ssd深度学习2: 训练自己的数据集gpu+windows11+anaconda+pycharm+RTX3050 笔记，包括单通道灰度图像数据集修改训练的方法

ssd深度学习2: 训练自己的数据集gpu+windows11+anaconda+pycharm+RTX3050 笔记，包括单通道灰度图像数据集修改训练的方法

（linux/MMdetection）faster RCNN目标检测：训练自己的coco格式数据集，单/多gpu训练与测试，笔记

（linux）yolov5/v3-pytorch目标检测1：环境配置gpu+ anaconda+ pycharm+ RTX2080ti笔记，包括如何在anconda创建yolov5虚拟环境和用pycham为项目配置yolo5虚拟环境。最新版本的yolov3（截至2023.3）不需要darknet配置，而且与yolov5所需的包基本相同，故它们可以共用一个虚拟环境。

numpy版本问题，进行更新，以下这个版本训练无报错。也可以自行尝试其它版本。

（linux）yolov5/v3-pytorch目标检测1：环境配置gpu+ anaconda+ pycharm+ RTX2080ti笔记，包括如何在anconda创建yolov5虚拟环境和用pycham为项目配置yolo5虚拟环境。最新版本的yolov3（截至2023.3）不需要darknet配置，而且与yolov5所需的包基本相同，故它们可以共用一个虚拟环境。

最新版本的yolov3（截至2023）与yolov5所需的包基本相同，故它们可以共用一个虚拟环境，不需要额外配置。本人已经在同一虚拟环境上训练了yolov3和yolov5，没有任何出现问题。

直接使用pip install ultralytics安装环境后在项目文件下ultralytics/engine/validator.py更改无效，需要在虚拟环境文件中更改

或 source = open(source, "rb")

另一种可能是安装opencv-contrib-python与opencv-python不匹配，需要统一版本的opencv-python和 opencv-contrib-python。pip install opencv-contrib-python==4.5.4.58 （与你的opencv-python对应）常见解决方法是替换opencv-python-headless，参考。建议使用conda