bubbliiiing / yolov5-pytorch Goto Github PK

用自己的数据集训练（100张）二分类检测任务；model_path 、voc_classes都改了；loss是下面的样子。
但是最后predict的时候什么都没有检测出来，请问这是什么原因呀？

导师下午好，叨扰了。请问在修改v5模型时，改变了CSPdarknet53中的Bottleneck的堆叠比例，从3:6:9:3改变后效果提升了一丢丢，这个比例只能是3的倍数吗？为什么不能改成其他的？如何更改？万分感谢导师。
以及您的模型中Bottleneck的堆叠比例是3:6:9:3还是3:9:9:3？

你好，在有正样本的情况下的tobj这样写是如何理解吗？为什么不能直接让正样本的置信度目标值为1？请大佬指教下！

您好，我用yolov5训练数据集时，出现RuntimeError: Error(s) in loading state_dict for YoloBody:'这个错误。不知道怎么解决。想麻烦您帮我看看，谢谢！
File "F:/graduation_project/yolov5-pytorch-main/predict.py", line 14, in
yolo = YOLO()
File "F:\graduation_project\yolov5-pytorch-main\yolo.py", line 92, in init
self.generate()
File "F:\graduation_project\yolov5-pytorch-main\yolo.py", line 103, in generate
self.net.load_state_dict(torch.load(self.model_path, map_location=device))
File "D:\Anaconda\envs\pytorch\lib\site-packages\torch\nn\modules\module.py", line 1406, in load_state_dict
raise RuntimeError('Error(s) in loading state_dict for {}:\n\t{}'.format(
RuntimeError: Error(s) in loading state_dict for YoloBody:
size mismatch for yolo_head_P3.weight: copying a param with shape torch.Size([255, 128, 1, 1]) from checkpoint, the shape in current model is torch.Size([18, 128, 1, 1]).
size mismatch for yolo_head_P3.bias: copying a param with shape torch.Size([255]) from checkpoint, the shape in current model is torch.Size([18]).
size mismatch for yolo_head_P4.weight: copying a param with shape torch.Size([255, 256, 1, 1]) from checkpoint, the shape in current model is torch.Size([18, 256, 1, 1]).
size mismatch for yolo_head_P4.bias: copying a param with shape torch.Size([255]) from checkpoint, the shape in current model is torch.Size([18]).
size mismatch for yolo_head_P5.weight: copying a param with shape torch.Size([255, 512, 1, 1]) from checkpoint, the shape in current model is torch.Size([18, 512, 1, 1]).
size mismatch for yolo_head_P5.bias: copying a param with shape torch.Size([255]) from checkpoint, the shape in current model is torch.Size([18]).

博主您好，请问您预训练的yolov5_s.pth权重是在什么数据集上训练的，是ImageNet还是COCO2014？

请问能把主干换成mobileNet吗？代码有吗

/root/Desktop/yolo/utils/dataloader.py:434: RuntimeWarning: divide by zero encountered in true_divide
ratios_of_anchors_gt = np.expand_dims(anchors, 0) / np.expand_dims(batch_target[:, 2:4], 1)
请问大佬，这个有没有啥问题呢，使用的版本是7.28号下载的

您好，有一个问题，yolov5在目标的是识别上比较准确，也能找到图中的物体进行划分，但是基本上所有的框都会在原本的目标位置向右下方偏移一部分，这是什么原因？

以茶叶嫩叶为目标进行训练，红色框是实际预测框，黑色框是我的理想预测框

/usr/local/lib/python3.7/dist-packages/torch/utils/data/dataloader.py:490: UserWarning: This DataLoader will create 4 worker processes in total. Our suggested max number of worker in current system is 2, which is smaller than what this DataLoader is going to create. Please be aware that excessive worker creation might get DataLoader running slow or even freeze, lower the worker number to avoid potential slowness/freeze if necessary.
cpuset_checked))
Start Train
Epoch 1/300: 0% 0/18 [00:00<?, ?it/s<class 'dict'>]Traceback (most recent call last):
File "train.py", line 543, in
fit_one_epoch(model_train, model, ema, yolo_loss, loss_history, eval_callback, optimizer, epoch, epoch_step, epoch_step_val, gen, gen_val, UnFreeze_Epoch, Cuda, fp16, scaler, save_period, save_dir, local_rank)
File "/content/drive/MyDrive/Model/yolov5-pytorch/utils/utils_fit.py", line 16, in fit_one_epoch
for iteration, batch in enumerate(gen):
File "/usr/local/lib/python3.7/dist-packages/torch/utils/data/dataloader.py", line 530, in next
data = self._next_data()
File "/usr/local/lib/python3.7/dist-packages/torch/utils/data/dataloader.py", line 1224, in _next_data
return self._process_data(data)
File "/usr/local/lib/python3.7/dist-packages/torch/utils/data/dataloader.py", line 1250, in _process_data
data.reraise()
File "/usr/local/lib/python3.7/dist-packages/torch/_utils.py", line 457, in reraise
raise exception
FileNotFoundError: Caught FileNotFoundError in DataLoader worker process 0.
Original Traceback (most recent call last):
File "/usr/local/lib/python3.7/dist-packages/torch/utils/data/_utils/worker.py", line 287, in _worker_loop
data = fetcher.fetch(index)
File "/usr/local/lib/python3.7/dist-packages/torch/utils/data/_utils/fetch.py", line 49, in fetch
data = [self.dataset[idx] for idx in possibly_batched_index]
File "/usr/local/lib/python3.7/dist-packages/torch/utils/data/_utils/fetch.py", line 49, in
data = [self.dataset[idx] for idx in possibly_batched_index]
File "/content/drive/MyDrive/Model/yolov5-pytorch/utils/dataloader.py", line 48, in getitem
image, box = self.get_random_data(self.annotation_lines[index], self.input_shape, random = self.train)
File "/content/drive/MyDrive/Model/yolov5-pytorch/utils/dataloader.py", line 77, in get_random_data
image = Image.open(line[0])
File "/usr/local/lib/python3.7/dist-packages/PIL/Image.py", line 2843, in open
fp = builtins.open(filename, "rb")
FileNotFoundError: [Errno 2] No such file or directory: '/content/drive/MyDrive/Model/yolov5-pytorch/VOCdevkit/VOC2007/JPEGImages/TED9.jpg'

            #----------------------------------------------------------#
            #   利用预测结果对先验框进行调整
            #   首先调整先验框的中心，从先验框中心向右下角偏移
            #   再调整先验框的宽高。
            #----------------------------------------------------------#
            pred_boxes          = FloatTensor(prediction[..., :4].shape)
            pred_boxes[..., 0]  = x.data * 2. - 0.5 + grid_x
            pred_boxes[..., 1]  = y.data * 2. - 0.5 + grid_y
            pred_boxes[..., 2]  = (w.data * 2) ** 2 * anchor_w
            pred_boxes[..., 3]  = (h.data * 2) ** 2 * anchor_h

您好，我不理解这里对先验框进行调整的方式，似乎和yolov4有很大区别，请问在哪里可以找到相关的理论解释？

up大大，您好，我用自己的数据集训练了您的yolov5网络，数据集只有一个类别drone,训练预测均没问题，最后的get_map 出问题了，运行get_map.py文件后，报错ZeroDivisionError: float division by zero，yolo.py文件的的权重和class文件路径和get_map.py文件的class路径均已更改，请up大大花时间看一下，问题出在哪里？按照报错的信息来看是分母为0，但是n_classes的值没看明白怎么为0 了，还请up大大答疑解惑。
报错信息：
Load model. logs/ep096-loss0.001-val_loss0.001.pth model, anchors, and classes loaded. 0%| | 0/234 [00:00<?, ?it/s]Load model done. Get predict result. 100%|██████████| 234/234 [00:15<00:00, 14.96it/s] 100%|██████████| 234/234 [00:00<00:00, 21775.54it/s] Get predict result done. Get ground truth result. Get ground truth result done. Get map. Traceback (most recent call last): File "/home/king/Jiang/yolov5-pytorch-bilibili/get_map.py", line 107, in <module> get_map(MINOVERLAP, True, path = map_out_path) File "/home/king/Jiang/yolov5-pytorch-bilibili/utils/utils_map.py", line 641, in get_map mAP = sum_AP / n_classes ZeroDivisionError: float division by zero

我看您这个版本和原作的v5都是用pytorch实现的，但是为什么您这个版本的requirements和原作存在差别呢

UP主好，
请问你在yolo_training文件中设置的**self.balance=[0.4, 1.0, 4]**代表什么含义。
我在你的网络基础上增加一个160×160的输出特征层(你原来是80×80, 40×40, 20×20)，对应的增加了一组anchors（5,6， 8,14，15,11），那么请问这个self.balance我应该怎么设置？
另外，请问除了self.balance这个值需要修改，请问我还需要修改什么自定义值？
如能赐教，感激不尽！

博主你好，我将yolo.py中的backbone从默认的cspdarknet改为了convnext_tiny，出现了键值不匹配问题。我知道这是由于backbone结构不同导致的，但我不知道应该如何解决，才能直接在你的项目中使用其他主干网络进行预测。希望博主解答一下，谢谢

yolov5s训练voc2012数据集时使用了官方给的预训练权重，结果map值很低不到30，这是个正常情况吗

        #-------------------------------------------------------#
        #   batch_target            : num_true_box, 4
        #   anchors                 : 9, 2
        #
        #   ratios_of_gt_anchors    : num_true_box, 9, 2
        #   ratios_of_anchors_gt    : num_true_box, 9, 2
        #
        #   ratios                  : num_true_box, 9, 4
        #   max_ratios              : num_true_box, 9
        #-------------------------------------------------------#
        ratios_of_gt_anchors = torch.unsqueeze(batch_target[:, 2:4], 1) / torch.unsqueeze(torch.FloatTensor(anchors), 0)
        ratios_of_anchors_gt = torch.unsqueeze(torch.FloatTensor(anchors), 0) /  torch.unsqueeze(batch_target[:, 2:4], 1)
        ratios               = torch.cat([ratios_of_gt_anchors, ratios_of_anchors_gt], dim = -1)
        max_ratios, _        = torch.max(ratios, dim = -1)

请问大家yolo_training.py，get_target函数中上面这段代码怎么理解啊，为什么要这样做了，把这个函数看了几遍，还是不太理解，求助！

我用我自己标的400来张训练，测试的时候无论怎么改nms和iou，一个框都没有是怎么回事？

泡泡哥您好，我想用ConvNext做一个分类任务，但是种类并不是1000个，但是我在代码里面并没有找到全连接层，那么这个种类数的改变我该体现在哪里呢？谢谢

导师你好，我在看了你的yolov4结合ghostnet视频后，想尝试将ghostnet结合进入yolov5。想请问，除了需要导入相应的ghostnet.py以外，还需要对bottldneckCSP或者其他地方进行修改吗？

使用result.txt文件中的tp和fp计算得到的Precision和recall，与面板输出对不上。get_map这段代码没有太多注释有点看不太懂，麻烦大佬不吝赐教。

运行summary提示显存不够？summary没法设置batchsize吧

泡泡哥您好，近期我尝试将YOLOv5中更新的训练策略应用到v4上去，在训练过程中报错，如下所示：

我在刚开始看的时候就对于下图这个tensor的定义十分迷惑，确实是在这里出现了错误，将下面的两行去除并进行调整之后，问题消失。
dummy_input = torch.randn(2, 3, 128, 128) self.writer.add_graph(model, dummy_input)

作者您好，我看您这边提供的预训练模型的大小比yolov5官方提供的要大一些。比如官方的yolov5s.pt是14.1MB，您这边的yolov5s.pth是27.8MB。请问这个差距是因为不同的网络结构或者是不同的训练优化策略导致的吗？

您好，我在训练自己的数据集时，出现训练损失为nan的情况，调小学习率也还是出现这个问题，
出现了这个报错：
Intel MKL ERROR: Parameter 6 was incorrect on entry to DGELSD.
请您帮忙解答一下，谢谢！

您好，请问代码里使用的锚框是提前设定的吗？有体现作者说的自适应吗？

b导好！为什么您现在仓库的网盘权值里只有模型权值比如yolov5_s.pth，yolov5_l.pth等等了，我记得之前我是有从您这里保存主干权值文件的，而且我看了一下之前的主干权值文件就是v6.1版本的，是不能用了吗？

使用yolov5_x权重 训练224*224尺寸的数据集后的模型使用predict.py会报错

RuntimeError: Error(s) in loading state_dict for YoloBody:
size mismatch for yolo_head_P3.weight: copying a param with shape torch.Size([33, 320, 1, 1]) from checkpoint, the shape in current model is torch.Size([255, 320, 1, 1]).
size mismatch for yolo_head_P3.bias: copying a param with shape torch.Size([33]) from checkpoint, the shape in current model is torch.Size([255]).
size mismatch for yolo_head_P4.weight: copying a param with shape torch.Size([33, 640, 1, 1]) from checkpoint, the shape in current model is torch.Size([255, 640, 1, 1]).
size mismatch for yolo_head_P4.bias: copying a param with shape torch.Size([33]) from checkpoint, the shape in current model is torch.Size([255]).
size mismatch for yolo_head_P5.weight: copying a param with shape torch.Size([33, 1280, 1, 1]) from checkpoint, the shape in current model is torch.Size([255, 1280, 1, 1]).
size mismatch for yolo_head_P5.bias: copying a param with shape torch.Size([33]) from checkpoint, the shape in current model is torch.Size([255]).

是否必须满足640*640？ 还是32的倍数就可以呀 谢谢！

输入的是640，怎么变成了224啊。支持输入1280吗？我这里报错了

hello，谢谢作者的贡献，训练过程比原版要好一些。
但出现如标题的问题。
我训练好的权重评估loss有：loss0.013-val_loss0.013
但是模型无法成功检测任何图片目标，哪怕是训练样本。
请问可能是什么问题？

代码里是不是省略了mixup图像增强的部分？效果如何呢？
谢谢

大佬好，请问可以提供一下该模型在VOC数据集上的mAP吗？

导师好，想请问下，您在4月12日更新了哪些代码？只有注释吗，谢谢

已经修改了confidence都是0.001，训练时还有一个top100的限制也去掉了，计算结果还是不一样，请问还需要修改什么地方吗？

以yolov5为例

我通过修改了 这两部分的代码

尝试去优化速度也只能达到45ms左右
跟yolov5官方那个还是差10ms的样子虽然我用的是v5 nano的模型
目前测试了以下几款：

检测速度快慢请看以上图。
希望up还能更新pytorch版本的yolov5 中支持的nano权重，我需要好好再进一步测试，另外我是一个编程新手 也只会改点皮毛，但PIL的库真的拖慢了好多速度 所以我改成了cv2，改了之后提高了百分之50的速度
一直支持up，加油@~~~！@！

/root/Desktop/yolo/utils/dataloader.py:434: RuntimeWarning: divide by zero encountered in true_divide
ratios_of_anchors_gt = np.expand_dims(anchors, 0) / np.expand_dims(batch_target[:, 2:4], 1)
请问大佬，这个有没有啥问题呢，使用的版本是7.28号下载的

yolov5的FPS似乎并不是很高？相比于yolov4tiny好像还差距挺大的，1650的卡将将能达到30多FPS？这个对吗博主，我看好多论文里面都是一百多FPS

您好，我用yolov5训练数据集时，出现KeyError: 'backbone.dark2.1.m.1.cv1.conv.weight'这个错误。不知道怎么解决。想麻烦您帮我看看，谢谢！
完整报错：
D:\software\anaconda3\envs\yolov5\python.exe D:/ZYQ/project/yolov5-pytorch-main/train.py
initialize network with normal type
Load weights model_data/yolov5_l.pth.
Traceback (most recent call last):
File "D:/ZYQ/project/yolov5-pytorch-main/train.py", line 200, in
pretrained_dict = {k: v for k, v in pretrained_dict.items() if np.shape(model_dict[k]) == np.shape(v)}
File "D:/ZYQ/project/yolov5-pytorch-main/train.py", line 200, in
pretrained_dict = {k: v for k, v in pretrained_dict.items() if np.shape(model_dict[k]) == np.shape(v)}
KeyError: 'backbone.dark2.1.m.1.cv1.conv.weight'

Process finished with exit code 1

up新年快乐，我在训练yolov5-s模型时，BS：设为64，但训练速度提不上来？ cpu使用率1000%， GPU显存占用着，但使用效率低？

安装环境后运行存在错误

当前本地环境

• windows: 10
• conda: 4.12.0
• python: Python 3.6.13 |Anaconda, Inc.| (default, Mar 16 2021, 11:37:27) [MSC v.1916 64 bit (AMD64)] on win32

pytorch

安装

(pytorch-1.2.0) D:\dev\github\yolov5-pytorch>conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0
Collecting package metadata (current_repodata.json): done
Solving environment: done

# All requested packages already installed.

运行报错

(pytorch-1.2.0) D:\dev\github\yolov5-pytorch>python train.py
Traceback (most recent call last):
  File "D:\Users\yihan\miniconda3\envs\pytorch-1.2.0\lib\site-packages\torch\utils\tensorboard\__init__.py", line 2, in <module>
    from tensorboard.summary.writer.record_writer import RecordWriter  # noqa F401
ModuleNotFoundError: No module named 'tensorboard'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "train.py", line 17, in <module>
    from utils.callbacks import LossHistory
  File "D:\dev\github\yolov5-pytorch\utils\callbacks.py", line 9, in <module>
    from torch.utils.tensorboard import SummaryWriter
  File "D:\Users\yihan\miniconda3\envs\pytorch-1.2.0\lib\site-packages\torch\utils\tensorboard\__init__.py", line 4, in <module>
    raise ImportError('TensorBoard logging requires TensorBoard with Python summary writer installed. '
ImportError: TensorBoard logging requires TensorBoard with Python summary writer installed. This should be available in 1.14 or above.

在对真实框附近的先验框进行匹配时，将真实框所在的网格以及相邻的两个最近网格都拿来预测此真实框，且令这三个网格处的先验框的中心坐标与宽高都等于此真实框。但是有一个疑问，每个尺度下有三种不同宽高比的先验框（比如10,13, 16,30, 33,23），代码中似乎没有根据IOU来过滤这三种不同的先验框，而是在get_pred_boxes函数中根据这三种宽高比都生成了预测框信息，这样一来在某个尺度下就有9个先验框去预测一个真实框。

不知道理解的对不对，麻烦老哥解释一下

请问怎样将pth文件转换成onnx，能出一个代码吗

我已经进行了以下修改：yolo.py中的model_path修改为百度云中的yolov5_s预训练权值路径，也将classes_path修改为voc对应的类别文件；
报错：我在没有自己训练的情况下，运行predict.py以及get_map.py时仍然报错，shape应为255，实际上是75。

请问我是漏掉了需要修改的文件吗？还是需要我自己从头训练一次，绑定自己训练的权值呢？（个人认为有预训练权值可以不用从头训练）

导师，您好！
您在yolov5中放入了 swin transformer和convneXt作为主干，但我下载好的对应权重来尝试，训练没问题，测试前三个epoch的map都只有零点几，这正常吗？如果不正常的话，该如何解决呢！

作者大大您好，因为刚刚接触本代码，对细节不是很清楚。
我看到您在仓库中有实现使用K-means算法对框进行聚类，但是train中又是直接给定了比例大小好像没有使用聚类的结果
因为我数据集中物体大小的变化比较明显，所以想试试用聚类自动提取...请问在您的代码中如何设置能让您之前写好的聚类算法应用进去呢

使用pip安装会报错, python==3.7.9

WARNING: Ignoring invalid distribution -rotobuf (d:\environments\anaconda3\envs\pytorch\lib\site-packages)
WARNING: Ignoring invalid distribution -rotobuf (d:\environments\anaconda3\envs\pytorch\lib\site-packages)
Collecting scipy==1.2.1
  Using cached scipy-1.2.1-cp37-cp37m-win_amd64.whl (30.0 MB)
Collecting numpy==1.17.0
  Using cached numpy-1.17.0-cp37-cp37m-win_amd64.whl (12.8 MB)
Collecting matplotlib==3.1.2
  Using cached matplotlib-3.1.2-cp37-cp37m-win_amd64.whl (9.1 MB)
Collecting opencv_python==4.1.2.30
  Using cached opencv_python-4.1.2.30-cp37-cp37m-win_amd64.whl (33.0 MB)
ERROR: Ignored the following versions that require a different python version: 1.22.0 Requires-Python >=3.8; 1.22.0rc1 Requires-Python >=3.8; 1.22.0rc2 Requires-Python >=3.8; 1.22.0rc3 Requires-Python >=3.8; 1.22.1 Requires-Python >=3.8; 1.22.2 Requires-Python >=3.8; 1.22.3 Requires-Python >=3.8; 1.22.4 Requires-Python >=3.8; 1.23.0 Requires-Python >=3.8; 1.23.0rc1 Requires-Python >=3.8; 1.23.0rc2 Requires-Python >=3.8; 1.23.0rc3 Requires-Python >=3.8; 1.23.1 Requires-Python >=3.8; 1.8.0 Requires-Python >=3.8,<3.11; 1.8.0rc1 Requires-Python >=3.8,<3.11; 1.8.0rc2 Requires-Python >=3.8,<3.11; 1.8.0rc3 Requires-Python >=3.8,<3.11; 1.8.0rc4 Requires-Python >=3.8,<3.11; 1.8.1 Requires-Python >=3.8,<3.11; 1.9.0 Requires-Python >=3.8,<3.12; 1.9.0rc1 Requires-Python >=3.8,<3.12; 1.9.0rc2 Requires-Python >=3.8,<3.12; 1.9.0rc3 Requires-Python >=3.8,<3.12
ERROR: Could not find a version that satisfies the requirement torch==1.2.0 (from versions: 1.7.0, 1.7.1, 1.8.0, 1.8.1, 1.9.0, 1.9.1, 1.10.0, 1.10.1, 1.10.2, 1.11.0, 1.12.0, 1.12.1)
ERROR: No matching distribution found for torch==1.2.0
WARNING: Ignoring invalid distribution -rotobuf (d:\environments\anaconda3\envs\pytorch\lib\site-packages)
WARNING: Ignoring invalid distribution -rotobuf (d:\environments\anaconda3\envs\pytorch\lib\site-packages)
WARNING: Ignoring invalid distribution -rotobuf (d:\environments\anaconda3\envs\pytorch\lib\site-packages)

博主你好，我目前在测试yolov5s模型，因为我要和我的另外一个模型进行对比实验，训练集和测试集均在VOC2007和VOC2012。所以我想让模型不使用你提供的在coco上预训练的权重（yolov5_s.pth），而是直接在VOC2007和VOC2012上直接训练，我设置了train.py中model_path = ''，并按照你的建议，修改了UnFreeze_Epoch = 300和Freeze_Train = False。
但是我在测试训练后的权重文件，运行get_map.py后，会抱如下的错误：

所以想请教你一下，这是什么问题？
非常感谢