Yolov7训练权重仅在远程服务器生效，本地Windows无法检测物体
2026-6-27
Yolov7权重跨平台检测失效问题排查方案
1. 校验权重文件完整性
- 对比本地与服务器端
best_10.pt的文件大小，若不一致则重新下载（推荐用scp或专业FTP工具，避免浏览器下载中断）。 - 用哈希值校验文件完整性：
- 服务器端执行：
md5sum weights/best_10.pt - 本地Windows在PowerShell执行：
Get-FileHash -Path .\weights\best_10.pt -Algorithm MD5
若哈希值不同，说明文件损坏，需重新传输。
- 服务器端执行：
2. 对齐Yolov7代码与依赖版本
- 服务器端执行
git log --oneline -n 1获取当前仓库的commit ID，本地仓库切换到该版本：git checkout <commit-id>。 - 同步依赖库版本：服务器端执行
pip list | grep torch查看torch、torchvision版本，本地用pip install torch==<版本号> torchvision==<版本号>安装对应版本。
3. 调整检测设备参数
- 服务器训练使用多GPU（
--device 0,1,2），本地检测需根据硬件情况显式指定设备：- 无GPU时：
python detect.py --source data/pothole_split/train/potholes0_png_jpg.rf.3e90971629af3f862c24298d8a1b5069.jpg --weights weights/best_10.pt --device cpu - 有单GPU时：
python detect.py --source data/pothole_split/train/potholes0_png_jpg.rf.3e90971629af3f862c24298d8a1b5069.jpg --weights weights/best_10.pt --device 0
- 无GPU时：
4. 统一数据与配置文件
- 确认本地图片路径、文件名与服务器完全一致，注意Linux区分文件名大小写，Windows不区分，避免因路径匹配问题导致检测异常。
- 同步数据集配置文件（如
data/pothole.yaml），确保类别名称、数量与服务器端完全相同，配置不匹配会直接导致无检测结果。
5. 调整检测置信度阈值
- 尝试降低检测置信度阈值，比如添加
--conf 0.1参数：
若能检测到物体，说明本地默认阈值过高，可根据需求调整到合适值。python detect.py --source data/pothole_split/train/potholes0_png_jpg.rf.3e90971629af3f862c24298d8a1b5069.jpg --weights weights/best_10.pt --conf 0.1
内容的提问来源于stack exchange，提问作者Aditya Kushal
相关产品推荐
相关产品推荐
