跟着小土堆的视频教学自己遇到的一些问题。
出现错误的原因：由于yolov5目前最新版本为v6.1，但我跑的是5.0版本，则运行detect.py时自动从github上下载的训练好的模型为最新版本v6.1。从而导致运行环境和模型版本不一致，从而报错。
一、AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ‘H:\yolov5-5.0\models\
二、yolov5 ERROR: AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘
三、yolov5中The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3
四、UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at C:cbpytorch_1000000000000workatensrcATennativeTensorShape.cpp:2228.) return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined]
一、AttributeError: Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ‘H:\yolov5-5.0\models\
解决方案：在新版本的models/common.py里面去找到这个SPPF的类,把它拷过来到你的models/common.py里面,这样你的代码就也有这个类了,还要引入一个warnings包就行了！还要引入一个warnings包就行了！
有的同学找不到SPPF这个类，那我现在直接粘贴在这里，你们只需要复制到你们的common.py里面即可，记得把import warnings放在上面去：
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))
二、yolov5 ERROR: AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘
解决方案:
找到torchnnmodulesupsampling.py下的文件
- import torch.nn.modules.upsampling，然后摁住ctrl+鼠标左键就会跳转到该文件下，
- 或者摁提示报错的地方也可以跳转到该文件下
之后将如下图所示154行注释掉就行了
三、yolov5中The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3
下载：
https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt
替换默认下载的yolov5s.pt，因为默认下载的是V6.1的
替换后，在运行 detect.py就OK了
四、UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at C:cbpytorch_1000000000000workatensrcATennativeTensorShape.cpp:2228.)
return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined]
找到functional.py的第568行，
- 将 return _VF.meshgrid(tensors, **kwargs）
- 改为 return _VF.meshgrid(tensors, **kwargs,indexing='ij')
