使用Yolov5运行时出现exit code -1073741819(0xC0000005)访问违规错误如何解决

1. 验证PyTorch本身兼容性 #

0xC0000005内存访问错误大概率和PyTorch组件与当前设备的匹配问题有关，先单独测试PyTorch是否正常：
运行如下测试代码：

import torch
print(torch.__version__)
a = torch.tensor([1,2,3])
print(a)

如果这段代码也触发相同报错，说明PyTorch安装异常，执行如下操作：

• 完全卸载现有torch、torchvision、torchaudio组件：pip uninstall torch torchvision torchaudio -y
• 优先安装CPU版本PyTorch测试，排除GPU驱动、CUDA版本不兼容导致的内存访问错误
• 测试CPU版PyTorch运行正常后，再根据你设备的CUDA版本安装对应匹配的GPU版PyTorch

2. 修复Torch Hub缓存权限问题 #

torch.hub.load执行时会先把远程仓库代码缓存到本地默认路径，缓存文件损坏、路径权限不足都会触发访问违规，按如下步骤处理：

• 清空本地已有缓存：删除当前用户目录下的.cache\torch\hub文件夹
• 手动指定有权限的缓存路径，在你的业务代码最开头添加环境变量配置：

import os
# 替换为你当前用户有读写权限的文件夹路径
os.environ['TORCH_HOME'] = 'D:/custom_torch_cache'
import torch

• 调用时添加强制重载参数，避免缓存复用：model = torch.hub.load('ultralytics/yolov5', 'yolov5s', force_reload=True)

3. 排查工作设备权限拦截规则 #

工作设备常见的安全限制会拦截Python进程的内存操作，按如下步骤验证：

• 右键点击你运行代码用的IDE/终端，选择「以管理员身份运行」后重新执行测试代码
• 临时关闭设备上的杀毒软件、EDR等安全防护工具的进程拦截规则，再测试运行
• 如果设备加入了企业域，联系IT确认是否有针对Python进程的内存访问限制策略

4. 本地加载规避Torch Hub依赖 #

如果以上方法都无法解决Hub加载的问题，直接用本地源码加载Yolov5，跳过Hub的远程拉取逻辑：

• 手动下载Yolov5源码到本地有权限的目录，安装好所有依赖
• 修改模型加载代码为本地路径加载：

import torch
# 替换为你本地存放Yolov5源码的文件夹路径，source参数指定为local
model = torch.hub.load('./yolov5', 'yolov5s', source='local')

内容的提问来源于stack exchange，提问作者Zod