企业官网建设流程全解析

网站建设和网站维护,广东手机网站建设价格,wordpress能做cms系统,网页打不开视频怎么办YOLOv9推理结果保存在哪#xff1f;runs/detect路径查看指南 你刚跑完YOLOv9的推理命令#xff0c;终端显示“Results saved to runs/detect/yolov9_s_640_detect”#xff0c;可打开文件管理器却找不到这个文件夹#xff1f;或者在/root/yolov9里翻来覆去只看到代码和权重…YOLOv9推理结果保存在哪runs/detect路径查看指南你刚跑完YOLOv9的推理命令终端显示“Results saved to runs/detect/yolov9_s_640_detect”可打开文件管理器却找不到这个文件夹或者在/root/yolov9里翻来覆去只看到代码和权重就是不见图片结果别急——这不是环境出错也不是命令失效而是YOLOv9默认把输出结果存放在一个相对路径下且依赖当前工作目录。本文不讲原理、不堆参数就用最直白的方式告诉你结果到底在哪、怎么快速定位、为什么有时看不见、以及如何自定义保存位置。我们用的是YOLOv9官方版训练与推理镜像它不是半成品而是一套开箱即用的完整环境。你不需要从零配CUDA、装PyTorch、调依赖冲突所有东西都已预装就绪只要激活环境、进对目录、敲对命令结果就会稳稳落在你该找的地方。1. 先搞清一个关键前提结果路径是“相对”的YOLOv9包括detect_dual.py这类推理脚本生成的runs/detect/xxx目录并不是固定写死在/root/yolov9/runs/下面的绝对路径。它的实际位置取决于你执行python命令时所在的当前工作目录current working directory。换句话说如果你在/root/yolov9目录下运行python detect_dual.py ...结果会出现在/root/yolov9/runs/detect/yolov9_s_640_detect❌ 如果你不小心在/root或/home下运行了命令结果就会出现在/root/runs/detect/...或/home/runs/detect/...——而这些路径通常既没权限、也不符合预期甚至可能根本看不到。所以第一步永远先确认你人在哪pwd你应该看到输出是/root/yolov9如果不是请立刻切过去cd /root/yolov9这是整个流程的“起点锚点”后面所有操作都以此为基准。2. 实际验证三步定位你的检测结果我们用你已有的命令来走一遍真实路径链不跳步、不假设、不靠猜。2.1 执行一次标准推理确保环境就绪先确保环境已激活conda activate yolov9再确认当前目录正确cd /root/yolov9然后运行官方示例命令注意这里我们保留原命令中的--name yolov9_s_640_detectpython detect_dual.py --source ./data/images/horses.jpg --img 640 --device 0 --weights ./yolov9-s.pt --name yolov9_s_640_detect终端会滚动输出日志最后出现类似这行Results saved to runs/detect/yolov9_s_640_detect2.2 立刻进入结果目录查看真实文件结构现在直接用ls命令一层层打开亲眼看到它ls runs/detect/你应该看到一个名为yolov9_s_640_detect的文件夹。再进去看里面有什么ls runs/detect/yolov9_s_640_detect/你会看到horses.jpg带检测框的输出图labels/文件夹含horses.txt记录每个框的类别、坐标、置信度可能还有results.txt汇总统计或speed.txt耗时信息小技巧如果想直接在浏览器中预览这张图可以启动一个轻量HTTP服务python3 -m http.server 8000 --directory runs/detect/yolov9_s_640_detect然后在浏览器访问http://你的服务器IP:8000/horses.jpg就能实时查看检测效果。2.3 为什么有时候“找不到runs”文件夹常见三种情况对应三种解法现象原因解决方法ls: cannot access runs/detect/: No such file or directory你没在/root/yolov9下运行命令导致runs/被创建在错误位置运行find /root -name yolov9_s_640_detect 2/dev/null全局搜索再用pwd确认当前路径下次务必先cd /root/yolov9runs/文件夹存在但为空推理中途报错退出如GPU显存不足、图片路径错误脚本未完成写入查看终端最后一段报错信息检查--source路径是否存在且可读尝试加--device cpu临时排除GPU问题能看到runs/detect/xxx但图片是黑的或全是框没内容OpenCV读图失败或图像格式异常如WebP、带Alpha通道的PNG把图片转成标准JPEG再试convert ./data/images/horses.png ./data/images/horses.jpg需先apt install imagemagick3. 想换保存位置两个简单方法任选YOLOv9默认把结果塞进runs/detect/但你完全有权把它挪到更顺手的地方——比如你的数据集同级目录、NAS挂载点或者统一归档到/workspace/output。3.1 方法一用--project参数指定根目录推荐--project是detect_dual.py支持的官方参数它会把整个detect/子目录“挂载”到你指定的位置。例如你想把所有检测结果存到/workspace/yolo_outputs下python detect_dual.py \ --source ./data/images/horses.jpg \ --img 640 \ --device 0 \ --weights ./yolov9-s.pt \ --name yolov9_s_640_detect \ --project /workspace/yolo_outputs运行后结果将出现在/workspace/yolo_outputs/detect/yolov9_s_640_detect/horses.jpg优点无需改代码、不污染源码、一次指定永久生效支持绝对路径和相对路径如--project ../outputs同一project下不同--name会自动分文件夹互不干扰。3.2 方法二修改脚本中的默认保存逻辑进阶如果你希望所有推理命令默认都存到某处可以微调detect_dual.py里的save_dir生成逻辑。打开文件nano /root/yolov9/detect_dual.py找到类似这一段通常在if __name__ __main__:附近或run()函数内save_dir increment_path(Path(project) / name, exist_okexist_ok)把它改成# 强制指定根目录 project Path(/workspace/yolo_outputs) save_dir increment_path(project / name, exist_okexist_ok)保存退出后以后所有不带--project的命令都会自动落到/workspace/yolo_outputs下。注意此方式影响全局适合固定工作流若需多任务并行仍建议优先用--project参数。4. runs/detect 目录结构详解不只是存图那么简单很多人以为runs/detect/xxx只是个“放结果图的文件夹”其实它是一个结构清晰的结果工作区包含四类关键内容4.1 主输出文件必有*.jpg/*.png原始输入图 叠加检测框、标签、置信度的可视化结果labels/*.txt每张图对应一个文本文件按YOLO格式存储class_id center_x center_y width height confidence归一化坐标results.txt汇总指标如Class Images Labels P R mAP50 mAP50-95仅在批量推理时生成。4.2 日志与元数据常被忽略但很有用args.yaml完整记录本次推理所用的所有命令行参数--source,--img,--weights等方便复现speed.txt记录预处理、推理、后处理各阶段耗时单位ms帮你判断瓶颈在哪config.json或hyp.yaml部分版本保存模型配置快照用于调试差异。4.3 批量推理的智能组织高效协作关键当你用--source指定一个文件夹如./data/images/而非单张图时YOLOv9会自动为每张图生成独立标注文件labels/xxx.txt在results.txt中汇总全部图片的平均精度若启用--save-txt和--save-conf还会在labels/中保留置信度值。这意味着你不用写循环脚本一条命令就能完成整批数据的检测标注导出直接喂给下游标注平台或训练 pipeline。4.4 安全清理建议别让runs越积越多runs/detect/不会自动清理旧任务久而久之会占满磁盘。建议养成两个习惯命名有意义别用test1、run001改用20240520_horses_cpu、20240520_coco_val_mAP一眼看懂用途定期归档删除用这条命令一键清空30天前的detect任务保留最近的find /root/yolov9/runs/detect -maxdepth 1 -type d -mtime 30 -not -name detect -exec rm -rf {} 提示-maxdepth 1确保只删一级子目录如yolov9_s_640_detect不误伤labels/等内部结构。5. 遇到问题对照这份自查清单快速排障当runs/detect没出现、结果不对、或图片异常时按顺序检查以下7项90%的问题当场解决conda activate yolov9是否成功运行python --version和nvcc --version确认环境可用cd /root/yolov9是否执行pwd输出必须是/root/yolov9--source路径是否真实存在运行ls ./data/images/horses.jpg验证--weights文件是否存在ls ./yolov9-s.pt必须返回文件名GPU是否可用nvidia-smi查看显卡状态若无输出则加--device cpu重试图片是否损坏用file ./data/images/horses.jpg查看格式用display ./data/images/horses.jpg需ImageMagick预览终端最后3行是否有红色报错重点关注FileNotFoundError,CUDA out of memory,cv2.error类错误。如果以上都通过但依然无结果请复制完整终端输出重点看detect_dual.py加载模型后的第一行日志——那里会明确告诉你Saving results to ...的真实路径。6. 总结记住这三句话再也不会迷路YOLOv9的runs/detect不是玄学它是一套设计清晰、高度可控的结果管理系统。只要把握住核心逻辑你就永远知道结果在哪、怎么改、怎么管。第一句runs/detect/xxx的物理位置 你运行python detect_dual.py时所在的目录 /runs/detect/xxx永远先cd /root/yolov9再执行第二句想换地方存用--project /your/path比改代码安全、灵活、可追溯第三句runs/detect/xxx不只是图片文件夹它是含标注、日志、配置的完整结果包批量处理、复现实验、对接下游都靠它。你现在完全可以关掉这篇指南回到终端用cd /root/yolov9 python detect_dual.py ...跑一次然后ls runs/detect/——那个带着检测框的horses.jpg正安静地等你打开。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。