参考项目
c​​​​​​​​​​​​​​GitHub - 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。