1.前言
zed调用yolov5进行目标检测时遇到的问题，记录下~~
2.环境信息
开发板：Jetson Xviewer NX
摄像头： zed2
系统：Ubuntu18.04
3.问题及解决
问题1：
RuntimeError: cuDNN error: CUDNN_STATUS_MAPPING_ERROR
原因： cuda 没有正确调用，导致运行报错
解决： 重新正确引用cuda，可以参考 【深度学习（八）—zed调用yolov5模型进行实时图像推理】
import torch
# 检查CUDA是否可用，并设置默认设备为CUDA
if torch.cuda.is_available():
device = torch.device("cuda")
else:
device = torch.device("cpu")
# 将模型移动到CUDA设备
model = YourModel().to(device)
# 将输入数据移动到CUDA设备
input_data = input_data.to(device)
# 在CUDA设备上执行模型推理
with torch.no_grad():
output = model(input_data)
小记：这里还用到了残差网络模块，但作者对此不是很熟悉，暂不讲解
问题2：
AttributeError: Can’t get attribute ‘C3’ on <module ‘models.common’ from ‘/home/bdlf/yolov5-Project/models/common.py’>
原因： 训练的权重pt文件和预测的新环境的YOLOv5的版本不相同，导致无法使用
解决： 直接找到你训练模型的YOLOV5代码，把models文件夹和utils文件夹替换掉即可
问题3：
在cv2.rectangle(im0, c1, c2, color, thickness=2, lineType=cv2.LINE_AA),处报错： TypeError: Argument given by name (‘thickness’) and position (4)
原因： rectangle函数被处理的图片im0格式不正确，最好是原始图像
解决： 更改为原始图像进行处理,或者引用im.copy()
问题4：
RuntimeError: The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3
原因： .pt文件版本不对， yolov5 自带的.pt文件 版本不适合
解决： 下载新的.pt文件 https://github.com/ultralytics/yolov5/releases
问题5：
t = threading.Thread(target=app.run, args=(host,port,debug))
ValueError: signal only works in main thread
原因： 线程debug不能为True
解决： debug =False
问题6：
在用flask框架封装目标检测算法时，出现视频卡顿情况
解决： 这个问题可能是多方面原因，可以从以下一一排除：第一，cuda是否引用正确，cuda是否得到充分利用？ 第二，视觉目标检测算法中会导入一些库，可以提高进程效率的函数一定要提前引入；第三，代码逻辑中是否存在一些影响加载速度的代码程序，优化代码文章来源：https://www.toymoban.com/news/detail-663918.html
本文只是自己的一些理解，后续会持续更新，欢迎读者们积极反馈~文章来源地址https://www.toymoban.com/news/detail-663918.html
到了这里，关于深度学习（八）---zed调用yolov5之目标检测遇到的问题及解决的文章就介绍完了。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！
