AttributeError: '_OpNamespace' 'torchvision' object has no attribute 'nms'

这个问题似乎是因为你在尝试使用 PyTorch 的 torchvision 库时，遇到了 AttributeError。＊＊＊'nms' 是 'Non-Maximum Suppression' 的缩写，是一种用于图像处理中的目标检测技术，用来消除同一物体不同位置之间的重叠部分。

PyTorch 并没有直接提供 'nms' 函数，因为这是计算机视觉库 OpenCV 中的一部分。但是，你可以使用 PyTorch 的其他功能（如使用图像卷积层、激活函数等）以及一些其他的库（如 OpenCV）来实现类似的功能。

一种可能的解决方案是使用 OpenCV 的函数进行非极大值抑制（NMS）。在 Python 中，你可以使用以下代码：

import cv2
import numpy as np

# ... 假设你的预测框和边界框在这里 ...
boxes = ...
scores = ...

# 将边界框和得分转为OpenCV可以接受的格式
boxes = np.array(boxes).astype(np.float32)
scores = np.array(scores)

# 进行非极大值抑制
indices = cv2.dnn.NMSBoxes(boxes, scores, score_threshold=0.5, ntop_threshold=50)

# 选择非极大值抑制后的边界框
keep = []
for index in indices:
    bbox = boxes[index]
    keep.append(bbox)

请注意，这段代码中的 `score_threshold` 和 `ntop_threshold` 是你根据自己的数据集来设定的阈值。你可能需要调整这些参数以适应你的数据。如果你的模型训练在torch环境下，你需要在预测阶段转为使用cv2的库来进行操作。这是因为OpenCV是对图片处理的通用库，对于神经网络的推理更有优势。如果你坚持要在torchvision中进行NMS操作，那么可能需要使用其他的方式或者使用更高级别的组件如detectron等来帮助实现这个功能。但是这样可能会更复杂，需要更多的代码和更深入的理解。