在运行yolo时的一些报错及解决方法

Pytorch虚拟环境简介

Torch是一个用于深度学习的=数学计算库，而Pytorch则是一个基于Torch的Python机器学习库，可看作其提供了Torch应用于Python的接口。而搭建Pytorch虚拟环境，通俗地讲，就是搭建一个包含了Pytorch的相关包的Python解释器的环境，即是专门用于处理基于Python的深度学习的问题的环境。

虚拟环境

它是一个虚拟化的概念，从电脑独立开辟出来的环境。通俗的来讲，虚拟环境就是借助虚拟机来把一部分内容独立出来，我们把这部分独立出来的东西称作“容器”，在这个容器中，我们可以只安装我们需要的依赖包，各个容器之间互相隔离，互不影响

虚拟环境的作用

在一些项目开发中，我们需要一些项目的框架，但是可能每个项目使用的框架并不一样，或使用框架的版本不一样，这样需要我们根据需求不断的更新或卸载相应的库。这样显然会非常麻烦，大大降低工作的效率，而虚拟环境则很好的解决了这个问题，我们可以将不同框架分别安装在不同的环境中，当需要时只需要我们切换环境就可以了

————————————————

先进入pytorch环境的话可以通过cmd，输入conda env list,之后查看所想进入的环境名,输入conda activate xxx即可

问题1：ModuleNotFoundError: No module named ‘tensorboard‘

解决方法：在pytorch环境下conda install -c conda-forge tensorboard，#由于pytorch本身不自带tensorboard包，一般这样报错都是由于未安装tensorboard包导致的。

#可以通过pip 加载清华镜像源进行安装

sudo pip install  -i https://mirrors.aliyun.com/pypi/simple/ tensorboard

如果正确安装tensorboard之后，重新运行代码，还是报错找不到在torch.utils.tensorboard中找不到SummaryWriter该怎么办。

别着急，因为SummaryWriter是存在于tensorboardX(其作为tensorboard的子模块)因此同样通过pip进行安装：

sudo pip install  -i https://mirrors.aliyun.com/pypi/simple/ tensorboardX

如果正确安装tensorboardX依旧找不到SummaryWriter

请将报错的：

        from torch.utils.tensorboard import SummaryWriter

改为：    

        from tensorboardX import SummaryWriter

问题2：AttributeError: module 'distutils' has no attribute 'version'

解决方法：在pytorch环境下pip install setuptools==59.5.0

问题3：ModuleNotFoundError: No module named 'pandas'（一开始也有几个这种类似的问题，但是当时忘记记录了，不过都很简单）

解决方法：回溯到问题处，然后鼠标瞄住，点安装即可

问题4：ModuleNotFoundError: No module named 'cv2'

解决方法：安装opencv

问题5：ImportError: No module named 'seaborn'

解决方法：conda install seaborn

问题6：ModuleNotFoundError: No module named 'scipy'

解决方法：鼠标瞄住，然后点击安装

问题7：requirements: tensorboard>=2.4.1 not found and is required by YOLOv5, attempting auto-update...

解决方法：手动下载，pip install tensorboard==2.4.1

后续运行train.py即可

问题8：由于自己瞎搞了点，报错subprocess.CalledProcessError: Command ‘pip install ‘google-auth＜2,＞=1.6.3‘‘ returned non-zero exit

解决方法：从解释器设置中安装了google-auth1.33.0就好了，应该也可以在对应环境下pip install google-auth==1.33.0或者conda install google-auth==1.33.0

tensorboardX --logdir=runs

问题9：虽然在运行时可以查看它的输出效果，但是我想通过tensorboard来输出它的训练可视化，通过在pytorchtest的虚拟环境下输入命令tensorboard --logdir=runs，会报错，显示tensorboard ValueError: Duplicate plugins for name projector（这个的原因好像是因为tensorboard有重复导致的），但是我删了D:\Anaconda3\Lib\site-packages里面的对应的tensorboardxxx.dist.info后此错误消失。但是对应于train.py的训练就会报错，报错原因是tensorboard版本的原因。相当于房子漏雨，补好了一处另一处又坏了，不能同时把问题给解决掉。

解决方案：问题原因仍然是因为环境中安装了多个tensorboard造成了冲突，通过下面网站的脚本文件可以检测系统中的环境中是否按抓angle多个版本的tensorboard，会根据结果提示怎么解决

https://raw.githubusercontent.com/tensorflow/tensorboard/master/tensorboard/tools/diagnose_tensorboard.py

然后我执行了一次pip uninstall tb-nightly tensorboard，后面我看到上面显示成功卸载了tensorboard-2.11.0后就没再执行其他操作，因为我之前安装了tensorboard2.4.1，所以就发现了肯定是这个2.11.0导致的多版本。然后我就去tensorboard --logdir=F:\yolov5-5.0\runs（注意此处最好是绝对路径，而且不能带中文，不然页面可能会显示加载不出来内容）

问题10：我在训练完成后查看运行后生成的训练相关的文件时，发现一些图标不能把类别的名称正常的显示出来，只有小方框

解决方案：

from pylab import mpl

# 设置显示中文字体

mpl.rcParams["font.sans-serif"] = ["SimHei"]

# 设置正常显示符号

mpl.rcParams["axes.unicode_minus"] = False