如何连续运行YOLOv5姿态检测模型与非姿态检测模型？

安全阿岳

2026-7-25

问题分析与解决方案

这个报错的核心是连续运行两个不同的YOLOv5模型时，后一个模型的输出维度参数（self.no）与实际张量尺寸不匹配。单独运行时模型会正确初始化自身的输出维度（普通检测为85，姿态检测因包含关键点维度会更高），但连续运行时，模型实例的参数或torch hub缓存未完全隔离，导致后一个模型错误复用了前一个模型的维度参数，进而在view操作时触发形状不匹配错误。

解决方案：

彻底隔离模型实例，显式释放资源
每次运行完一个模型后，删除模型变量并清空GPU缓存，避免参数残留：

import torch

# 运行普通检测模型
det_model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
det_results = det_model(your_image)
# 释放资源
del det_model
torch.cuda.empty_cache()

# 运行姿态检测模型
pose_model = torch.hub.load('ultralytics/yolov5', 'yolov5s-pose')
pose_results = pose_model(your_image)
del pose_model
torch.cuda.empty_cache()

强制重载模型定义
使用force_reload=True参数加载模型，确保torch hub每次都重新加载对应模型的代码，避免缓存的旧模型定义干扰：
```
det_model = torch.hub.load('ultralytics/yolov5', 'yolov5s', force_reload=True)
pose_model = torch.hub.load('ultralytics/yolov5', 'yolov5s-pose', force_reload=True)
```
避免复用同一变量名
确保两个模型使用不同的变量名，防止变量引用导致的参数覆盖不彻底。