 requirements.txt 安装缺失包的具体过程，仅供无法使用 conda install 的小伙伴参考呀，不想误人子弟的：

PyYAML >= 5.3.1 ：在 Anaconda Navigator ( anaconda3 ) 中的自定义虚拟环境 pytorch_gpu 安装
tqdm >= 4.41.0 ：在 Anaconda Navigator ( anaconda3 ) 中的自定义虚拟环境 pytorch_gpu 安装
seaborn >= 0.11.0 ：在 Anaconda Navigator ( anaconda3 ) 中的自定义虚拟环境 pytorch_gpu 安装
pandas ：在 Anaconda Navigator ( anaconda3 ) 中的自定义虚拟环境 pytorch_gpu 安装
thop ：在 PyCharm 的终端，直接运行 pip install thop 命令，注意要在虚拟环境 pytorch_gpu 中运行
pycocotools >= 2.0 ：这个我参考了视频教程的评论区！我把方法搬运过来啦：先下载 pycococtools 的安装包，提取码为 i5d7 ，下载成功后，直接解压复制其中 pycocotools 两个文件夹到 conda 环境（ … \ Lib \ site-packages ）中

【补充】除了通过 PyCharm 的自动弹窗安装缺失的包外，我们也可以在 PyCharm 的终端运行 pip install -r requirement.txt 命令来安装缺失的包，但如果开源代码的提供者没有写 requirement.txt 文件，我们就只能在运行 .py 文件时按照提示安装缺失的包了。

二、运行 detect.py 文件遇到的 6 个问题

目前进行到这里都算是比较顺利的，但是！后面在运行 detect.py 文件时，我遭遇了一系列问题！公主王子们请往下看！因为我忘记截图，所以只能文字描述问题，还请见谅！

1、AttributeError：Can't get attribute 'SPPF' on <module 'models.common' from ...

问题 1 ：AttributeError: Can't get attribute 'SPPF' on <module 'models.common' from 'E:\\YOLOv5\\yolov5-6.0\\models\\common.py'>

解决方式：这个我也是参考了视频教程的评论区，由于我们使用的 YOLOv5 是 Tags 5 版本的，models 文件夹下的 common.py 文件中没有 SPPF 类，需要去 Tags 6 版本的相同文件中把 SPPF 类拷过来，注意还要导入 warnings 包，否则会报错，代码我贴下面啦~


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))

2、AttributeError：‘Upsample’ object has no attribute ‘recompute_scale_facto’

问题 2 ： AttributeError: ‘Upsample’ object has no attribute ‘recompute_scale_facto’

解决方式：这个我是查阅了很多 CSDN 的相关文章，根据运行窗口的错误提示进入 upsampling.py 文件，将 recompute_scale_factor 删除，记得将其前面的英文逗号也删除，否则会报错，具体操作如图所示，第一张图是搬运过来的~因为当初忘记截图啦~

【补充】我的文件目录：- D:\Anaconda3\envs\pytorch_gpu\lib\site-packages\torch\nn\modules\upsampling.py

3、RuntimeError: The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3

问题 3 ：RuntimeError: The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3

解决方式：因为在运行 detect.py 文件时，默认下载的是最新版本的 .pt 模型，而我们目前使用的是 5.0 版本，所以需要去 GitHub 上的对应版本里下载 yolov5s.pt 文件，然后将它直接拖到项目文件夹里，替换代码运行时自动下载的 yolov5s.pt 文件，附上下载链接啦~

【补充】YOLOv5 的下载链接：https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt

4、AssertionError: Image Not Found ...

问题 4 ：AssertionError: Image Not Found E:\迅雷下载\Git-yolov5\yolov5-5.0\data\images\bus.jpg

解决方式：这是因为测试图片中包含中文路径，把文件夹全部修改成英文即可。

5、成功运行 detect.py 文件，但是没有识别出来

问题 5 ：成功运行 detect.py 文件，但是没有识别出来！！如上图所示，只有 Done！！

解决方式：关于这个问题，我尝试了很多方法！包括但不限于将 cudnn.benchmark = True 剪切到 if webcam 的上一行，后来发现是因为我没解决 pytorch 和 torchvision 版本不兼容的问题，但这都是后话了~为了解决这个问题，我转战最新的 YOLOv5 7.0 版本了！需要在 5.0 的基础上安装 gitpython 包，前面说过我的 conda 版本太旧导致我无法正常使用 conda install 命令，而且 Anaconda Navigator 没有提供这个包！尝试升级 conda 但失败了，最后还是用 pip install gitpython 命令安装成功的~

6、RuntimeError: Couldn't load custom C+ ops.

问题 6 ：RuntimeError: Couldn't load custom C+ ops. This can happen if your Pytorch and torchvision versions are incompatible ...

解决方式：这是最让我痛不欲生的问题！！为了这个问题我先后尝试了 YOLOv5 6.0 版本和 YOLOv5 7.0 版本，都躲避不了！！归根结底，还是因为我的 pytorch 和 torchvision 版本不兼容，既然逃无可逃，那就只能解决它了！！我在 Pycharm 的终端运行：

pip install torchvision==0.10.1

【注意】在上两张图中，我们可以看到将 torchvision 降级成功后的错误提示，由于 torch 也随 torchvision 起降级了，必然会导致一些新问题，比如部分包可能和 torch 不再兼容，再比如我们用不了 gpu 训练了，但我目前没有更好的解决方式，希望未来可以填这个坑。

三、运行 detect.py 文件成功识别图片

最后，无论如何，现在我们的 YOLOv5 模型的 detect.py 文件终于可以正常运行了！

最后说些话

暂时更新到这里，这次 YOLOv5 的配置依旧存在不少隐患，希望未来可以为大家提供更好的解决方式，仅供大家参考！

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/羊村懒王/article/detail/569624