yolov5 多版本共存

最新推荐文章于 2024-01-18 13:29:42 发布

AI算法网奇

最新推荐文章于 2024-01-18 13:29:42 发布

阅读量2.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深度学习宝典文章标签：计算机视觉 opencv 前端

本文链接：https://blog.csdn.net/jacke121/article/details/121483050

深度学习宝典专栏收录该内容

该专栏为热销专栏榜第88名

1040 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了在工业项目中遇到的多个版本Yolov5模型共存导致的加载错误问题，详细分析了错误原因，包括网络结构和检测层的差异。为了解决这个问题，提出了使用jit.trace方法进行模型导出和加载。实验证明，该方法在yolov5-face-master和Yolov5_DeepSort_Pytorch项目中均能正常运行。在推理时，给出了具体的代码变动策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在做工业项目时，yolov5是比较好的检测算法，

但是如果一个项目中需要多个版本的yolov5检测项目，检测不同的物体，

加载不同版本的网络会报错

self.weights='yolov5s.pth'
model = torch.load(self.weights)
stride = int(model.stride.max())  # model stride

原因有：

1.网络结构不一样，比如激活函数不一样，层内容不一样

2.检测层Detect不一样。

解决方法：jit.trace方式。

导出：

        self.model.model[-1].export = True
        self.model.eval()
        self.model=self.model.float()

        x = torch.randn(1, 3, 544, 960).float().cuda()
        traced_cell = torch.jit.trace(self.model, (x))
        torch.jit.save(traced_cell, "jit_face_detect.pth")

加载部分代码：