参考项目
cGitHub - PeterH0323/Smart_Construction: Base on YOLOv5 Head Person Helmet Detection on Construction Sites，基于目标检测工地安全帽和禁入危险区域识别系统，🚀😆附 YOLOv5 训练自己的数据集超详细教程🚀😆2021.3新增可视化界面❗❗
注意：我习惯先把pytorch安装了，这样能减少很多问题，哈哈
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
================================分界线=================================
目录
一、常见错误
1、梯度爆炸问题
2、gpu内存不足
3、张量计算使用设备不一致问题（一）
二、项目运行
1、图片识别
2、视频流识别
一、常见错误
跑YOLOv5遇到的问题_runtimeerror: a view of a leaf variable that requi_Pysonmi的博客-CSDN博客
python train.py --img 640 --batch 16 --epochs 10 --data ./data/custom_data.yaml --cfg ./models/custom_yolov5.yaml --weights ./weights/yolov5s.pt
1、梯度爆炸问题
报错原因
这个错误是由于在执行in-place操作时，使用了一个需要梯度的叶节点变量视图（view）。在PyTorch中，如果一个变量需要梯度，那么它的视图也会继承这个属性。而in-place操作是对变量进行原地操作，即直接修改变量的值，这样会导致梯度信息的丢失或不一致。
解决方法
最简单粗暴的方法是找到models文件夹下的yolo.py文件，在第149下面添加with torch.no_grad(): 如下图：
2、gpu内存不足
解决办法：
3、张量计算使用设备不一致问题（一）
模型和数据都分别放入了GPU中，将数据和模型打印出来也在GPU上、运行时GPU的显存确实有被占但依然报这个错误。
解决办法：
无意在这里看到的，刚好解决了，真是随便解决了，感谢cctv，感谢csdn，感谢这位大佬
来源：
yolov5_obb报错合集_while-L的博客-CSDN博客
4、张量计算使用设备不一致问题（二）
can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.
解决办法：
nice
二、项目运行
1、图片识别
python detect.py --source ./inference/test/02.jpg --weight ./weights/helmet_head_person_s.pt
2、视频流识别
python detect.py --source rtsp://127.0.0.1:8554/stream --weights ./weights/helmet_head_person_s.pt
使用5s模型进行训练，内存占用2G，3060显卡性能去到20%，CPG占20%左右。文章来源：https://www.toymoban.com/news/detail-660620.html
文章来源地址https://www.toymoban.com/news/detail-660620.html
到了这里，关于使用yolov5进行安全帽检测填坑指南的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
