我该如何解决这个错误“KeyError: 'gioU'”？

如何解决我该如何解决这个错误“KeyError: 'gioU'”？

使用 CUDA device0 _CudaDeviceProperties(name='Tesla T4',total_memory=15109MB)

Namespace(adam=False,batch_size=64,bucket='',cache_images=False,cfg='models/yolov5s.yaml',data='asl.yaml',device='',epochs=3,evolve =False,global_rank=-1,hyp='data/hyp.scratch.yaml',image_weights=False,img_size=[640,640],local_rank=-1,logdir='runs/',multi_scale=False,name= 'asl_example',noautoanchor=False,nosave=False,note=False,rect=False,resume=False,single_cls=False,sync_bn=False,total_batch_size=64,weights='yolov5s.pt',workers=8,world_size= 1) 用“tensorboard --logdir running/”启动Tensorboard，在http://localhost:6006/查看 2021-02-19 17:18:24.635404: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] 成功打开动态库 libcudart.so.10.1 超参数 {'lr0': 0.01,'lrf': 0.2,'momentum': 0.937,'weight_decay': 0.0005,'warmup_epochs': 3.0,'warmup_momentum': 0.8,'warmup_bias,'05'1r: 'cls'：0.5，'cls_pw'：1.0，'obj'：1.0，'obj_pw'：1.0，'IoU_t'：0.2，'anchor_t'：4.0，'fl_gamma'：0.0，'hsv.0sv_h5' '：0.7，'hsv_v'：0.4，'度'：0.0，'平移'：0.1，'比例'：0.5，'剪切'：0.0，'透视'：0.0，'翻转'：0.0，'翻转'： 0.5，“马赛克”：1.0，“混合”：0.0} 用 nc=28

覆盖 model.yaml nc=80

             from  n    params  module                                  arguments                     

0 -1 1 3520 模型.common.Focus [3,32,3]
1 -1 1 18560 模型.common.Conv [32,64,3,2]
2 -1 1 19904 models.common.BottleneckCSP [64,1]
3 -1 1 73984 models.common.Conv [64,128,2]
4 -1 1 161152 models.common.BottleneckCSP [128,3]
5 -1 1 295424 models.common.Conv [128,256,2]
6 -1 1 641792 models.common.BottleneckCSP [256,3]
7 -1 1 1180672 models.common.Conv [256,512,2]
8 -1 1 656896 models.common.SPP [512,[5,9,13]]
9 -1 1 1248768 models.common.BottleneckCSP [512,1,False]
10 -1 1 131584 models.common.Conv [512,1]
11 -1 1 0 torch.nn.modules.upsampling.Upsample [None,2,'nearest']
12 [-1,6] 1 0 模型.common.Concat [1]
13 -1 1 378624 models.common.BottleneckCSP [512,False]
14 -1 1 33024 models.common.Conv [256,1]
15 -1 1 0 torch.nn.modules.upsampling.Upsample [None,'nearest']
16 [-1,4] 1 0 模型.common.Concat [1]
17 -1 1 95104 models.common.BottleneckCSP [256,False]
18 -1 1 147712 models.common.Conv [128,2]
19 [-1,14] 1 0 模型.common.Concat [1]
20 -1 1 313088 models.common.BottleneckCSP [256,False]
21 -1 1 590336 models.common.Conv [256,2]
22 [-1,10] 1 0 models.common.Concat [1]
23 -1 1 1248768 models.common.BottleneckCSP [512,False]
24 [17,20,23] 1 89001 models.yolo.Detect [28,[[10,13,16,30,33,23],[30,61,62,45,59,119],[116,90,156,198,373,326]],[128,512]] 模型总结：191层，7.32791e+06个参数，7.32791e+06个梯度，17.0 GFLOPS

从 yolov5s.pt 转移了 362/370 个项目 优化器组：62 .bias，70 conv.weight，59 其他 扫描标签 asl_yolo/labels/train.cache (19113 found,0 missing,9 empty,0 duplicate,for 19122 images): 19122it [00:01,15994.32it/s] 扫描标签asl_yolo/labels/validation.cache（4779个发现，0个缺失，9个空，0个重复，4788张图片）：4788it [00:00,7887.93it/s] NumExpr 默认为 2 个线程。

分析锚点...锚点/目标 = 2.52，最佳召回率 (BPR) = 1.0000 图像大小 640 训练，640 测试 使用 2 个数据加载器工作器 将结果记录到 running/exp18_asl_example 开始训练 3 个 epochs...

 Epoch   gpu_mem      GIoU       obj       cls     total   targets  img_size

0% 0/299 [00:00,?it/s]Traceback（最近一次通话）： 文件“train.py”，第 456 行，在 火车（hyp，选择，设备，tb_writer） 文件“train.py”，第 268 行，在火车中 loss,loss_items = compute_loss(pred,targets.to(device),model) # 按batch_size 缩放的损失 文件“/content/drive/My Drive/ASLR/yolov5/utils/general.py”，第525行，在compute_loss中 lBox *= h['gIoU'] * s KeyError: 'gIoU' 0% 0/299 [00:02,?it/s]