AttributeError: module 'numpy.linalg._umath_linalg' has no attribute '_ilp64'
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 35/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- jupyter-notebook, numpy, python, pytorch
- Ambito
- computer-vision, machine-learning
Direzione di ricerca
Inizia da notebooks/how-to-detect-and-count-objects-in-polygon-zone.ipynb e dalla cella contenente torch.hub.load('ultralytics/yolov5', 'yolov5x6'); esegui l'esempio minimo in Google Colab per riprodurre il traceback di NumPy. Traccia l'ambiente delle dipendenze del notebook e verifica che la demo ufficiale venga eseguita senza l'AttributeError.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Search before asking
- I have searched the Roboflow Notebooks issues and found no similar bug report.
Notebook name
how-to-detect-and-count-objects-in-polygon-zone.ipynb
Bug
Using cache found in /root/.cache/torch/hub/ultralytics_yolov5_master
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
[<ipython-input-23-d827f2069f82>](https://localhost:8080/#) in <cell line: 3>()
1 import torch
2
----> 3 model = torch.hub.load('ultralytics/yolov5', 'yolov5x6')
12 frames
[/usr/local/lib/python3.10/dist-packages/numpy/testing/_private/utils.py](https://localhost:8080/#) in <module>
55 IS_PYSTON = hasattr(sys, "pyston_version_info")
56 HAS_REFCOUNT = getattr(sys, 'getrefcount', None) is not None and not IS_PYSTON
---> 57 HAS_LAPACK64 = numpy.linalg._umath_linalg._ilp64
58
59 _OLD_PROMOTION = lambda: np._get_promotion_state() == 'legacy'
AttributeError: module 'numpy.linalg._umath_linalg' has no attribute '_ilp64'
Environment
-Google colab
https://colab.research.google.com/github/roboflow-ai/notebooks/blob/main/notebooks/how-to-detect-and-count-objects-in-polygon-zone.ipynb#scrollTo=0EL4o_eOQmej
Advanced YOLOv5 Market Square Example
Minimal Reproducible Example
import torch
model = torch.hub.load('ultralytics/yolov5', 'yolov5x6')
Additional
just running the official demo in this link
Are you willing to submit a PR?
- Yes I'd like to help by submitting a PR!
- Lingua principale
- Jupyter Notebook
- Stelle
- 9.7k
- Fork
- 1.5k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di roboflow/notebooks
-
zero-shot-object-detection-with-grounding-dino.ipynb can't render correctlyForse già presa @rkrisa l’ha presa 146 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
-
bug
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 72/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 52/100
-
Drone FPV Object DetectionApertaenhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Minor Issue: The notebook tutorial is using the wrong model (yolov11s instead of RF-DETR)Forse già presa @BillionClaw l’ha presa 241 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 52/100
Tutte le issue di roboflow/notebooks
Issue simili
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
roboflow/supervision#2971 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
-
enhancement good first issue help wanted
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 83/100
MagneticResonanceImaging/MRIReco.jl#356 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
cleanlab/cleanvision#282 ·