仅做记录。

文章目录

• RuntimeError: CUDA error: no kernel image is available for execution on the device
• 在vscode上使用tensorboard
• 将YOLOv5训练得到的模型部署到Android客户端：
• • 配置好环境，使用如下命令，运行train.py文件得到“.pt”模型
  • 使用export.py中代码将“.pt”模型转为“.torchscript.ptl”模型
  • 将生成的best.torchscript.ptl模型部署到android客户端进行目标检测

YOLOv5代码

RuntimeError: CUDA error: no kernel image is available for execution on the device

报错信息显示显卡的CUDA计算能力和pytorch版本不匹配
安装适用于使用显卡的pytorch
卸载当前版本的pytorch, 重新安装匹配版本

pip uninstall torch
pip uninstall torchvision
pip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html -i  https://pypi.tuna.tsinghua.edu.cn/simple/

注意上面的内容要与自己的cuda版本匹配哈，怎么查看当前环境的cuda版本，命令如下：

查看可用cuda最大可用版本：

nvidia-smi

查看当前环境的cuda版本：

nvcc -V

在vscode上使用tensorboard

（1）找到log文件的保存地址：

（2）vscode连接上服务器之后，在终端输入：

tensorboard --logdir=/databank/home/**/**/yolov5/runs/train/exp12/   #这里的地址为上述地址

这样就可以啦！！！

将YOLOv5训练得到的模型部署到Android客户端：

配置好环境，使用如下命令，运行train.py文件得到“.pt”模型

CUDA_VISIBLE_DEVICES=0 python train.py --img 640 --batch 16 --epochs 300 --data  data/my.yaml  --weights weights/yolov5s.pt

使用export.py中代码将“.pt”模型转为“.torchscript.ptl”模型

注意，原export.py中只能将“.pt”模型转为“.torchscript.pt”，不能转为“.torchscript.ptl”，所以需要稍微修改下代码，具体如下：

把蓝色框中代码注释掉，并写入红色框中代码：

f = file.with_suffix('.torchscript.ptl')
(optimize_for_mobile(ts) if optimize else ts)._save_for_lite_interpreter(str(f))

然后使用如下命令：

python export.py --weights runs/train/exp11/weights/best.pt --include torchscript

将生成的best.torchscript.ptl模型部署到android客户端进行目标检测

Git中提供的android-demo-app模板代码
（1）在MainActivity.java文件中改变自己的图片列表：

private String[] mTestImages = {"aicook1.jpg", "aicook2.jpg", "aicook3.jpg", "test1.png", "test2.jpg", "test3.png"};

（2）在MainActivity.java文件中改成自己的模型：

mModule = LiteModuleLoader.load(MainActivity.assetFilePath(getApplicationContext(), "best.torchscript.ptl"));
BufferedReader br = new BufferedReader(new InputStreamReader(getAssets().open("aicook.txt")));

（3）将PrePostProcessor.java中的mOutputColumn的数值改为自己模型的预测种类+5，例如，如果自己模型可以检测的目标种类为30，则值为30+5=35；

private static int mOutputColumn = 35;

（4）将ObjectDetectionActivity.java文件中的模型也给成自己的：

mModule = LiteModuleLoader.load(MainActivity.assetFilePath(getApplicationContext(), "yolov5s.torchscript.ptl"));

（5）运行demo_app