一个小白的YOLOv10（MindYOLO）推理初尝试

前情提要

环境：笔记本、MindSpore、mindyolo、Jupyter Notebook
资源：mindyolo github、智能厨房 gitcode
小白工程师学习到了较繁琐的YOLOv10的新检测目标训练（非COCO数据集中已有目标），从github将mindyolo项目下载到了本地，但是看着里面复杂的文件夹结构，完全陌生四处关联的.yaml文件，散落各处的.py文件，找不到的dataset，无从下手。所以打算先从最简单的使用入手，争取实现图片简单推理，得到带分类和置信度的检测框。

实践过程

• mindyolo github中下载完整压缩包，解压到jupyter notebook项目路径中，文件夹名为mindyolo
• 根据教程，pip install mindyolo（其他必备包已安装）
• 根据项目github的教程，下载了YOLOv10 N的yolov10n.yaml(Recipe)和yolov10n_500e_mAP383-c973023d.ckpt(Weights)文件，而实际上发现yolov10n文件可以在完整mindyolo（或mindyolo-master）文件夹中configs/yolov10中找到，且yolov10n.yaml中默认用到的coco.yaml和hyp.scratch.low.yaml文件也都在configs文件的正确相对位置，，所以单独下载的yolov10n.yaml后面并未被用到。
• 按照教程提示通过predict.py来执行推理
  • 官网手册中命令：
    python demo/predict.py --config ./configs/yolov7/yolov7.yaml --weight=/path_to_ckpt/WEIGHT.ckpt --image_path /path_to_image/IMAGE.jpg
  • 自己修改调整后命令（Jupyter Notebook中运行所以增加了!开头）：
    !python ./mindyolo/demo/predict.py --device_target "CPU" --config ./mindyolo/configs/yolov10/yolov10n.yaml --weight ./yolov10n_500e_mAP383-c973023d.ckpt --image_path ./human.jpg
• 运行成功后，发现在Jupyter Notebook所在文件夹下出现了runs_infer文件夹，其中一路点击进去后即可看到加上了检测框的推理后图片
  

问题与解决

• 一开始按照教程，我只将predict.py路径、yaml路径、ckpt路径、jpg路径按现有情况修改了，但是报错说mindspore没有set_recursion_limit方法，定位到了predict.py中set_default_infer函数，将该句屏蔽了（tip: 发现gitcode的厨房推理中，这部分似乎也被删除；另外厨房示例中，原有的set_context方法比源文件多给了device_target和max_call_depth接口赋值。）
• 后来运行提示非"Ascend"环境，所以找到了get_parser_infer函数部分，看到里面--device_target中默认是Ascend，所以想到将notebook中命令增加一个--device_target的参数，值为"CPU"，最终运行成功
  
  

2025.11.14