最近使用魔导的思路对YOLOv8的损失函数进行更改：

原文链接如下： YOLOV8改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU,Wise-IoU_魔鬼面具的博客-CSDN博客

按照这个思路改进之后会出现bug：

会出现 AttributeError: 'tuple' object has no attribute 'squeeze'的报错

改进方法如下：

在ultralytics/util/metrics/bbox_iou文件中，魔导改进原文如下：

def bbox_iou(box1, box2, xywh=True, GIoU=False, DIoU=False, CIoU=False, SIoU=False, EIoU=False, Focal=False, alpha=1, gamma=0.5, eps=1e-7):
    # Returns Intersection over Union (IoU) of box1(1,4) to box2(n,4)
    # Get the coordinates of bounding boxes
    if xywh:  # transform from xywh to xyxy
        (x1, y1, w1, h1), (x2, y2, w2, h2) = box1.chunk(4, -1), box2.chunk(4, -1)
        w1_, h1_, w2_, h2_ = w1 / 2, h1 / 2, w2 / 2, h2 / 2
        b1_x1, b1_x2, b1_y1, b1_y2 = x1 - w1_, x1 + w1_, y1 - h1_, y1 + h1_
        b2_x1, b2_x2, b2_y1, b2_y2 = x2 - w2_, x2 + w2_, y2 - h2_, y2 + h2_
    else:  # x1, y1, x2, y2 = box1
        b1_x1, b1_y1, b1_x2, b1_y2 = box1.chunk(4, -1)
        b2_x1, b2_y1, b2_x2, b2_y2 = box2.chunk(4, -1)
        w1, h1 = b1_x2 - b1_x1, (b1_y2 - b1_y1).clamp(eps)
        w2, h2 = b2_x2 - b2_x1, (b2_y2 - b2_y1).clamp(eps)
    # Intersection area
    inter = (b1_x2.minimum(b2_x2) - b1_x1.maximum(b2_x1)).clamp(0) * \
            (b1_y2.minimum(b2_y2) - b1_y1.maximum(b2_y1)).clamp(0)
    # Union Area
    union = w1 * h1 + w2 * h2 - inter + eps
    # IoU
    # iou = inter / union # ori iou
    iou = torch.pow(inter/(union + eps), alpha) # alpha iou
    if CIoU or DIoU or GIoU or EIoU or SIoU:
        cw = b1_x2.maximum(b2_x2) - b1_x1.minimum(b2_x1)  # convex (smallest enclosing box) width
        ch = b1_y2.maximum(b2_y2) - b1_y1.minimum(b2_y1)  # convex height
        if CIoU or DIoU or EIoU or SIoU:  # Distance or Complete IoU https://arxiv.org/abs/1911.08287v1
            c2 = (cw ** 2 + ch ** 2) ** alpha + eps  # convex diagonal squared
            rho2 = (((b2_x1 + b2_x2 - b1_x1 - b1_x2) ** 2 + (b2_y1 + b2_y2 - b1_y1 - b1_y2) ** 2) / 4) ** alpha  # center dist ** 2
            if CIoU:  # https://github.com/Zzh-tju/DIoU-SSD-pytorch/blob/master/utils/box/box_utils.py#L47
                v = (4 / math.pi ** 2) * (torch.atan(w2 / h2) - torch.atan(w1 / h1)).pow(2)
                with torch.no_grad():
                    alpha_ciou = v / (v - iou + (1 + eps))
                if Focal:
                    return iou - (rho2 / c2 + torch.pow(v * alpha_ciou + eps, alpha)), torch.pow(inter/(union + eps), gamma)  # Focal_CIoU
                else:
                    return iou - (rho2 / c2 + torch.pow(v * alpha_ciou + eps, alpha))  # CIoU
            elif EIoU:
                rho_w2 = ((b2_x2 - b2_x1) - (b1_x2 - b1_x1)) ** 2
                rho_h2 = ((b2_y2 - b2_y1) - (b1_y2 - b1_y1)) ** 2
                cw2 = torch.pow(cw ** 2 + eps, alpha)
                ch2 = torch.pow(ch ** 2 + eps, alpha)
                if Focal:
                    return iou - (rho2 / c2 + rho_w2 / cw2 + rho_h2 / ch2), torch.pow(inter/(union + eps), gamma) # Focal_EIou
                else:
                    return iou - (rho2 / c2 + rho_w2 / cw2 + rho_h2 / ch2) # EIou
            elif SIoU:
                # SIoU Loss https://arxiv.org/pdf/2205.12740.pdf
                s_cw = (b2_x1 + b2_x2 - b1_x1 - b1_x2) * 0.5 + eps
                s_ch = (b2_y1 + b2_y2 - b1_y1 - b1_y2) * 0.5 + eps
                sigma = torch.pow(s_cw ** 2 + s_ch ** 2, 0.5)
                sin_alpha_1 = torch.abs(s_cw) / sigma
                sin_alpha_2 = torch.abs(s_ch) / sigma
                threshold = pow(2, 0.5) / 2
                sin_alpha = torch.where(sin_alpha_1 > threshold, sin_alpha_2, sin_alpha_1)
                angle_cost = torch.cos(torch.arcsin(sin_alpha) * 2 - math.pi / 2)
                rho_x = (s_cw / cw) ** 2
                rho_y = (s_ch / ch) ** 2
                gamma = angle_cost - 2
                distance_cost = 2 - torch.exp(gamma * rho_x) - torch.exp(gamma * rho_y)
                omiga_w = torch.abs(w1 - w2) / torch.max(w1, w2)
                omiga_h = torch.abs(h1 - h2) / torch.max(h1, h2)
                shape_cost = torch.pow(1 - torch.exp(-1 * omiga_w), 4) + torch.pow(1 - torch.exp(-1 * omiga_h), 4)
                if Focal:
                    return iou - torch.pow(0.5 * (distance_cost + shape_cost) + eps, alpha), torch.pow(inter/(union + eps), gamma) # Focal_SIou
                else:
                    return iou - torch.pow(0.5 * (distance_cost + shape_cost) + eps, alpha) # SIou
            if Focal:
                return iou - rho2 / c2, torch.pow(inter/(union + eps), gamma)  # Focal_DIoU
            else:
                return iou - rho2 / c2  # DIoU
        c_area = cw * ch + eps  # convex area
        if Focal:
            return iou - torch.pow((c_area - union) / c_area + eps, alpha), torch.pow(inter/(union + eps), gamma)  # Focal_GIoU https://arxiv.org/pdf/1902.09630.pdf
        else:
            return iou - torch.pow((c_area - union) / c_area + eps, alpha)  # GIoU https://arxiv.org/pdf/1902.09630.pdf
    if Focal:
        return iou, torch.pow(inter/(union + eps), gamma)  # Focal_IoU
    else:
        return iou  # IoU
解决方法：
 
对每一个if后面的focal进行修改：
 
以CIOU为例：
 
if Focal:
                    return iou - (rho2 / c2 + torch.pow(v * alpha_ciou + eps, alpha)), torch.pow(inter/(union + eps), gamma)  # Focal_CIoU
if Focal:
        return iou - （(rho2 / c2 + torch.pow(v * alpha_ciou + eps, alpha)), torch.pow(inter/(union + eps), gamma))[0]       # Focal_CIoU即可成功运行
 
同理要实现 FocalEIOU、SIOU或者其他IOU都需要进行更改
 
                    【代码】AttributeError: ‘tuple‘ object has no attribute ‘squeeze‘根据魔导YOLov8改进Focal IOU时出现问题解决。
        target = target.cuda()
时，出现错误AttributeError: 'tuple' object has no attribute 'cuda'
tuple转成tensor
target是tuple类型，但.conda()需要是tensor类型
tuple——np.array——tensor（中间需要np.array中转；且np.array的元素需要是int或float（原本是str），使用.astype(in
这往往发生在我们对一个tuple类型数据，调用成员变量shape所致（a.shape 或 a.shape[]）。
所以要查看调用发生处，看看自己的数据类型是不是有错。我们看代码
import numpy as np
a = np.zeros([5,5])
#正确使用方式：
print(a)
print(type(a))
print(ty...
				
今天来给大家介绍几种在Python编程中，所常见的几种错误类型。1.在用加号进行拼接时，必须用字符串。name='小明'
age=18
print('我的名字是'+name+'，我今年'+age+'岁了')点击运行输出时会报错，错误提示为 ：TypeError: must be str, not int，翻译为类型错误，必须为字符串str，不能是数字int。解决方案为：name='小明'
age=...
				
Pycharm关于AttributeError: ‘DataFrame’ object has no attribute ‘score’的错误
import pandas
data = pandas.read_excel(
        r"C:\Users\ASUS\Desktop\0012\data7.1.2.xlsx",
data.score.describe()
# 逐项分析各统计量
data.score.size
data.score.max()
data.score.min()
data.score.sum()
data.score.mea
				
numpy.array可使用 shape。list不能使用shape。
可以使用np.array(list A)进行转换。
（array转list：array B B.tolist()即可）
补充知识：Pandas使用DataFrame出现错误：AttributeError: ‘list’ object has no attribute ‘astype’
在使用Pandas的DataFrame时出现了错误:AttributeError: ‘list’ object has no attribute ‘astype’
代码入下：
import pandas as pd
pop = {'Neva
				
import pymysql
#创建连接
con = pymysql.connect(host='localhost',user='root',password='123456',port=3306,database='zhy')
#创建游标对象
cur = con.curson()
#编写查询的sql语句
sql = 'select * from t_student'
    cur.execute(sql)
    print(查询成功)
    students = cur.fetchall()
    print(students)
except Exception as
				
多线程爬虫出现报错AttributeError: ‘NoneType’ object has no attribute ‘xpath’一、前言二、问题三、思考和解决问题四、运行效果
mark一下，本技术小白的第一篇CSDN博客！
最近在捣鼓爬虫，看的是机械工业出版社的《从零开始学Python网络爬虫》。这书吧，一言难尽，优点是案例比较多，说的也还算清楚，但是槽点更多：1、较多低级笔误；2、基础知识一笔带过，简单得不能再简单，对Python基础不好的人不友好；3、代码分析部分，相同的代码反复啰嗦解释多次，而一些该解释的新代码却只字不提；4、这是最重要的一点，但也不全是本书的锅。就是书中
Traceback (most recent call last):
  File "D:\anaconda\lib\site-packages\django\core\handlers\exception.py", line 34, in inner
    response = get_response(request)
  File "D:\anaconda\lib\site-packages\django\core\handlers\base.py", line 115, in _ge
				
RuntimeError: Given groups=1, weight of size [6, 3, 3, 3], expected input[64, 14, 22, 3] to have 3 channels, but got 14 channels instead
卷积权重为输入3通道， 输出6通道， 卷积核大小为3*3
但是认为输入数据为14通道，是不是应该把数据通道值放到shape[1]
现在输入张量维度为torch.Size([64, 3, 22, 14])，依旧报错
RuntimeError
				
首先要在这补充上一讲没有说的几个地方。有一点python和matlab一样，不需要像c语言预先给变量定义类型才能赋值。python和matlab一样按Ctrl+C停止程序执行。>>> a=[1,2,3]
>>> len(a)
>>> a.index(2)
>>> del a[:]
>>> a
				
这个错误通常发生在你试图将一个元组进行修改的时候，因为元组是不可变的，所以没有 append 方法。 
你可以考虑使用列表（list）代替元组（tuple）来进行修改。如果你需要在一个元组中添加元素，你可以创建一个新的元组，包含旧的元组中的元素和新添加的元素。例如：
```python
old_tuple = (1, 2, 3)
new_tuple = old_tuple + (4,)
这将创建一个新的元组 `(1, 2, 3, 4)`，而不是修改原始元组。
                AttributeError: ‘tuple‘ object has no attribute ‘squeeze‘根据魔导YOLov8改进Focal IOU时出现问题解决
                    逢考必不过就怪: 
                AttributeError: ‘tuple‘ object has no attribute ‘squeeze‘根据魔导YOLov8改进Focal IOU时出现问题解决
                    Anaconda_: 
                    这样不就等于把focal关了么
                oracle数据库在idea中配置数据库连接
                    柯镇恶~: 
                    感谢笔者，让我找到这个小鸟插件