как я могу решить эту ошибку «KeyError: 'gioU'»?
Использование CUDA device0 _CudaDeviceProperties(name='Tesla T4', total_memory=15109MB)
Пространство имен (adam=False, batch_size=64, bucket='', cache_images=False, cfg= 'models /yolov5s.yaml', data='asl.yaml', device='', epochs=3, evolve=False, global_rank=-1, hyp= 'data /hyp.scratch.yaml', image_weights=False, img_size=[640, 640], local_rank=-1, logdir= 'Run/', multi_scale=False, name='asl_example', noautoanchor=False, nosave=False, notest=False, rect=False, resume=False, single_cls=False, sync_bn=False, total_batch_size=64, weights='yolov5s.pt', worker=8, world_size=1) Начать Tensorboard с «tensorboard --logdir run/», см. Http: //localhost: 6006 /2021-02-19 17:18:24.635404: I tensorflow/stream_executor/platform/default/ dso_loader.cc: 49] Динамическое открытие успешно открыто библиотека libcudart.so.10.1 Гиперпараметры {'lr0': 0,01, 'lrf': 0,2, 'momentum':0.937, 'weight_decay': 0,0005, 'Warup_epochs': 3.0, 'Warup_momentum': 0,8, 'Warup_bias_lr': 0,1, 'box': 0,05, 'cls': 0,5, 'cls_pw': 1.0, 'obj': 1.0, 'obj_pw': 1.0, 'iou_t': 0.2, 'anchor_t': 4.0, 'fl_gamma': 0.0, 'hsv_h': 0,015, 'hsv_s': 0,7, 'hsv_v': 0,4, 'градусов': 0,0, 'перевод ': 0,1,' масштаб ': 0,5,' сдвиг ': 0,0,' перспектива ': 0,0,' флипуд ': 0,0,' fliplr ': 0,5,' мозаика ': 1,0,' смешивание ': 0,0} Переопределение model.yaml nc=80 с nc = 28obj_pw ': 1.0,' iou_t ': 0.2,' anchor_t ': 4.0,' fl_gamma ': 0,0,' hsv_h ': 0,015,' hsv_s ': 0,7,' hsv_v ': 0,4,' градусов ': 0,0,' переводить ' : 0,1, «масштаб»: 0,5, «сдвиг»: 0,0, «перспектива»: 0,0, «переворот»: 0,0, «fliplr»: 0,5, «мозаика»: 1,0, «смешивание»: 0,0} Переопределение model.yaml nc=80 с nc = 28obj_pw ': 1.0,' iou_t ': 0.2,' anchor_t ': 4.0,' fl_gamma ': 0,0,' hsv_h ': 0,015,' hsv_s ': 0,7,' hsv_v ': 0,4,' градусов ': 0,0,' переводить ' : 0,1, «масштаб»: 0,5, «сдвиг»: 0,0, «перспектива»: 0,0, «переворот»: 0,0, «fliplr»: 0,5, «мозаика»: 1,0, «смешивание»: 0,0} Переопределение model.yaml nc=80 с nc =28
from n params module arguments
0-1 1 3520 моделей.common.Focus [3, 32, 3]
1-1 1 18560 моделей.common.Conv [32, 64, 3, 2] 2-1 1 19904
models.common.BottleneckCSP [64, 64, 1]
3-1 1 73984 models.common.Conv [64, 128, 3, 2]
4-1 1 161152 models.common.BottleneckCSP [128, 128, 3]
5-1 1 295424 models.common.Conv [ 128, 256, 3, 2]
6-1 1 641792 models.common.BottleneckCSP [256, 256, 3]
7-1 1 1180672 models.common.Conv [256, 512, 3, 2]
8-1 1 656896 моделей .common.SPP [512, 512, [5, 9, 13]]
9-1 1 1248768 models.common.BottleneckCSP [512, 512, 1, False]
10-1 1 131584 models.common.Conv [512, 256 , 1, 1]
11-1 1 0 torch.nn.modules.upsampling.Upsample [Нет, 2, 'ближайший']
12 [-1, 6] 1 0 models.common.Concat [1]
13-1 1 378624 models.common.BottleneckCSP [512, 256, 1, False]
14-1 1 33024 models.common.Conv [256, 128, 1, 1]
15 -1 1 0 torch.nn.modules.upsampling.Upsample [Отсутствует, 2, 'ближайшего']
16 [-1, 4] 1 0 models.common.Concat [1]
17 -1 1 95104 models.common.BottleneckCSP [256, 128, 1, Ложные]
18 -1 1 147712 models.common.Conv [128, 128, 3, 2]
19 [-1, 14] 1 0 models.common.Concat [1]
20-1 1 313088 models.common.BottleneckCSP [256, 256, 1, False]
21-1 1 590336 models.common.Conv [256, 256, 3, 2]
22 [-1, 10] 1 0 models.common.Concat [1]
23-1 1 1248768 models.common.BottleneckCSP [512, 512, 1, False]
24 [17, 20, 23] 1 89001 models.yolo.Detect [28, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]] Краткое описание модели: 191 слой, параметры 7.32791e+ 06, градиенты 7.32791e+ 06, 17,0 GFLOPS
Перенесено 362/370 элементов из yolov5s.pt Группы оптимизатора: 62 .bias, 70 конв. Веса, 59 других Сканирование меток asl_yolo / labels / train.cache (найдено 19113, 0 отсутствует, 9 пусто, 0 дубликатов, для 19122 изображений): 19122it [00:01, 15994.32it/s] Сканирование меток asl_yolo / labels /validation.cache (4779 найдено, 0 отсутствует, 9 пусто, 0 дубликатов, для 4788 изображений): 4788it [00:00, 7887.93it/s]NumExpr по умолчанию 2 потока.
Анализ якорей ... якоря / цель = 2,52, наилучшее возможное восстановление (BPR) = 1,0000 Размеры изображений 640 поезд, 640 тест Использование 2 рабочих загрузчиков данных Запись результатов в запуски /exp18_asl_example Начало обучения для 3 эпох ...
Epoch gpu_mem GIoU obj cls total targets img_size
0% 0/299 [00:00<?,? It /s]Traceback (последний вызов последний): файл "train.py", строка 456, в поезде (hyp, opt, device, tb_writer)File "train.py", строка 268, in trainloss, loss_items = compute_loss(pred, targets.to(device), model) # потеря масштабируется с помощью файла batch_size"/ content /drive/My Drive/ASLR/yolov5/utils/general.py" , строка 525, в compute_losslbox *= h['gioU'] * sKeyError: 'gioU'0% 0/299 [00:02<?,? it /s]