YOLOv9本地部署+4090训练实测

   

刚换了4090，看到yolov9出了，于是趁热度本地部署并简单跑一下COCO做时长性能测试。

 

没有用官方推荐的Nvidia-docker（配置好之后还是有点问题，不能成功运行和导入预训练模型，应该是我自己的配置问题），选择conda+Python3.9+cuda11.5+torch1.11.0，其余直接 'pip install -r requirements.txt' 即可。

 

有点需要注意的是建议装完环境后把pillow退回到9.5.0（'pip install Pillow==9.5.0'），保持更高版本也会正常运行，但会报错没有getsize函数，退版本后只有一个warning，不影响运行。

 

直接借助yolov9-c.pt预训练模型进行detect检测，需要先进入utils/general.py中在 'device=prediction.device' 语句前添加一句 'prediction=prediction[0]' ，我实测不添加的话会遇到报错list没有divice变量。检测效果确实很棒（那个红酒杯和遥控器吓到我了），如下所示：

 

 

 

使用coco2017跑一个epoch，其余默认，4090实测最高显存占用能达到24153MB（几乎爆了就岌岌可危属于是），一个epoch训练时长接近58min，大家可以自己比较。