Python内核在加载预训练的YOLO模型时死亡答案

【问题标题】：Python kernel dying while loading pre trained YOLO modelPython内核在加载预训练的YOLO模型时死亡
【发布时间】：2018-07-05 09:53:21
【问题描述】：

我试图在 spyder IDE 上使用网络摄像头实时源运行 coursera 的 YOLO 对象检测实现。但是，无论何时遇到：

yolo_model =load_model("model_data/yolo.h5")

内核死亡。

显示的错误是：

2018???????? 15:18:14.079164: I C:\tf_jenkins\workspace\rel‑win\M\windows\PY\35\tensorflow\core\platform\cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

【问题讨论】：

你所说的错误信息不是，它只是一个警告。
@MatiasValdenegro 但内核正在死去
是的，但是如果您需要有关问题的帮助，您需要提供更多信息，例如崩溃期间产生的任何错误消息和堆栈跟踪，您还应该在 spyder 之外尝试此代码，看看是否你会得到任何有意义的信息。
这是一个警告，内核的死亡更多的是 spyder 的事情。只需尝试从 shell 运行脚本。

标签： tensorflow keras deep-learning computer-vision yolo

【解决方案1】：

当我在刚刚加载的 python shell 中运行那一行（以及之前的导入语句）时，我也会遇到同样的错误。模型文件为 200 MB。我有一台 16 GB RAM Windows 笔记本电脑，配备 GTX 1050 GPU 和 4GB VRAM。我还尝试通过我的 CPU 运行它（首先启动一个将设备设置为 cpu 的会话）。

我只能猜测 Coursera 的计算机比我有更多的内存。

【讨论】：

大声笑你知道它来自哪里。除了 coursera 之外，我找不到任何其他的 yolo 实现。我跟着马克杰的 youtube 教程。但我在那里遇到了其他错误。那么，你能找到 YOLO 的任何有效实现吗？
我可以在功能更强大的计算机上加载模型（Azure NC6s_v3，配备 V100 GPU 16 GB VRAM，112 GB 主内存）。但是，该 VM 没有加载 YAD2K 包来运行该代码的其他部分，因此安装它在我的待办事项列表中......在弄清楚如何做到这一点时，我确实看到了关于重新编译 YOLO 的 cmets，所以这可能适用于我的笔记本电脑。
有关重新编译的可能性，请参阅 coursera.org/learn/convolutional-neural-networks/discussions/… 和 coursera.org/learn/convolutional-neural-networks/discussions/…