### YOLOv5 在 PyCharm 中无法运行的原因及解决方案 YOLOv5 在 PyCharm 中无法正常运行可能由多种原因导致。以下是常见问题及其解决方法： #### 1. 文件路径问题 如果将 `yolov5s.pt` 放置在 `weights` 文件夹后，PyCharm 仍然无法运行，可能是由于文件路径配置不正确。YOLOv5 的代码依赖于相对路径来定位模型权重文件。如果项目目录结构或工作目录设置不当，可能会导致路径解析失败[^2]。 **解决方案：** 确保 PyCharm 的工作目录与终端一致。可以通过以下步骤调整： - 打开 PyCharm 的运行配置（Run/Debug Configurations）。 - 在 "Working directory" 字段中，指定项目的根目录（例如 `yolov5` 文件夹的路径）。 - 确保 `weights/yolov5s.pt` 的路径正确无误。 #### 2. 模型加载问题 YOLOv5 的训练脚本在加载预训练模型时会检查网络连接以验证文件完整性。如果本地不存在 `bus.jpg` 图像，代码会尝试从网络下载该图像进行验证。在网络连接较慢或不稳定的情况下，此过程可能导致程序卡住[^5]。 **解决方案：** 修改 `utils/general.py` 文件中的 `check_amp()` 函数，禁用网络检查功能： ```python # 修改前 im = f if f.exists() else 'https://ultralytics.com/images/bus.jpg' if check_online() else np.ones((640, 640, 3)) # 修改后 im = f if f.exists() else np.ones((640, 640, 3)) ``` 通过上述修改，可以避免因网络检查导致的延迟或卡死问题。 #### 3. 环境配置问题 YOLOv5 对环境配置有严格要求。如果 Python 版本、PyTorch 或 torchvision 的版本不符合要求，可能会导致运行失败[^3]。 **解决方案：** 确保安装了正确的依赖库版本。例如： - Python 3.8 - PyTorch 1.6.0 CPU 版 - torchvision 0.7.0 可以通过以下命令安装所需依赖： ```bash pip install torch==1.6.0+cpu torchvision==0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html ``` #### 4. GPU 配置问题 如果系统未配备 GPU 或未正确安装 CUDA 和 cuDNN，YOLOv5 可能无法正常运行。即使使用 CPU 版本的 PyTorch，也需要确保所有依赖已正确安装[^2]。 **解决方案：** - 如果仅使用 CPU，请确保安装了 CPU 版本的 PyTorch。 - 如果需要使用 GPU，请安装 NVIDIA 驱动、CUDA 和 cuDNN，并确保它们与 PyTorch 版本兼容。 #### 5. 权重文件损坏 如果 `yolov5s.pt` 文件在传输或保存过程中损坏，可能会导致加载失败。 **解决方案：** 重新下载官方提供的 `yolov5s.pt` 文件并替换原有文件。下载地址通常为 Ultralytics 官方仓库的 Releases 页面。 --- ### 示例代码 以下是一个简单的检测脚本示例，用于验证模型是否加载成功： ```python from yolov5.models.experimental import attempt_load # 加载模型 model = attempt_load('weights/yolov5s.pt', map_location='cpu') # 使用 CPU 加载模型 print("模型加载成功！") ``` ---