创建用于错误报告的最小可复现示例#

向 Ultralytics YOLO 代码仓库提交错误报告时，提供一个最小可复现示例 (MRE)至关重要。MRE 是一小段自包含代码，用于演示你遇到的问题。提供 MRE 有助于维护者和贡献者理解问题并更高效地修复问题。本指南介绍了向 Ultralytics YOLO 代码仓库提交错误报告时如何创建 MRE。

1. 隔离问题#

创建 MRE 的第一步是隔离问题。删除所有与问题没有直接关系的不必要代码或依赖项。专注于导致问题的具体代码部分，并移除所有无关部分。

2. 使用公开模型和数据集#

创建 MRE 时，使用公开可用的模型和数据集来复现问题。例如，使用 yolo26n.pt 模型和 coco8.yaml 数据集。这样可以确保维护者和贡献者无需访问专有数据或自定义模型，就能轻松运行你的示例并调查问题。

3. 包含所有必要的依赖项#

确保 MRE 包含所有必要的依赖项。如果代码依赖外部库，请指定所需软件包及其版本。理想情况下，如果你已安装 ultralytics，请在错误报告中使用 yolo checks 列出依赖项；对于其他工具，则使用 pip list。

4. 清晰描述问题#

清晰、简洁地描述你遇到的问题。说明预期行为以及实际出现的行为（如适用），并附上相关错误消息或日志。

5. 正确格式化代码#

在问题描述中使用代码块正确格式化代码。这样便于他人阅读和理解你的代码。在 GitHub 中，你可以使用三个反引号包裹代码来创建代码块（```），并指定语言：

```python
# Your Python code goes here
```

6. 测试 MRE#

提交 MRE 前，请先进行测试，确保它能够准确复现问题。确保其他人无需进行任何修改或处理即可运行你的示例。

MRE 示例#

以下是一个假设性错误报告的 MRE 示例：

错误描述：

对 0 通道图像运行推理时，我收到了一条与输入张量维度相关的错误消息。

MRE：

import torch

from ultralytics import YOLO

# Load the model
model = YOLO("yolo26n.pt")

# Load a 0-channel image
image = torch.rand(1, 0, 640, 640)

# Run the model
results = model(image)

错误消息：

RuntimeError: Expected input[1, 0, 640, 640] to have 3 channels, but got 0 channels instead

依赖项：

• torch==2.8.0
• ultralytics==8.4.142

在此示例中，MRE 使用最少量的代码演示了问题，使用公开模型（"yolo26n.pt"），包含所有必要的依赖项，并在错误消息之外清晰描述了问题。

遵循这些指南，你将帮助 Ultralytics YOLO 代码仓库的维护者和贡献者更高效地理解并解决你的问题。

常见问题#