使用SAHI加载自定义YOLOv5s6模型报错：yolov5无load属性

错误原因 #

报错AttributeError: module 'yolov5' has no attribute 'load'是因为SAHI的YOLOv5加载逻辑依赖旧版YOLOv5的API，而你使用的YOLOv5s6（或更高版本）已经移除了yolov5.load()方法，或者YOLOv5的安装方式不对导致SAHI无法调用正确的接口。

具体解决方案 #

方案1：安装SAHI兼容的YOLOv5版本 #

卸载当前YOLOv5，安装适配SAHI的版本：

pip uninstall -y yolov5
# 安装ultralytics官方的YOLOv5仓库版本
pip install git+https://github.com/ultralytics/yolov5.git
# 或者指定稳定兼容版本，比如v6.2
# pip install yolov5==6.2

安装完成后，重新运行你的原代码即可。

方案2：手动加载YOLOv5模型后传入SAHI #

如果不想更换YOLOv5版本，可以手动加载模型再用SAHI包装：

import torch
from sahi.models.yolov5 import Yolov5DetectionModel
from sahi.predict import get_sliced_prediction

# 手动加载自定义YOLOv5模型
model = torch.hub.load('ultralytics/yolov5', 'custom', path=str(path_model), device='cuda')

# 包装为SAHI检测模型
detection_model = Yolov5DetectionModel(
    model=model,
    confidence_threshold=0.3,
    device="cuda",
    category_names=model.names  # 传入模型的类别名称列表
)

# 切片预测逻辑不变
result = get_sliced_prediction(
    convert_file,
    detection_model,
    slice_height=1280,
    slice_width=1280,
    overlap_height_ratio=0.2,
    overlap_width_ratio=0.2
)
result.export_visuals(export_dir=path_export_txt)

方案3：升级SAHI到最新版本 #

新版SAHI已适配ultralytics的YOLO系列模型，尝试升级：

pip install --upgrade sahi

升级后再运行原代码，若仍有问题，可将model_type='yolov5'改为model_type='yolov5s'（对应你的模型大小）。

额外检查点 #

• 确保path_model是有效路径：可以将model_path=path_model改为model_path=str(path_model)，避免Path对象导致的路径解析问题。
• 确认CUDA环境可用：运行torch.cuda.is_available()验证设备是否正确识别。

内容的提问来源于stack exchange，提问作者PawelKinczyk