跑yolov4模型时，显存明明足够却报错说超出显存

最新推荐文章于 2024-06-02 15:52:06 发布
最新推荐文章于 2024-06-02 15:52:06 发布
阅读量1.5k 收藏 3
点赞数 1
文章标签： linux ubuntu tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WhiteGive__/article/details/118584343
版权

原本num_workers=4改成num_workers=2后可以跑。这个问题是因为理论上windows只能单线程nun_workers应该=0，但有的时候也能多线程，num_workers是玄学问题？在解决任务管理器gpu项目中没有cuda这个选项时，重启两三遍之后num_workers=4也可以跑了

WhiteGive__
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
yolov4的GPU搭建配置
Como0413的博客
07-13 1872
下载yolov4的框架 https://github.com/AlexeyAB/darknet 解压darknet-master.zip 打开darknet-master文件夹 在CMaketLists.txt中找到if(ENABLE_OPENCV) 添加 set(OpenCV_DIR E:/cuda_opencv/opencv/build/install) 打开powershell控制台 输入 .\build.ps1 可能会出现没有权限， 跟打开cmd一样在外部打开，解锁权限 生成dll与l..
YOLOV4：You Only Look Once目标检测模型在pytorch当中的实现-Python开发
05-25
这是一个YoloV4-pytorch的源码，可以用于训练自己的模型。 YOLOV4：You Only Look Once目标检测模型在pytorch当中的实现 目录 实现的内容 Achievement 所需环境 Environment 注意事项 Attention 小技巧的设置 ...
yolov5训练时参数workers与batch-size的常见问题
慕溪同学的博客
03-27 6558
很多新手在使用yolov5训练模型的时候会出现爆内存和爆显存问题，一般就是由于worker和batch_size参数设置过大有关，下面是解决的方法。
明明显存足够但是报错CUDA out of memory的问题
m0_50317149的博客
08-15 849
换个同样配置的电脑能跑，昨天还能跑今天突然跑不动了。错误显示Tried to allocate 64.00 MiB ，但是2Gib free，这里我就不配图了没有存，言下之意就是说我还有2GB空闲显存，但是加载64mb就报错了，这里空闲显存指的是已经去除pytorch预留显存的空闲现存。最后发现是环境问题，应该是由于昨天在开发的时候不知道加了什么模块进去导致的冲突，我一直又备份环境的习惯，把最初的环境重新放到anaconda的env中，删掉了有问题的环境，可以跑了。
跺脚！关于C#中使用Yolov4显存爆炸的问题！
qq_40724303的博客
08-10 1030
跺脚！之前遇到的问题又出现了了 在进行Yolov4-C# 界面运行的时候，不断出现CUDA error：out of memory 还出现过CPU error：out of Ram，然后一直显存爆炸，一直找不到问题。 经过多次运行，发现这个问题出现的频率不固定，不定时出现。估计不是C#界面本身问题。在根据报错的信息一层层找到Yolo底层 darknet_cuda.c时，找到了问题所在： 这个函数目测是创建矩阵的，里面报错在CHECK_CUDA这个函数。所以根据这一点，在C#调用Yolo的检测器之前，使用Y
YOLO训练模型提示“CUDA_ERROR_OUT_OF_MEMORY”
pts_mjt的博客
11-26 6895
编译好yolov3进行测试时报错 CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. 解决办法： 1.CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertio `0' failed...
YOLOv4训练提示 Out of memory!
安卓 高通 bsp ，同行欢迎交流
10-08 1162
YOLOv4训练提示 Out of memory! 网上的办法如果都解决不了，试试我的这个。 训练时候修改你自己的cfg文件中height和weight，往小改，官方为416，我改成960报以上错误。 height=960 weight=960 根本原因是，输入网络的图片尺寸越大，卷积核计算出最后的tensor的维度会过高，可以理解为参数爆炸，所以YOLO也不能处理过高分辨率的图片。 Think：想一个办法改进？ ...
yolov4出现CUDA Error: all CUDA-capable devices are busy or unavailable
小俊俊的博客
04-21 928
yolov4出现CUDA Error: all CUDA-capable devices are busy or unavailable 一、问题描述 CUDA Error: all CUDA-capable devices are busy or unavailable: Success darknet: ./src/utils.c:331: error: Assertion `0’ failed. 二、查找方案 1.可能是cfg文件配置错误 解决方法 [net] batch=1 subdivision
了解bios设置显卡内存占用及调整显存大小.doc
09-17
了解bios设置显卡内存占用及调整显存大小.doc
三星推出高速GDDR4显存芯片 速度可达4Gbps
11-27
　全球最大芯片制造商之一的三星公司周五称，公司已设法使GDDR4(graphics double data rate 4)内存芯片的运行速度达到4Gbps。三星称，新芯片的速度要比现在最快的GDDR4芯片增加了三分之二，现在最快的GDDR4的...
Pytorch GPU显存充足却显示out of memory的解决方式
09-18
今天小编就为大家分享一篇Pytorch GPU显存充足却显示out of memory的解决方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
8800GT显卡再升级 华硕推出1GB显存版
11-28
显存又叫做显示内存，是显卡专用的内存系统，其作用相当于内存之于PC，作用非常重要，高速度大容量的显存系统往往用在高端的显卡上，而对于需要在高分辨率下爽《孤岛危机》（Crysis）之类的3D游戏大作，没有较大的...
笔记本3060显卡使用yolo-v4训练报错显存不足处理
wuxin_variable的博客
04-12 5171
笔记本 3060 显卡使用yolo-v4训练报错显存不足
低算力显卡装yolov4踩坑集锦
chp0768的博客
11-15 700
yolov4踩坑记录
解决模型训练过程中显存不释放，不断累加导致爆显存
qq_40962125的博客
08-09 2403
问题：在模型训练的过程中，自己手动加入了每隔2000轮测试一下模型在测试集上的效果，结果24G的显存每次到4000轮也就是测试两次就爆掉显存了，后来通过验证找到了问题，并且在测试代码段最后加入torch.cuda.empty_cache() 便解决问题。...
yolov3、yolov4训练遇到问题记录
wbqxx的博客
04-09 2161
can’t open label files 数据存储格式： 问题描述： 解决方法： 打开darknet/src/until.c 找到函数replace_image_to_label 将下述代码取消注释即可（212行） void replace_image_to_label(char *input_path, char *output_path) { ... find_replace(ou...
YOLOv3遇到的问题
m0_49089298的博客
06-10 567
在运行YOLOv3时，遇到的问题及解决方法如下 （1）提示显存不足 解决方法如下： 1.打开yolov3.cfg gedit darket/cfg/yolov3.cfg 2.修改配置 把第6行的batch改小 比如 batch=64 ------------>batch=20 参考文献为： https://www.codeleading.com/article/652372503/ ...
深度学习训练中的GPU利用率和显存占用问题、num_workers&batch_size设置问题
G_inkk的博客
09-21 612
转载 添加链接描述
RHCE （Linux进阶） Ubuntu 操作系统安装教程
最新发布
2302_76161836的博客
06-02 432
学会安装ubuntu操作系统
yolov5训练时内存不足报错可以继续吗
09-09
### 回答1： 如果你在训练YOLOv5时出现了内存不足的报错，你可以尝试一些方法来解决它。以下是一些可能的解决方法： 1. 减少批次大小(batch size)：减少批次大小可以减少训练时所需的内存，但这可能会影响模型的训练效果。 2. 减少输入图像的分辨率：减少输入图像的分辨率可以减少所需的内存，但这也会影响模型的训练效果。 3. 使用更小的模型：使用更小的YOLOv5模型可以减少所需的内存，但这也会影响模型的检测精度。 4. 使用更多的GPU：如果你有多个GPU，可以尝试在多个GPU上并行训练YOLOv5以减少单个GPU上的内存使用量。 5. 升级GPU：如果你的GPU内存不足，可以考虑升级GPU以获得更多的内存。 需要注意的是，如果你减少批次大小或输入图像分辨率，可能需要对训练参数进行调整以获得最佳的检测结果。 ### 回答2： 当在使用YOLOv5进行训练时，如果出现内存不足的错误提示，可能会影响训练的进行。但是，是否可以继续训练取决于具体的情况和系统资源。 首先，我们需要了解出现内存不足错误的原因。通常情况下，这可能是由于模型的复杂性、输入图像大小或批量大小过大等因素导致的。如果这些因素超出了系统和显卡的内存容量限制，那么继续训练可能会导致程序崩溃或运行效率极低。 如果内存不足的错误提示只是一次性的，可能可以通过减小训练批次的大小、缩小图像尺寸或降低模型复杂度等方法来解决。这样可以有效降低所需内存的占用，让训练能够顺利进行。 然而，如果内存不足的错误持续出现，即使进行了资源优化，也可能无法继续训练。此时，可能需要考虑增加系统内存、更换显卡或改用更高性能的计算设备等措施来解决问题。这样可以提供足够的资源来支持训练过程，保证模型的训练效果和训练速度。 总而言之，能否继续训练取决于内存不足的具体情况和可用资源。在内存不足的情况下，可以尝试进行资源优化来解决问题。如果优化无效或不可行，可能需要增加系统资源以确保训练的顺利进行。 ### 回答3： 在训练Yolov5时，如果遇到内存不足报错，可以尝试一些方法来解决该问题，但是否可以继续训练取决于具体情况。 首先，我们可以尝试减小模型的输入大小。减小输入大小可能会降低模型的准确度，但可以减少内存占用。需要根据具体情况权衡模型性能和内存消耗的平衡。 其次，可以采用batch大小的调整。通过减小batch大小，可以降低模型在每个批次中的内存需求。这也可能导致训练性能的下降，但可以是一个权衡选择。 另外，可以尝试使用更小型的模型，如Yolov5s代替Yolov5l或Yolov5x。更小的模型通常占用更少的内存，但可能会牺牲一些准确度。 若以上方法仍无法解决内存不足的问题，可能需要考虑增加计算资源，如使用更高配置的GPU或者增加内存容量。这些都可以提供更多的内存供模型训练使用。 总的来说，若能通过适当的调整来降低内存消耗，那么可以继续训练，并根据实际情况观察模型的性能表现。但如果内存问题无法解决，并且没有更大的计算资源可用，那可能需要考虑使用其他方法或技术来处理该问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值